Zamislite da uđete u kafić i konobar vas pogleda, priđe stolu pre nego što ste skinuli jaknu i pita: „Kao i uvek?“ Ako dolazite redovno, zna vaše ime, zna da uzimate kafu bez šećera s malo mleka, zna da petkom obično sjedite duže jer nemate obaveza popodne. Ne pita vas za ID karticu, ne traži da popunite formu, ne kaže „nisam siguran da razumem vaš zahtev.“ Jednostavno – razume šta vam treba i čini vaš boravak lagodnim.
Sad zamislite nasuprot tome tipičan dodir s poslovnim softverom, vladinim portalom ili čak „pametnim“ AI asistentom: forme koje traže podatke koje sistem već ima, grešake bez objašnjenja, naredbe koje sistem ne razume, opcije koje su dizajnirane za inženjera koji je softver napravio – ne za čoveka koji ga treba koristiti. Ta frustracija – onaj osećaj da tehnologija radi ZA sebe, a ne za vas – nije sitna neugodnost. To je simptom fundamentalnog dizajn propusta.
Human-centered AI počinje tačno tamo gde kafić počinje: od čoveka koji dolazi, a ne od sistema koji prima.
Zašto toliko AI ne uspeva da bude zaista korisno
Postoji paradoks koji se ponavlja u razvoju AI sistema: što su sistemi tehnički sofisticiraniji, to su ponekad manje upotrebljivi za prosečnog čoveka. GPT-4 može pisati doktorske radove, rešavati komplikovane matematičke probleme i generisati kod u dvadeset programskih jezika. Ali isti sistem može zbuniti stariju osobu koja samo želi da sazna kako da uzme lek na vreme.
Razlog nije nedostatak inteligencije u sistemu. Razlog je nedostatak empatije u dizajnu – razumevanja ko zapravo koristi alat, u kakvom kontekstu, s kakvim predznanjem, s kakvim emotivnim stanjem u tom trenutku.
Istraživanje Nielsen Norman Group iz 2025. pokazalo je da čak 68% korisnika koji pokušaju da koriste AI asistente za praktične svakodnevne zadatke odustane u roku od prvih pet minuta – ne zbog nedostatka funkcionalnosti, već zbog toga što sučelje nije dizajnirano s razumevanjem njihovog mentalnog modela. Sistem je pretpostavio da korisnik razmišlja kao developer. Korisnik je razmišljao kao čovek koji treba pomoć.
Kafić tu grešku ne pravi. Dobar konobar ne pretpostavlja da gost zna razliku između lungo i ristretto pre nego što ga pita. Prilagođava se.
Šta tačno znači „human-centered AI“
„Human-centered AI“ (HCI-AI, AI usmeren ka čoveku) nije marketinška fraza – to je dizajn filozofija s konkretnim principima koje Don Norman, Jakob Nielsen, i Stanford HAI (Human-Centered Artificial Intelligence) institute godinama artikulišu i razvijaju.
U svojoj srži, ona kaže sledeće: AI sistemi trebaju biti dizajnirani oko potreba, sposobnosti, ograničenja i konteksta stvarnih korisnika – ne oko tehničkih sposobnosti sistema.
To se prevodi u nekoliko konkretnih principa:
Razumeti ko koristi sistem – zaista. Ne demografski profil („žene, 25-45, visoko obrazovane“), već živ opis stvarne osobe: koja joj je dnevna rutina, kada i zašto doseže po telefon, šta je frustrira, šta je plaši u interakciji s tehnologijom, koliko je digitalno pismena. Kafić zna ovo o svojim stalnim gostima – AI sistemi često ne znaju o milionima korisnika.
Dizajnirati za konkretan kontekst, ne za idealne uslove. Dobar kafić zna da jutarnja gužva zahteva brzu uslugu bez previše razgovora, a popodnevna tišina dopušta opušteniju interakciju. AI sistemi koji su jednaki u svim kontekstima propuštaju ovu dimenziju – isti ton, ista brzina, isti tip odgovora bez obzira na to da li je korisnik pod stresom, umoran, opušten ili u krizi.
Feedback treba da bude razumljiv i koristan. Kada kafić greškom donese pogrešnu kafu, konobar kaže „izvinite, donosim odmah.“ AI sistem koji napravi grešku često daje tehnički opis greške koji korisnik ne razume, ili se jednostavno „zamrzne“ bez ikakvog objašnjenja. Povratna informacija dizajnirana za čoveka je konkretna, razumljiva i orijentisana ka rešenju.
Sistem treba da uči i pamti – ali transparentno. Dobar kafić pamti vaše preference jer vam direktno koriste. AI sistem koji pamti podatke o vama, ali nije transparentan o tome šta pamti i zašto, stvara nelagodu i nepoverenje. Transparentnost o tome šta sistem „zna“ o korisniku nije samo GDPR zahtev – to je etički temelj poverenja.
Kafić kao metafora – ali i kao bukvalni primer
Upotreba kafića kao metafore za dobro dizajniran sistem nije slučajna. Kafić je jedno od retkih mesta u modernom urbanom životu gde se usluga odvija po principima koji bi trebalo da budu standard u svakom digitalnom sistemu.
U dobroj kafeteriji postoji ono što dizajneri iskustva zovu „ambient awareness“ – osoblje je svesno stanja svakog gosta bez da ga eksplicitno pita za status. Video koga koji sedi dugo nad praznom šolicom – priđe pitaju da li treba nešto. Primetili su da neko gleda u laptop frustrirano – ne gnjaviti, ali biti dostupni. Ovo je kontekstualna inteligencija koja se ne gradi pravilima – gradi se razumevanjem.
AI sistemi koji pokušavaju da repliciraju ovo bez pravog razumevanja konteksta završe u neugodnim situacijama: intruzivni u momentu kad korisnik želi privatnost, odsutni kad mu je stvarno potrebna pomoć. Razlika između dobrog i lošeg human-centered dizajna je tanka, ali se oseća odmah.
Postoji i konkretan primer kafića s AI tehnologijom koji je demonstrirao tačno ovaj pristup: Starbucks je kroz Deep Brew platformu razvio AI sistem koji personalizuje preporuke na osnovu prethodnih narudžbina, lokalnog vremena, doba dana i čak lokalnih događaja – ali ključno, taj sistem je dizajniran da bude „u pozadini“, nevidljiv i nenametljiv. Korisnik ne „razgovara s AI“ – on samo primeti da se preporuke čine uvek nekako tačnim. To je human-centered AI u praksi: tehnologija koja služi iskustvu, ne iskustvo koje služi tehnologiji.
Pet lekcija iz kafića koje AI dizajneri treba da primene
1. Dobrodošlica pre transakcije
Kafić koji funkcioniše počinje s pozdravom, ne s narudžbinom. „Dobro jutro, kako ste?“ pre „šta ćete uzeti?“ nije gubitak vremena – to je izgradnja odnosa koji čini celu transakciju ugodnijom.
AI sistemi koji odmah „skaču“ na zadatak, bez ikakve kontekstualizacije ili prilagodbe tonu korisnika, propuštaju ovu dimenziju. Jedan od najefikasnijih elemenata human-centered AI dizajna je onboardingvideo koji nije vodič kroz funkcije – već koji pita korisnika ko je i šta želi postići, i prilagođava sve što sledi tom odgovoru.
2. Greška se ne krije – prizna se i ispravi
Kada konobar donese pogrešno piće, ne kaže „to je tehnički tačno prema vašoj narudžbini.“ Kaže „izvinite, moja greška“ i rešava problem. Ova banalna sposobnost – preuzimanje odgovornosti i orijentacija ka rešenju – nedostaje većini AI sistema koji ili ne prepoznaju sopstvene greške, ili ih „objašnjavaju“ na način koji prebacuje odgovornost na korisnika.
Istraživanje MIT Media Lab-a pokazalo je da korisnici koji dožive AI grešku praćenu jasnim priznavanjem i korekcijom ocenjuju sistem visokim ocenama poverenja – ponekad čak i višim nego sistemi koji ne greše, jer greška praćena dobrim odgovorom demonstrira razumevanje. Paradoks koji svaki dobar konobar intuitivno zna.
3. Pamćenje koje služi korisniku, ne sistemu
Kafić pamti vašu omiljenu kafu da bi vam skratio jutarnju odluku i dao osećaj prepoznatosti. Ne pamti je da bi vam poslao „insights o vašim navikama konzumiranja kafe u proteklih 6 meseci.“
AI sistemi koji koriste pamćenje primarno za povećanje angažmana, personalizaciju reklama ili analitiku kompanije – a ne za direktnu korist korisnika – krše fundamentalni princip human-centered pristupa. GDPR je pokušaj da ovo reguliše pravno. Human-centered dizajn to radi etički, pre nego što regulacija zatraži.
4. Kompleksnost ostaje „iza šanka“
Dobar kafić ne objašnjava procesu ekstrakcije espresso-a svaki put kad naručite kafu. Kompleksnost sistema – temperatura vode, pritisak, vreme ekstrakcije, poreklo zrna – ostaje „iza šanka.“ Korisnik vidi i doživljava samo rezultat.
AI sistemi koji „pokazuju rad“ – koji korisniku izlažu tehničke parametre, probabilistička objašnjenja ili sistemske poruke – krše ovaj princip. Tehnički detalji trebaju biti dostupni onima koji ih žele, ali ne trebaju biti standardni interfejs za sve. „Explain like I’m 5“ mode koji nudeno neke AI platforme je korak u pravom smeru – ali trebalo bi biti default, ne opcija.
5. Ritam koji prati korisnika, ne sistem
Kafić nema fiksno vreme koliko smete da sedite. Kafić ne šalje alarm posle 45 minuta. Kafić prati ritam gosta – nekad je to brzi espresso na šanku, nekad je to sat i po s laptopom.
AI sistemi koji nameću sopstveni ritam – timeout sesije, ograničen broj poruka, faze onboardinga koji se moraju završiti pre pristupa funkcionalnosti – ne slede korisnikov ritam, već sistemski ritam. Svaki put kad korisnik mora prilagoditi sopstveni ritam sistemu, sistem je propustio da bude human-centered.
Gde je granica između AI koji pomaže i AI koji zamenjuje
Jedno od najvažnijih pitanja u human-centered AI filozofiji tiče se balansa između automatizacije i ljudskog dodira – i kafić je ponovo dobar model za razmišljanje o tome.
Automatizovani aparat za kafu može napraviti tehnički perfektnu espresso. Ali kafić koji zameni sve konobara s tabletima za naručivanje i robotima za posluživanje gubiće nešto što je teško meriti, a lako osetiti: toplinu koja dolazi od prisustva drugog čoveka koji brine o vašem iskustvu.
U AI kontekstu, ova razlika je između AI koji augmentuje (pojačava) ljude i AI koji zamenjuje ljude – i human-centered pristup je konzistentno na strani augmentacije u domenima gde ljudski dodir čini stvarno razliku.
Medicinska dijagnoza je dobar primer: AI koji pomaze lekaru da ne propusti radiološki nalaz je augmentacija – lekar ostaje u centru, AI proširuje njegove sposobnosti. AI koji direktno saopštava pacijentu dijagnozu bez lekarskog posredovanja je zamena koja gubi dimenziju empatičnog razgovora koji je sastavni deo dobrog medicinskog iskustva.
Ova distinkcija – pojačati čoveka ili zameniti ga – treba biti eksplicitno pitanje u svakom AI dizajn projektu. I odgovor treba da dođe od istraživanja stvarnih korisnika, ne od tehničkih mogućnosti sistema.
Primer dobre prakse: kako to rade platforme koje razumeju
Postoje AI platforme i produkti koji zaista demonstriraju human-centered principe – i vredi ih imenovati kao primere:
Notion AI je integrisao AI asistenciju u alat za beleške na način koji se oseća kao „pomoćnik koji sedi pored vas“ – ne nameće se, ali je uvek tu kad mu kucnete. Ključno, nikad ne preuzima – čeka da ga pozovete.
Khan Academy Khanmigo – već pominjani u kontekstu obrazovnog AI – konsistentno primenjuje Sokratovsku metodu koja stavlja korisnika u centar procesa učenja. AI ne daje odgovore, vodi korisnika da sam dođe do njih. Ovo je human-centered u najdubljem pedagoškom smislu.
Apple Health AI funkcije u iOS 18 i 19 dizajnirane su oko eksplicitnog principa: „podaci koje korisnik generiše služe korisniku.“ Zdravstvene uvide prikazuju u kontekstu koji ima smisla za korisnika, ne u formatu koji je optimalan za bazu podataka.
Replika – mada sa etičkim pitanjima o kojima je već bilo reči u kontekstu mentalnog zdravlja – tehnički demonstrira izuzetno sofisticiranu kontekstualnu prilagodbu: pamti detalje koje korisnik pomene mesecima ranije, vraća se na teme koje su korisniiku važne, prilagođava ton trenutnom emotivnom stanju korisnika. To je human-centered u tehničkom smislu, čak i tamo gde etički aspekti zaslužuju kritičko preispitivanje.
Kako human-centered AI izgleda u poslovnom kontekstu
Mnoge kompanije govore o human-centered AI u pres saopštenjima. Daleko manje ih zapravo primenjuje u praksi. Razlika između jednih i drugih se vidi u tome odakle počinje razvoj:
Kompanije koje ne primenjuju počinju od tehnologije: „Imamo AI model s X sposobnostima – kako da ga ugradimo u naš produkt?“
Kompanije koje primenjuju počinju od korisnika: „Naši korisnici imaju ovaj konkretan problem u ovom konkretnom kontekstu – kako AI može pomoći u rešavanju tog problema?“
Ova razlika u polaznoj tački određuje sve što sledi: kakva pitanja se postavljaju korisnicima, kako se evaluira uspeh, šta se prioritizuje kada inženjering mogućnosti i korisničke potrebe dođu u sukob.
Stanford HAI u svom godišnjem AI Index Reportu za 2026. beleži zabrinjavajući trend: kompanije povećavaju ulaganja u AI kapacitete brže nego u UX istraživanje i dizajn. Rezultat je tehnologija koja raste u moći ali ne proporcionalno u upotrebljivosti za prosečnog korisnika.
Kafić koji investira u skuplje aparate za espresso, ali ne investira u obuku osoblja koja zna kako da se ophodi prema gostima, ni ne bi bio uspešan. Isti princip važi za AI.
Praktičan vodič: kako primeniti human-centered principe u sopstvenom projektu
Ako razvijate AI alat, aplikaciju ili automatizovani proces – bez obzira na veličinu projekta – evo minimuma human-centered prakse koji pravi razliku:
Pre početka razvoja:
-
Obavite barem pet dubinskih razgovora sa stvarnim budućim korisnicima – ne upitnik, nego razgovor koji traje bar 30 minuta i za cilj ima razumevanje celokupnog konteksta u kom će vaš alat biti korišten
-
Napravite „korisničku putanju“ (user journey) koja prikazuje sve tačke dodira između korisnika i sistema – uključujući emocionalne prelaze („frustriran“, „zbunjen“, „olakšan“)
-
Eksplicitno odgovorite na pitanje: „Šta korisnik gubi ako ovaj AI ne radi dobro?“ – i dizajnirajte zaštite za te scenarije
Tokom razvoja:
-
Testirajte s pravim korisnicima u pravom kontekstu – ne s kolegama u konferencijskoj sali
-
Svaki put kad se pojavi sukob između „što je tehnički elegantno“ i „što je razumljivo korisniku“ – birajte korisnika
-
Uklonite svaki tehnički termin iz korisničkog interfejsa koji nije apsolutno neophodan
Posle lansiranja:
-
Pratite ne samo metrike angažmana, već metrike uspeha korisnika: je li korisnik postigao ono što je hteo, koliko vremena mu je trebalo, na kom koraku odustaje
-
Uspostavite kanal za povratnu informaciju koji je lako koristiti i koji se zaista čita i na koji se reaguje
Budući kafić: ambijentalna inteligencija koja ne ometa
Ono ka čemu human-centered AI u narednih pet do deset godina teži je ono što istraživači Mark Weiser i John Brown su još 1995. nazvali „calm technology“ – tehnologija koja informiše bez zahtevanja pažnje, koja je tamo kad je potrebna i „nevidljiva“ kad nije.
Kafić budućnosti koji je ugrađena inteligencija – koji zna kad su kapaciteti popunjeni, koji upravlja zalihama bez ljudske intervencije, koji preporučuje sastojke na osnovu sezonskih dostupnosti – ali u kome svaka interakcija između osoblja i gosta ostaje topla, neposredovana i prisutna u punom ljudskom smislu.
To je idealan – i izvodljiv – model. Tehnologija u pozadini, čovek u centru.
I počinje upravo tamo gde je uvek počinjalo – s pitanjem koje bi svaki dobar AI trebalo da postavi svakom korisniku na svakom doticaju:
„Kako vam mogu pomoći?“
Ne „unesite komandu.“ Ne „odaberite opciju.“ Ne „vaš zahtev je u obradi.“
Samo – kako vam mogu pomoći?
