# OpenAI z Dots napoveduje obdobje po klepetalnikih: koliko nadzora bomo prepustili AI?
Klepetalniki so doslej večinoma čakali na uporabnikov poziv. Naslednja generacija umetne inteligence pa naj bi delovala bolj proaktivno: spremljala cilje, uporabljala povezana orodja in naloge dokončala tudi takrat, ko uporabnika ni pred zaslonom. Prav to vizijo po navedbah TechCruncha predstavlja OpenAI z novim konceptom oziroma produktom Dots.
Alexander Embiricos, produktni vodja za Dots pri OpenAI, naj bi o tem spregovoril na konferenci TechCrunch Disrupt v San Franciscu. Vir, na katerem temelji ta članek, dogodek datira med **13. in 15. oktober 2026**, objava pa nosi datum **7. oktober 2026**. Gre torej za napoved dogodka iz leta 2026, ne za aktualno neodvisno potrjeno predstavitev produkta. Podrobnosti o dejanski dostopnosti, cenah, funkcionalnostih in varnostnih mehanizmih Dots v gradivu niso navedene.
## Od odgovarjanja na pozive k izvajanju nalog
TechCrunch Dots opisuje kot vedno aktivnega osebnega AI-agenta, ki naj bi imel lastne računalniške vire v oblaku, dostop do povezanih aplikacij in možnost nadaljnjega dela v ozadju. Ključna razlika v primerjavi s klasičnim klepetalnikom ni nujno v sposobnosti generiranja besedila, temveč v stopnji samostojnosti.
Klepetalnik običajno odgovori na vprašanje, pripravi osnutek besedila ali analizira dokument, nato pa naslednji korak prepusti človeku. Agentni sistem pa bi lahko razumel širši cilj, ga razdelil na podnaloge in za izvedbo uporabil več digitalnih storitev. V teoriji to pomeni prehod od vprašanja »kaj mi priporočaš?« k ukazu »poskrbi za to«.
Tak pristop je bližje avtomatizaciji delovnih tokov kot pogovoru z virtualnim pomočnikom. Razlika je v tem, da bi agent lahko prilagajal korake glede na kontekst, uporabnikove preference in sprotne spremembe.
## Kako bi Dots lahko delovali v praksi?
Ker objavljeni podatki ne opisujejo konkretnih primerov uporabe, lahko delovanje razumemo prek verjetnih scenarijev, ki pa niso potrjene funkcionalnosti Dots.
Prvi primer je organizacija službenega potovanja. Uporabnik bi agentu določil cilj: naj poišče let in hotel za konferenco v določenem proračunu. Agent bi lahko v ozadju spremljal cene, preveril koledar, upošteval predhodne preference glede prevoznikov ali ur letov, pripravil predlog poti in pred potrditvijo zahteval dovoljenje za nakup. Ob bolj odprtih pooblastilih bi lahko rezervacijo opravil tudi sam.
Drugi primer je pisarniško delo. Agent bi lahko spremljal projektno mapo, povzel nove dokumente, pripravil seznam odprtih nalog, uskladil termine sodelavcev in osnutek tedenskega poročila poslal v pregled. To presega enkratno generiranje besedila, saj sistem potrebuje dostop do datotek, komunikacijskih kanalov, koledarja in po možnosti projektnega orodja.
Tretji primer je zasebna administracija. Agent bi lahko opozoril na bližajoče se roke, primerjal ponudbe za zavarovanje, pripravil obrazce ali zbiral dokumentacijo za postopek, ki ga uporabnik nato preveri in odda. Prav pri takšnih opravilih pa se hitro pojavijo občutljivi podatki in vprašanje, katera dejanja sme sistem opraviti brez neposrednega človeškega nadzora.
## Več uporabnosti pomeni tudi več tveganja
Avtonomni agenti niso zgolj izboljšani klepetalniki. Če je klepetalnik netočen, lahko uporabnik dobi zgrešen odgovor. Če pa agent netočno informacijo spremeni v dejanje — pošlje napačno sporočilo, izbriše datoteko, naroči storitev ali razkrije podatek — so posledice neposrednejše.
Pri tem se obstoječe težave generativne umetne inteligence ne izgubijo. Halucinacije, pristranskost, napačno razumevanje navodil in ranljivost za zlonamerna navodila ostajajo pomembna tveganja. Pri agentu, ki lahko uporablja aplikacije in izvaja postopke, se jim pridružijo še vprašanja upravljanja identitet, dovoljenj, finančnih omejitev in revizijske sledi.
Ključno bo, ali bo uporabnik lahko natančno določil meje delovanja. Razumen model bi vključeval več ravni avtonomije: agent lahko samostojno zbira informacije in pripravlja predloge, za pošiljanje sporočil, naročila, plačila, dostop do občutljivih dokumentov ali spremembe v uporabniških računih pa potrebuje izrecno potrditev.
Pomembni bodo tudi pregledni zapisi dejanj. Uporabnik mora vedeti, do katerih podatkov je agent dostopal, katera orodja je uporabil, zakaj je sprejel določeno odločitev in kako jo je mogoče razveljaviti. Brez tega zaupanje v sistem, ki dela v ozadju, težko nastane.
## Zaupanje kot osrednje vprašanje
TechCrunch napoveduje, da bo Embiricos na dogodku nastopil v pogovoru z naslovom *What Comes After the Chatbot?* oziroma »Kaj prihaja po klepetalniku?«. Tema ni le tehnološka. Gre za vprašanje, koliko digitalnega odločanja so ljudje pripravljeni prenesti na sisteme, ki bodo o njih vedeli več kot današnji asistenti.
Za učinkovito delovanje bi tak agent potreboval dostop do koledarja, elektronske pošte, dokumentov, spletnih računov in morda tudi finančnih ali zdravstvenih podatkov. To pomeni, da zasebnost ne more biti dodatek po koncu razvoja, temveč mora biti vgrajena v zasnovo produkta: od omejitve dostopa in jasnih dovoljenj do šifriranja, možnosti izbrisa podatkov ter razumljivega nadzora nad tem, kaj sistem hrani in uporablja.
Odgovornost je drugo odprto vprašanje. Če agent povzroči škodo zaradi napačne odločitve, ni dovolj jasno, kdo nosi posledice: uporabnik, ponudnik modela, razvijalec integracije ali podjetje, katerega storitev je agent uporabil. Takšna vprašanja bodo postajala pomembnejša, ko bodo agenti prehajali iz poskusnih okolij v delo, finance in javne storitve.
## Kaj to pomeni za Slovenijo in Evropo?
Za slovenska podjetja bi lahko agentni sistemi pomenili priložnost za avtomatizacijo administrativnih opravil, podporo strankam, obdelavo dokumentacije in pomoč zaposlenim pri delu z razpršenimi informacijami. Posebej zanimivi bi lahko bili za manjša podjetja, ki nimajo velikih ekip za podporne procese.
Toda evropski prostor ima pri takšnih tehnologijah tudi posebne zahteve. Sistemi, ki obdelujejo osebne podatke državljanov EU, morajo upoštevati pravila varstva podatkov, vključno z uredbo GDPR. Pri uporabi v občutljivih sektorjih — denimo zdravstvu, zaposlovanju, zavarovalništvu, financah ali javni upravi — bodo pomembna tudi pravila evropskega akta o umetni inteligenci.
Za lokalne razvijalce to ni nujno ovira, temveč lahko postane konkurenčna prednost. Rešitve, ki bodo že od začetka omogočale jasen nadzor uporabnika, omejena pooblastila, sledljivost odločitev in varno obdelavo podatkov v evropskem okolju, bodo lažje pridobile zaupanje organizacij in uporabnikov.
Napoved Dots zato ni zanimiva le kot še ena predstavitev novega AI-produkta. Odpira širše vprašanje naslednje faze umetne inteligence: ne ali lahko modeli ustvarijo odgovor, temveč ali jim bomo dovolili, da v našem imenu tudi ukrepajo.
