Ali umetna inteligenca zaposlenim res prihrani čas?

RedDrake je 22. jan 2026 ob 07:51:26 izjavil:

Sem natančno opisal kako izgleda db, kaj potrebujem, kako naj izgleda frontend, kako izgledajo recimo async klici v mojem stilu, kako izgleda backend API.

Claude -> /add-dir mapa-do-backend-api
Bo že sam ugotovil API, kako izgleda baza, ali mora rešit zadevo na clientu al na serverju. Pa še kak index ti sprot popravi.

IMO prompt ni najbolj pomemben, LLM kar dobro razbere kaj bi rad. Najbolj pomembno je da skrbiš za čistočo projekta in context. Zahtevnost inference raste kvadratno z velikostjo contexta. Če imaš v contextu kake slabe podatke (stara koda / struktura objektov, baze...), pa se zna zgodit, da mu ne bo nič jasno.

Moja izkusnja s claudeom, sicer za osebne manjse projekte je, da v kodo sploh ne pogledam. Napisem kar zelim in naredi. Seveda nevem kako bi se obnasal na vecjem code baseu, najbrz kar nekaj slabse. Ampak razlika med 2 leti nazaj in danes je ogromna.

Grimnir3 je 21. jan 2026 ob 23:29:01 izjavil:

IgorCardanof je 21. jan 2026 ob 23:22:42 izjavil:

Se zdi, da ste nekateri se zmeraj ostali ujeti v ChatGPT 3. Se mar ne zavedate, da je bilo to 3 leta nazaj in smo danes dalec naprej?

Mogoče nekateri ne delate nič pametnega?

Lahko pa me razsvetliš v čem ti AI zares opazno pomaga.

V okviru šihta imam dostop do vseh XY Copilotov in po intenzivnem testiranju vsega se mi še vedno ne zdi kaj prida uporabno.

Imam pa sodelavce, ki so totalno navdueni kako super maile jim piše, pa čeprav se na daleč vidi da so sedaj nek corpo bullshit bingo maili. Ali pa kako krasne povzetke dokuemntov in mailov in sestankov jim dela, pa vidiš da od teh povzetkov ne odnesejo nič oziroma so povzetki površni.

Delam v podjetju z ogromno raznih projektov, razlicnih produktov in servisov, ogromno dokumentacije.

Ze samo to, da imamo model, kateri je v 90% pravilen karkoli ga vprasas o bilocem, izredno pomaga. Predstavljaj si sam brat skozi gore dokumentacije, oziroma se huje, niti ne ves kje pogledat.

Ampak to najbrž ne na osnovni plačljivi verziji, ali pač? Ker tam se omenjajo usage limits. Saj ne da bi rabil, ampak nikoli ne veš ...

kanarin je 21. jan 2026 ob 20:30:31 izjavil:

Sam res ne razumem te vzvišene narative kaj vse LLM oz Generative AI naredi napačno, kaj vse ne zna oz ne zadane v nulo ipd. V čem je dejansko vaša poanta ?

poanta je ta, so to zarukani podpovprečno inteligentni milenijci, ki so že v teh letih, ko jih je vse novo že začelo motiti; in to predvsem zaradi tega ker so premalo inteligentni da bi razumeli stvari.
evo, to je presek večine sloteka danes.

pegasus je 22. jan 2026 ob 08:55:15 izjavil:

Naj te razsvetlim - strokovnjak je nekdo, ki zelo dobro razume osnove in lahko na njihovi podlagi gradi reči, ki jih svet še ni videl.

Pegasus, eh, spet kar nekaj... po SSKJ to ni nujen pogoj, v bistvu tudi zadosten ne. :D

Po SSKJ je strokovnjak to:

strokovnják -a m (á) kdor kako stroko (dobro) obvlada, se spozna nanjo: vprašati strokovnjaka za mnenje; kmetijski, pravni strokovnjak; delo vodijo priznani strokovnjaki; strokovnjak za jezikoslovje, za gospodarska vprašanja; posvetovanje strokovnjakov iz prakse
// ekspr. dober poznavalec česa: fant je pravi strokovnjak za avtomobile / iron. ti si pa strokovnjak v poznavanju ljudi

Direktorji in menedžerji menijo, da so zaposleni z uporabo umetno inteligenco produktivnejši in razbremenjeni, kaže raziskava, ki so jo oktobra izvedli v ZDA, Kanadi in Veliki Britaniji. Zaposleni imajo precej drugačne izkušnje in prihranke ocenjujejo kot zelo skromne

Tudi Salesforce, kjer so zaradi takih vodilnih odpustili 4k ljudi, zdaj priznava da je bila to napaka. Je jeba, ko "leaderjem" en AI napise lep mail, pripravi powerpoint za nepomembne sestanke, in zakljucijo, da bo dovolj dober za vse ostalo.

David Mayer je 22. jan 2026 ob 09:00:23 izjavil:

Pegasus, eh, spet kar nekaj... po SSKJ to ni nujen pogoj, v bistvu tudi zadosten ne :D

Se strinjam, a se mini dalo iskati boljše besede. Vprašaj ai, naj ti jo najde :P
Guru, Old greybeard? Kaj že imajo guglovci, Jeff Dean? ;⁠-⁠)

https://github.com/LRitzdorf/TheJeffDea... ... Predelaj še to :-D

pegasus je 22. jan 2026 ob 09:43:18 izjavil:

https://github.com/LRitzdorf/TheJeffDea... ... Predelaj še to :-D

Chuck Norris v računalništvu.

Irbis je 22. jan 2026 ob 10:08:51 izjavil:

No, en tak zanimiv primer. Imam eno premetavanje podatkov, ki ga poženem nekje enkrat na teden (običajno čez noč), in traja nekje 10 ur. Od tega je en korak porabil že skoraj 5 ur in me je počasi začelo jeziti. In sem si rekel, bom pa to standardno orodje nadomestil z nečim napisanim po meri in sem lepo zastavil nalogo Cursorju. OK, najprej je naredil nekaj, kar je delalo še počasneje. Dobro, optimiziraj hitrost, je naredil nekaj, kar je naredilo v dobrih dveh urah. Potem sem mu zjutraj rekel, naj stvar dodatno optimizira, da hočem res hitro rešitev. Nova rešitev je pokurila kup pomnilnika, na koncu pa je zadeva bila še počasnejša od dveh ur.
In potem sem imel dovolj umetne inteligence in sem mu lepo rekel, naj uporabi standardni C namesto Pythona, ter mu razložil algoritem, ki sem si ga na hitro zamislil - in zdaj se korak naredi v dveh minutah. Verjetno bi se dalo še kaj optimizirati, ampak za zdaj res ni potrebe.

To smo včasih delali brez AIja

To je vse res, ampak to je kot vsako orodje. Bolj kot si ga vešč, bolj veš kje so njegove prednosti in kje slabosti. Ampak da to veš, moraš biti vsaj "iz foha". Vibe coding, če nimaš vsaj osnov pokritih bo fail 99% časa.

Če ti "AI" naredi vse top v nulo, je bil že prvotno tvoj problem bullshit in bi ga skoraj opica znala rešit/naredit. Za take bullshit stvari je uporaben, za prevajanje, proofreadanje, delanje povzetkov, stvari ki so dolgočasne in jih lahko naredi petletnik in podobno.
Takoj ko mu daš nek problem iz real worlda ali pa nekaj kar ne bo najdu na internetu pa se pokaka al pa halucinira v 3 pm.

Dajmo še za tiste v zadnji vrsti: ta "AI" ne razume konceptov, ne razume kaj je kar mu pišeš ampak za njega so to vse tokni, ki jih potem povezuje med sabo po določenih pravilih treninga in obstoječih podatkov. Ko je treba naredit nekaj novega je vse kar mu preostane nek random bullshit. Za njega maček ni maček, ampak samo neka številka. Sure, če ga vprašaš bo najdu definicijo na internetu, sliko in primerjal to vse. Ampak dejansko pa ne razume kaj je maček, ker ga nikoli ni imel v rokah.

Zdaj sem že naredil par testov, s katerimi testiram koliko so sposobni določeni modeli in še vedno pogrnejo na celi črti vsi po vrsti. Eden izmed testov, je precej simple: vzameš en večji lego set. Najdeš sliko kosovnice in jo daš "AI"-ju da ti zbilda json objekt, ki ga lahko uporabiš za naročilo v LEGO trgovini po kosih. Problem je, da Lego včasih zamenja part numberje in če ne znaš poiskat po raznih bazah in zmapirat id-jev jih ne najde na Lego štacuni. Za "AI" pa je problem, da za njega kocke pač niso kocke ampak neki tokni in dejansko ne razume, da lahko preprosto odpre neko bazo in preko slik primerja, najde del in vse ID-je, ki so bili uporabljeni, potem pa še na koncu preveri pri LEGO ali ID dejansko obstaja. Dejanski problem? "AI" nikol ni držal kock v roki, ne ve kako izgledajo dejansko v realnosti in 3D prostoru in preprosto ne zna stvari povezat skupaj. Sure nekaj malega časa mi prihrani, ko mi naredi json z deli direktno iz kosovnice, kateri ID-ji so pravi in obstajajo, za tiste manjkajoče pa je treba kar na roke in preko človeških možganov. Torej "AI" zna pogledat sliko, prepoznat številke in zbildat json. Kaj več od tega pa ne gre. Podobna zgodba pri ostalih stvareh kot so vijaki, elektronika oz. elektronski elementi (tu pa sploh ne zna iskati dobrih alternativ, ker ne razume kaj so določeni parametri pri določenih komponentah in kje je kaj pomembno),...
Pri kodi pa če je nekaj, kar je enostavno in mi mi porabi veliko časa, pljune ven dokaj ok rešitve. Ko gre za kaj kompleksnega ali pa nekaj kar ni na internetu na dolgo in široko spisano pa se pokaka. Že teli autocompleti v IDE-ju so večinoma samo facepalm in sem "AI" za to preprost izklopu, ker 90% halucinira neke API-je, ki sploh ne obstajajo. Clanker bi tak kar po svoje stvari, kot se mu "zdi" da bi bilo prav. LOL (a zato pravjo "vibe coding"???) Sploh ne zna preverit ali dejansko nekaj obstaja. Že to, da bi preko kompilerja probal v ozadju, bi rešlo večino halucinacij.
Pri kuhanju je do sedaj še najbolj uporaben, ampak tam itak ne rabiš kaj veliko možganov... Večinoma pa AI v uporabi za proofreading in iskanje povzetkov na internetu (namesto da iščem po 10 zadetkih po googlu, lahko najde kašno stvar prej ampak je tak cca 50:50. Teli LLMi so samo glorified search engines. Lahko prihrani čas? Ja, ampak samo v določenih idealnih pogojih. Pa še to ponavadi tam, kjer je problem že v štartu precej dumb oz. ne rabiš kaj veliko razmišljat ali pa poznat stvari. Za ostalo pa je preprosto neuporaben oz. je hitreje in bolj natančno narejeno "na roke". Pa tudi novih stvari ne bo nikoli znal naredit, ampak samo nekaj random iz obstoječih podatkov

Takoj ko mu daš nek problem iz real worlda ali pa nekaj kar ne bo najdu na internetu pa se pokaka al pa halucinira v 3 pm.

Lahko daš kak primer takšnega "real world" problema? Meni jih kar uspešno rešuje.

Dajmo še za tiste v zadnji vrsti: ta "AI" ne razume konceptov, ne razume kaj je kar mu pišeš ampak za njega so to vse tokni, ki jih potem povezuje med sabo po določenih pravilih treninga in obstoječih podatkov. Ko je treba naredit nekaj novega je vse kar mu preostane nek random bullshit. Za njega maček ni maček, ampak samo neka številka. Sure, če ga vprašaš bo najdu definicijo na internetu, sliko in primerjal to vse. Ampak dejansko pa ne razume kaj je maček, ker ga nikoli ni imel v rokah.

To je precej poenostavljen pogled na stvari. Če greš dovolj globoko tudi zate maček ni maček, ampak skupek fotonov, ki si v pravem zaporedju prileteli do tvojih oči.

Trenutno LLMi precej dobro razumejo kontekst, prav tako precej dobro "ustvarjajo" nove stvari, ki pred tem niso obstajale.

Zdaj sem že naredil par testov, s katerimi testiram koliko so sposobni določeni modeli in še vedno pogrnejo na celi črti vsi po vrsti. Eden izmed testov, je precej simple: vzameš en večji lego set. Najdeš sliko kosovnice in jo daš "AI"-ju da ti zbilda json objekt, ki ga lahko uporabiš za naročilo v LEGO trgovini po kosih. Problem je, da Lego včasih zamenja part numberje in če ne znaš poiskat po raznih bazah in zmapirat id-jev jih ne najde na Lego štacuni. Za "AI" pa je problem, da za njega kocke pač niso kocke ampak neki tokni in dejansko ne razume, da lahko preprosto odpre neko bazo in preko slik primerja, najde del in vse ID-je, ki so bili uporabljeni, potem pa še na koncu preveri pri LEGO ali ID dejansko obstaja.

Meni se tole bere bolj kot slabo definirana naloga s premalo guard raili.

Za banalne zadeve kot so kakšna poročila idealno orodje.

Strosek?

Ja treba se bo naučit uporabljat. Jaz ga laufam vsak dan privat in v poslu.

Za vsak osnutek pogodbe, pogojev uporabe ali karkoli takega.. potem seveda preberemo in popravimo. Priprava bolj obširnih besedil iz izhodiščnih točk ali povzetki.. vse prihrani ogromno časa. Če ima dovolj inputa ne bo kar tako haluciniral.

Nisem profi programer ampak imam pa en projekt na katerem delam.. mi redno pomaga, predlaga rešitve in kodo, je odličen za pisanje queryjev. Sploh bolj kompleksnih. Mu daš osnovo in poveš kaj še dodatno rabiš. Če mu daš dovolj inputa dobiš out of the box rešitev. Je pa res, da rabiš nekaj znanja, da ga lahko dobro sprašuješ oz. mu daješ navodila. Ampak če delaš na tem, ti omogoča, da se te stvari tudi naučiš, oz. ti bo pri tem pomagal. Se boš hitrje naučil kot pred 30 let s knjigo. Grantiram. Sva pa tudi že zabila ure za brezveze, oz. me je sam zafrknil. Se tega zavedam in vzamem v obzir. Tudi googleat se je bilo treba naučit in roko na srce... večina ljudi še danes ne zna. Verjetno bo z LLMji podobno.

Potem so tukaj še banalne vsakodnevne neumnosti, kjer ima pa tudi svoje pasti. Kolegica ga je vprašala, "zakaj soda bikarbona in kis še vseeno vsaj malo pomagata pri odmaševanju odtokov, čeprav ji vsi govorijo, da ne". O tem, zakaj vseeno _vsaj malo_ pomaga ji je napisal 3 strani. Se pa kolegica ne zaveda, da bi jih on napisal 3 strani tudi o tem, zakaj _vsaj malo_ pomaga pri odmaševanju odtokov, tudi če prdnem notri.
Podoben problem se bo hitro pokazal tudi pri psiholoških zadevah (oz. se že kaže), ker ljudje že s samo strukturo vprašanja predvidevajo, da imajo prav.. LLM pa jim potem poskuša razložit, zakaj imajo prav. Torej dobijo neutemeljeno potrditev zaradi strukture vprašanja.

Ampak če se zavedaš teh pomanjkljivosti, se pa revolucija že dogaja...

kow je 22. jan 2026 ob 11:09:07 izjavil:

Da, prakticno vsi modeli so prevec 'agreeable', to je problem.

To lahko delno odpraviš z system promptom za LLMje, samo to bi morali po defaultu naredit ti ki jih delajo, ne uporbniki sami.

Geho je 22. jan 2026 ob 10:50:08 izjavil:

Če ti "AI" naredi vse top v nulo, je bil že prvotno tvoj problem bullshit in bi ga skoraj opica znala rešit/naredit. Za take bullshit stvari je uporaben, za prevajanje, proofreadanje, delanje povzetkov, stvari ki so dolgočasne in jih lahko naredi petletnik in podobno.

Res je, da prevaja in popravlja slovnico bolje kot povprečen človek (kar lahko mirno rečemo tudi za programiranje). Ampak je pa tule podobna past kot pri tem, da vibe programiraš, ko se ti ne sanja kaj dosti o programiranju: precej preizkušam, kako se LLM-ji obnesejo za lektoriranje, in kar pogosto vidim, kako čisto pravilne stvari popravljajo v napačne (ali pa v vsaj popolnoma nepotrebne popravke). In večina uporabnikov tega niti ne opazi, ker jim preveč zaupa in ne preverja za njimi, kaj točno so naredili.

iso2000 je 22. jan 2026 ob 11:17:50 izjavil:

Ne bom o svojih izkušnjah,ker so precej omejene. Me pa zanima kaj menite o vseh podatkih, ki jih nekateri delite s temi LLMji? Berem zgoraj, da ga je eden treniral na tisoče svojih mailov? Ti podatki gredo nekam? A to se nobenemu ne zdi sporno?

Morda nimajo takih pomislekov ali pa se problematike ne zavedajo.

Veliko ljudi odtekanje osebnih podatkov (lastnih in tujih!) ni kaj dosti motilo že ko je npr. Facebook bil hot new shit, ali pa Googlove storitve. Že vse te vsebine so zdaj del treninga LLM-jev... Kar seveda ne pomeni, da ni važno ali se nalaga še nove, samo povem.

No, možno je tudi, da za obdelavo svojih in tujih osebnih podatkov zdaj uporabljajo lokalne LLM-je, ni pa tega nihče omenil...

Glede podatkov so tipično odgovori "eh", "itak že majo vse podatke", "kaj pa mi bojo", "saj nimam nič takšnega" ...

Kot je pegasus napisal zgoraj, naši možgani so ožičeni za "instant gratification", in ljudje se ZLAHKA odpovedo svojim pravicam, če mislijo, da jim bo chatgpt prihranil nekaj dela ...

Baje tudi na github in podobnih hubih ne llm-irajo Private projektov? To drži ali ne, ve kdo kaj? :D

Kot je že nekdo omenil, ne vem, kaj se dogaja z našimi (sicer malenkost distortanimi) podatki, ampak reklame, ki jih vidimo, so (žal) čisto splošne (recimo na u2b/tv) - pranje/pomivanje/oblačenje, nič kaj 'kontekstualnega'. Prisilno financiranih MSM tv sicer ne gledamo, ker tudi preveč oglasov. Nam je včasih malo dolgčas po reklamah, ker... no... ne moremo se instantno gratificirati z nakupom preko spleta :D

Žal nekih čisto-nikoli-videnih-stvari (v takšni ali drugačni) obliki rešitev ne delamo, mogoče kaj zagregiramo, orkestriramo - ampak nikoli videno? In ja, v pogojih piše, da so interakcije preko 'naših' licenc zajete v učenje, ne vem pa, kako je z enterprise tiri, pravijo sicer, da ne ampak WTF?

iKst_ je 22. jan 2026 ob 12:31:33 izjavil:

Zmajc je 22. jan 2026 ob 10:58:48 izjavil:

UM ne, LLM ni sposoben kreirat nekaj "out of the box" povsem novega. Vse kar generira bazira na podatkih na katerih se do ga trenirali. To pa samo že obstoječa dela.

Seveda lahko ustvari nekaj povsem novega, še nikoli videnega.

Banalen primer, ampak, če mu napišeš naj napiše pesem o ptičkih, bo napisal unikatno pesem o ptičkih z repom in glavo.

Podobno je z ostalimi koncepti. Unikatna koda, unikaten poslovni načrt, unikaten način analize določenih podatkov...

Če LLM neko spremenljivko malo drugače poimenuje ali kodo obrne okrog, to še ne pomeni, da je sam algoritem unikaten ali nov. Govora je čisto o nečem drugem.

Če LLM neko spremenljivko malo drugače poimenuje ali kodo obrne okrog, to še ne pomeni, da je sam algoritem unikaten ali nov. Govora je čisto o nečem drugem.

Kaj pa je zate nekaj "čisto drugega"?

A pesmice o ptičkih so vse iste, ker uporabljajo isto abecedo, le zaporedje je malo drugačno?

Govoril si o tem, da LLM ni sposoben ustvariti nekaj novega, še nikoli videnega. Pesmica je prikaz, da temu ni tako.

Enako seveda velja za algoritme, kodo in nasploh ves output.