povzetek
Generativna umetna inteligenca (UI) je v zadnjih letih postala ena najhitreje rastočih tehnologij, ki oblikuje gospodarstvo, izobraževanje in vsakdanje življenje. Sistemi, kot so ChatGPT, Claude in Gemini, danes niso več zgolj tehnična orodja, temveč postajajo nepogrešljivi partnerji pri učenju, raziskovanju, ustvarjanju in odločanju. Prav zato vprašanje zaupanja uporabnikov vanje presega akademske okvirje in postaja ključno družbeno, gospodarsko in etično vprašanje. V članku predstavljamo prvo celovito empirično raziskavo v Sloveniji, ki sistematično analizira zaupanje slovenskih uporabnikov v tri najpogosteje uporabljene generativne AI sisteme. Z anketno metodo smo zajeli demografske značilnosti, samooceno algoritmične pismenosti, izkušnje z uporabo generativne UI in večdimenzionalno lestvico zaupanja, ki vključuje ocene natančnosti, nepristranskosti, etičnosti, razložljivosti, jasnosti in uporabnosti odgovorov. Rezultati so primerjani z ugotovitvami sorodnih raziskav v Sloveniji (npr. Brglez, 2023) in tujini, kar omogoča vpogled v globalne trende. Naše ugotovitve razkrivajo, da slovenski uporabniki generativne UI prepoznavajo kot koristno in inovativno tehnologijo, a hkrati izražajo pomisleke glede etičnosti in nepristranskosti. Članek tako prispeva k razumevanju družbenega sprejemanja umetne inteligence v slovenskem prostoru in ponuja izhodišče, ki ga je mogoče uporabiti pri oblikovanju politik, regulacij in izobraževalnih praks.
Ključne besede: zaupanje, umetna inteligenca, generativna umetna inteligenca, ChatGPT, Claude, Gemini, algoritmična pismenost.
ABSTRACT
Generative Artificial Intelligence (AI) has recently emerged as one of the fastest-growing technologies, profoundly shaping the economy, education, and everyday life. Systems such as ChatGPT, Claude, and Gemini are no longer merely technical tools but are becoming indispensable partners in learning, research, creativity, and decision-making. Consequently, user trust in these systems transcends academic inquiry and is increasingly recognized as a central societal, economic, and ethical issue. This article presents the first comprehensive empirical study in Slovenia that systematically examines user trust in the three most widely used generative AI systems. Using a survey-based approach, we analyzed demographic characteristics, self-assessed algorithmic literacy, user experiences with generative AI, and a multidimensional trust scale encompassing accuracy, fairness, ethics, explainability, clarity, and perceived usefulness of responses. The results are compared with findings from related studies in Slovenia (e.g., Brglez, 2023) and abroad, offering insights into global trends. Our findings show that Slovenian users perceive generative AI as a valuable and innovative technology, yet remain cautious regarding ethics and impartiality. The article thus contributes to the understanding of the social acceptance of artificial intelligence in the Slovenian context and provides a basis that can be used in the development of policies, regulations, and educational practices.
Key words: trust, artificial intelligence, generative artificial intelligence, ChatGPT, Claude, Gemini, algorithmic literacy.
uvod
Vstopamo v obdobje, v katerem generativna umetna inteligenca postaja ena najvplivnejših tehnologij sodobnega časa. Če je bilo v preteklosti umetno inteligenco mogoče obravnavati predvsem kot področje raziskovalnih laboratorijev in tehnoloških podjetij, jo danes vsakodnevno uporabljajo milijoni ljudi po svetu – od študentov, novinarjev, programerjev do odločevalcev in ustvarjalcev v kulturnih industrijah. Generativni modeli, kot so ChatGPT (OpenAI), Claude (Anthropic) in Gemini (Google DeepMind), so spremenili način dostopa do znanja, oblikovanja besedil, programiranja, ustvarjanja vsebin in celo raziskovanja. Njihov vpliv je tako obsežen, da ga številni strokovnjaki primerjajo z izumom interneta ali pametnega telefona. Toda ob navdušenju nad novimi možnostmi se pojavljajo tudi ključna vprašanja: koliko uporabniki zaupajo umetni inteligenci, kako razumejo njeno delovanje, kje vidijo meje njene zanesljivosti in kakšna pričakovanja imajo glede etičnosti, nepristranskosti in odgovornosti sistemov. Zaupanje je namreč osrednja kategorija, ki določa, ali bo tehnologija sprejeta, kako pogosto jo bodo uporabniki uporabljali in v kolikšni meri bo vplivala na družbo. Brez zaupanja tudi najbolj napredna tehnologija ne doseže svojega potenciala.
V slovenskem prostoru je bilo doslej le malo empiričnih raziskav o tem, kako uporabniki vrednotijo generativno umetno inteligenco. Naša študija to področje nadgrajuje s podrobnejšo analizo zaupanja slovenskih uporabnikov v tri najpogosteje uporabljene GenAI sisteme – ChatGPT, Claude in Gemini. S tem prispevamo k boljšemu razumevanju družbenega sprejemanja umetne inteligence pri nas in ponujamo izhodišče za nadaljnje raziskave in oblikovanje smernic za odgovorno rabo.
KAJ JE GENERATIVNA UMETNA INGELIGENCA?
Umetna inteligenca (UI) je multidisciplinarno področje računalništva, katerega cilj je razviti sisteme, ki lahko opravljajo naloge, za katere je sicer potrebna človeška inteligenca
V svojem bistvu UI omogoča računalnikom in napravam, da posnemajo ključne značilnosti človeškega mišljenja – zmožnost učenja, prilagajanja, ustvarjalnosti in celo samostojnega delovanja. V današnji tehnološki praksi to pomeni, da lahko UI sistemi vidijo in prepoznajo predmete, razumejo in interpretirajo govorjeni ali pisni jezik, izvajajo predikcije na podlagi velike količine podatkov in se sčasoma izboljšujejo, ne da bi jih bilo treba eksplicitno programirati za vsako posamezno nalogo. Tipičen primer takšne tehnologije je samovozeči avtomobil, ki s pomočjo senzorjev, kamer in algoritmov analizira promet, prepoznava znake in sprejema samostojne odločitve. Sodobno razumevanje umetne inteligence temelji na nizu medsebojno povezanih tehnologij, zlasti na strojnem učenju (machine learning) in globokem učenju (deep learning). Strojno učenje pomeni, da UI sistemi razvijajo sposobnosti na podlagi analize podatkov. Torej se učijo vzorcev iz preteklih primerov in jih nato uporabljajo za napovedovanje prihodnjih izidov. Globoko učenje je podmnožica strojnega učenja, ki uporablja večplastne umetne nevronske mreže, zasnovane po zgledu človeških možganov. Le-te sistemom omogočajo razumevanje kompleksnih struktur v ogromnih količinah neoznačenih podatkov, brez potrebe po človeškem nadzoru. V zadnjih letih je področje umetne inteligence doživelo eksponentno rast, predvsem zaradi razvoja generativne umetne inteligence (generative AI), ki zmore ustvarjati novo, izvirno vsebino na podlagi naučenih vzorcev. Takšni modeli, kot so veliki jezikovni modeli (npr. ChatGPT, Copilot), uporabljajo sofisticirane arhitekture, imenovane transformatorji (transformers), da ustvarjajo besedila, slike, videe ali celo programsko kodo, ki je pogosto težko ločljiva od tiste, ki bi jo ustvaril človek. Ti modeli ne samo odgovarjajo na vprašanja, ampak lahko avtonomno oblikujejo eseje, zgodbe, analize in številne druge kompleksne tipe vsebin
UI danes ni več le teoretični koncept, ampak vse bolj ključna tehnologija v gospodarstvu in družbi. Prisotna je v številnih panogah – od medicine (npr. pri diagnozi bolezni), do financ (npr. pri zaznavi goljufij), marketinga (personalizacija oglasov), proizvodnje (optimizacija procesov) in vsakdanjega življenja (pametni asistenti, sistemi za priporočanje, samodejni prevajalniki). Ključno je, da umetna inteligenca ne pomeni zgolj avtomatizacije, temveč predvsem pametno avtomatizacijo, ki temelji na podatkih, kontekstu in prilagajanju.
Čeprav je umetna inteligenca pogosto predstavljena kot nekaj »pametnega« ali celo »zavestnega«, je pomembno razumeti, da še vedno gre za sisteme, ki so odvisni od kakovosti podatkov, arhitekture algoritmov in človeškega nadzora. Tako trenutna, UI tudi v najnaprednejših oblikah, še vedno temelji na statistični obdelavi podatkov in ne na resničnem razumevanju ali zavesti. To odpira tudi vprašanja o etiki, pristranskosti in odgovornosti, ki jih bo razvoj UI moral reševati vzporedno s tehničnimi izzivi.
Razvoj umetne inteligence ni omejen na en sam cilj, temveč vključuje več ključnih področij, ki skupaj tvorijo vizijo prihodnosti, kjer stroji niso le orodja, temveč tudi partnerji pri reševanju globalnih izzivov. Med glavnimi cilji umetne inteligence izstopajo naslednji:
- Reševanje problemov in sprejemanje odločitev: Eden osnovnih ciljev UI je razviti sisteme, ki znajo analizirati velike količine podatkov, prepoznavati vzorce in na podlagi tega sprejemati logične, hitre in učinkovite odločitve. Ta sposobnost je ključna v panogah, kot so zdravstvo, finančne storitve, promet, energetika in proizvodnja, kjer lahko pravočasne in podatkovno podprte odločitve močno povečajo učinkovitost in zmanjšajo tveganja.
- Naravna jezikovna obdelava (NLP): UI se z uporabo naravne jezikovne obdelave trudi premostiti komunikacijsko vrzel med človekom in strojem. Cilj je omogočiti strojem, da razumejo, obdelujejo in generirajo človeški jezik na naraven način. Tako postajajo digitalni pomočniki, kot so Siri, Alexa ali Google Assistant, vedno bolj intuitivni in zmožni naravnega pogovora s človekom.
- Strojno in globoko učenje: Temeljni cilj UI je razvijanje sistemov, ki se lahko učijo iz izkušenj. To pomeni, da iz danih podatkov samodejno sklepajo, posodabljajo svoje modele in izboljšujejo napovedi ter vedenje brez dodatnega programiranja. Globoko učenje, kot pod področje strojnega učenja, omogoča prepoznavanje kompleksnih vzorcev v velikih, neoznačenih zbirkah podatkov, kar je osnova za napredke na področjih, kot so računalniški vid, govorna prepoznava in priporočilni sistemi.
- Robotika in avtomatizacija: Z združevanjem UI in robotike nastajajo sistemi, ki lahko izvajajo fizične naloge s stopnjo natančnosti, zanesljivosti in prilagodljivosti, ki jo človeški delavci težko dosežejo. To vključuje robote na proizvodnih linijah, samovozeča vozila, avtonomne drone in celo robotske kirurge. Cilj tukaj je izboljšanje učinkovitosti, varnosti in produktivnosti v okoljih, kjer je človeško delo tvegano ali neučinkovito.
- Napredek v zdravstvu: UI prinaša revolucijo v zdravstveno varstvo z izboljšanjem diagnostike, individualizacije zdravljenja in optimizacije upravljanja bolnikov. Sistemi UI lahko analizirajo medicinske slike, genetske podatke in zgodovino bolnikov, da zdravnikom pomagajo pri sprejemanju boljših odločitev. Cilj je hitrejše, natančnejše in dostopnejše zdravljenje, kar lahko reši življenja.
- Spodbujanje ustvarjalnosti in inovacij: Poleg funkcionalnih ciljev ima UI tudi vlogo pri spodbujanju človeške ustvarjalnosti. Umetna inteligenca danes ustvarja glasbo, slika, piše literarna besedila in celo razvija inovativne rešitve na področju znanosti in inženiringa. S tem odpira nova področja sodelovanja med človekom in strojem ter premika meje mogočega
V okviru generativne umetne inteligence je osrednji cilj ustvarjanje nove, izvirne vsebine, bodisi v obliki besedil, slik, glasbe, videoposnetkov ali celo programske kode. Zato med splošnimi cilji umetne inteligence prav naravna jezikovna obdelava (NLP – Natural language processing) in spodbujanje ustvarjalnosti in inovacij najbolj neposredno zadevata področje generativne UI. Generativni modeli, kot so veliki jezikovni modeli (npr. ChatGPT, Claude, Gemini), temeljijo na zmožnosti razumevanja in ustvarjanja jezika, kar je ključno za kakovostno interakcijo z uporabniki. Obenem s svojo zmožnostjo ustvarjanja vsebin, od člankov do slik in glasbe, postajajo tudi orodje, ki aktivno sodeluje v kreativnih procesih. Z vidika raziskovanja zaupanja uporabnikov v generativno UI je zato pomembno poudariti, kako ti cilji vplivajo na uporabniško izkušnjo, percepcijo avtentičnosti, kakovost vsebine in občutek nadzora nad tehnologijo. Uporabniki pogosto oblikujejo zaupanje na podlagi razumevanja, kako in zakaj sistem generira določeno vsebino. To se neposredno veže na cilje, kot sta razumevanje jezika in podpora ustvarjalnosti.
chatgpt, claude in gemini
Trije najvidnejši predstavniki generativne umetne inteligence v letu 2025 so ChatGPT (OpenAI), Claude (Anthropic) in Gemini (Google DeepMind). Le-te ponujajo različne funkcionalnosti, ki oblikujejo zaupanje uporabnikov skozi uporabniško izkušnjo, kakovost vsebine, ceno in dostopnost. ChatGPT, zlasti različica O3 z vključeno funkcijo spomina, izstopa kot osebni digitalni asistent, saj si zapomni uporabnikove preference, kar uporabniku ustvarja občutek personalizacije in povezanosti. To povečuje uporabniško zaupanje, saj model deluje kot pozoren sogovornik, ki razume kontekst in s tem zmanjšuje frustracije, saj ni potrebno ponavljati ali ponovno vnašati informacij
Na drugi strani Claude 4 prevladuje pri zahtevnih nalogah, kot sta programiranje in stilno natančno pisanje. Sposobnost modela, da zajame uporabnikov slog in ga konsistentno uporabi pri urejanju besedil, ustvarja visoko stopnjo predvidljivosti in strokovne natančnosti – lastnosti, ki gradijo zaupanje predvsem pri profesionalnih uporabnikih. Kljub temu lahko visoka cena modela omeji njegovo širšo sprejetost. Gemini 2.5, ki ponuja najboljše razmerje med ceno in zmogljivostjo, se uveljavlja kot stroškovno učinkovit model z močnimi multimodalnimi funkcijami (vključno z naprednim ustvarjanjem videoposnetkov preko modela Veo 3), kar je posebej privlačno za ustvarjalce vsebin in razvoj izdelkov.
Vsak model torej uteleša različen pristop k zaupanju. ChatGPT gradi zaupanje skozi empatijo in gladkim tekom interakcije, Claude skozi tehnično odličnost in zanesljivost, medtem ko so močne točke modela Gemini dostopnost, širina funkcij in inovativnost.
Uporabniško zaupanje v generativno UI ni univerzalna kategorija. Je rezultat kombinacije pričakovanj, izkušenj in vrednot posameznega uporabnika.
DEJAVNIKI ZAUPANJA V umetno inteligenco in tehnologijo
Zaupanje v umetno inteligenco in tehnologijo je večplastno in odvisno od številnih dejavnikov, ki presegajo zgolj tehnično učinkovitost sistema. Uporabniki umetne inteligence pričakujejo, da bodo sistemi ne le funkcionalni, ampak tudi predvidljivi, pregledni in etično naravnani. Zaupanje se krepi, kadar posamezniki zaznajo, da so podatki, ki jih sistem ustvarja ali obdeluje, točni, koristni in varovani pred zlorabami. Ključno je tudi razumevanje delovanja sistema. Kadar uporabnik razume, zakaj sistem deluje na določen način, to pozitivno vpliva na njegovo pripravljenost, da UI uporablja v različnih kontekstih. V nasprotju s tem se zaupanje zmanjšuje v primerih, ko so izhodi UI nepredvidljivi, kadar obstajajo tveganja za napačne odločitve, ali kadar uporabniki zaznajo pomanjkanje človeškega nadzora. Posebej pomemben dejavnik je tudi uporabniška izkušnja. Pogostejša uporaba tehnologije običajno vodi do večjega zaupanja, saj uporabniki skozi interakcijo spoznavajo njene meje in zmožnosti. Tjaša Brglez (2023) v svoji raziskavi, ki jo je opravila s pomočjo mlajših uporabnikov ChatGPT-ja med 20. in 30. letom starosti, ugotavlja, da demografski dejavniki, kot so starost, izobrazba in algoritmična pismenost, pomembno vplivajo na stopnjo zaupanja mladih v vsebine, ustvarjene z UI. Kljub visokim stopnjam algoritmične pismenosti med mladimi zaupanje ni nujno posledica te pismenosti, kar kaže, da je odnos do umetne inteligence pogojen tudi s subjektivnimi zaznavami in širšim družbenim kontekstom. Ugotovitve tako podpirajo tezo, da mora razvoj umetne inteligence nujno vključevati tudi mehke elemente, kot so etika, transparentnost in družbena odgovornost, če želi dolgoročno pridobiti in ohraniti zaupanje uporabnikom
Etika in z njo povezani izzivi generativne umetne inteligence niso le vprašanje tehnološke izvedbe, temveč tudi družbene odgovornosti. Da bi ohranili zaupanje uporabnikov, je ključno, da razvoj in implementacija UI temelji na jasno definiranih etičnih načelih, preglednem delovanju in vključujočem nadzoru.
ETIKA IN IZZIVI GENERATIVNE UMETNE INTELIGENCE
Etika umetne inteligence je večdisciplinarno področje, ki preučuje, kako zmanjšati tveganja ter povečati pozitivne učinke UI. Ključna vprašanja vključujejo pravičnost, razložljivost, transparentnost, odgovornost, zasebnost, trajnost in zaupanje
Temelj za razpravo o etiki umetne inteligence pogosto predstavlja Belmontovo poročilo, ki poudarja tri temeljna načela: (1) spoštovanje oseb, kar vključuje pridobitev soglasja in zaščito ranljivih skupin; (2) dobrohotnost, ki pomeni minimizacijo škode in povečanje koristi; ter (3) pravičnost, kar se nanaša na enakovredno porazdelitev koristi in bremen uporabe UI
Generativna umetna inteligenca temelji na obsežnih temeljnih modelih, usposobljenih z uporabo ogromnih količin nestrukturiranih podatkov. Njihova moč in prilagodljivost prinašata vrsto tveganj:
- Pristranskost in diskriminacija: Če so vhodni podatki pristranski, bo enako tudi izhod. Znan je primer Amazonovega sistema za zaposlovanje, ki je kazal spolno pristranskost pri izboru kandidatov.
- Lažna vsebina (deepfakes, halucinacije): Generativni modeli lahko ustvarjajo vsebine, ki so prepričljive, a lažne, kar ogroža informacijsko integriteto in zaupanje uporabnikov.
- Pomanjkanje razložljivosti: Ker modeli pogosto delujejo kot »črne škatle«, je težko razumeti, zakaj je sistem sprejel določeno odločitev, kar otežuje nadzor in pravno odgovornost
Etika in z njo povezani izzivi generativne umetne inteligence niso le vprašanje tehnološke izvedbe, temveč tudi družbene odgovornosti. Da bi ohranili zaupanje uporabnikov, je ključno, da razvoj in implementacija UI temelji na jasno definiranih etičnih načelih, preglednem delovanju in vključujočem nadzoru.
ANALIZA ZAUPANJA SLOVENSKIH UPORABNIKOV V GENERATIVNO UMETNO INTELIGENCO
V tem poglavju obravnavamo zaupanje slovenskih uporabnikov v tri najpogosteje uporabljene generativne AI sisteme. ChatGPT, Claude in Gemini. Analizo smo zasnovali na anketi, ki meri (1) demografske značilnosti in stopnjo algoritmične pismenosti, (2) izkušnje z uporabo generativne umetne inteligence (poznanost, najpogosteje uporabljeni sistem, pogostost uporabe) in (3) večdimenzionalno lestvico zaupanja. Lestvica zajema ocene natančnosti, nepristranskosti, etičnega delovanja, razložljivosti, jasnosti in uporabnosti odgovorov. Na podlagi teh postavk bomo oblikovali sestavljen indeks zaupanja, ki bo omogočil primerjave med skupinami uporabnikov.
Glavni namen raziskave je ugotoviti, kako slovenski uporabniki doživljajo in ocenjujejo generativno umetno inteligenco in katere dejavnike pri tem najbolj upoštevajo. Zanimalo nas je, ali se stopnja zaupanja razlikuje glede na izbrani sistem, kako nanjo vplivajo pogostost uporabe, osebne izkušnje in stopnja algoritmične pismenosti, ter ali obstajajo razlike med posameznimi demografskimi skupinami.
Podatke smo zbirali s pomočjo spletne ankete, ki je bila razdeljena na več sklopov. V prvem delu so udeleženci podali osnovne podatke o sebi (spol, starost, izobrazba) in ocenili svojo računalniško ter algoritmično pismenost. V drugem delu so odgovorili na vprašanja o tem, katere AI sisteme poznajo, katere so že preizkusili, katere uporabljajo najpogosteje in kako pogosto. Zadnji del ankete je bil namenjen oceni zaupanja v sistem, ki ga uporabljajo največ. Pri tem so izražali svoje mnenje o natančnosti, nepristranskosti, etičnosti, jasnosti in uporabnosti prejetih odgovorov.
V raziskavi je sodelovalo 249 veljavnih anketirancev, kar predstavlja dovolj veliko število za osnovno analizo vzorcev uporabe in stališč do generativne umetne inteligence v Sloveniji. Že bežen pogled na demografsko sestavo kaže, da so anketo v največji meri reševali mlajši uporabniki. Kar 40 % vseh anketirancev je bilo starih med 15 in 19 let, sledi starostna skupina 20–29 let s 33 %, delež starejših (starih od 30 do 49 let) je predstavljal 18 %, medtem ko je bilo anketirancev, starejših od 50 let, zgolj 8 %. To pomeni, da je raziskava zajela predvsem mlajšo generacijo, ki je tudi sicer najbolj izpostavljena novim tehnologijam in najhitreje sprejema digitalne trende. Že ta podatek nakazuje, da bodo rezultati v veliki meri odražali navade mladih uporabnikov, ki generativno umetno inteligenco uporabljajo pogosteje in z večjim zaupanjem kot starejši.
Po spolu so bili anketiranci dokaj enakomerno razporejeni: 53 % žensk, 46 % moških ter 1 % tistih, ki so izbrali kategorijo »drugo«. Le-to omogoča dokaj uravnoteženo primerjavo med spoloma, pri čemer ni bilo zaznati večjih razlik v sami uporabi umetne inteligence in načinu ter namenu uporabe.
Po izobrazbi prevladujejo anketiranci s srednješolsko izobrazbo (43 %) in tisti z dokončano višješolsko ali fakultetno izobrazbo (46 %). To pomeni, da so udeleženci praviloma digitalno in informacijsko pismeni, kar potrjuje tudi samoocena računalniške in algoritmične pismenosti: povprečje znaša 3,5 na lestvici od 1 do 5, pri čemer se največ anketirancev uvršča v srednjo oziroma višjo stopnjo pismenosti.
Pri vprašanju o uporabi posameznih sistemov generativne umetne inteligence se je pokazalo, da je ChatGPT daleč najbolj poznan in uporabljan sistem. Kar 89 % vseh anketirancev je navedlo, da so ga že uporabljali, medtem ko sta Claude in Gemini bistveno manj prepoznavna (oba 12 %). Povsem nepoučenih uporabnikov, ki še niso preizkusili nobenega od sistemov, je bilo zanemarljivo malo (1 %). Vprašanje o najpogosteje uporabljenem sistemu je rezultate še bolj jasno potrdilo: ChatGPT kot primarni sistem uporablja več kot 83 % vseh anketirancev, Claude le 3 %, Gemini 10 %, preostali so navedli alternativne sisteme, kot so DeepSeek, Bing AI ali Kopilot. To jasno potrjuje, da se je ChatGPT uveljavil kot sinonim za generativno umetno inteligenco in predstavlja referenčno točko, s katero uporabniki primerjajo druge sisteme.
Pogostost uporabe kaže, da generativna umetna inteligenca ni več eksotično orodje, temveč postaja del vsakdana. Približno 16 % anketirancev jo uporablja večkrat dnevno, 31 % dnevno, 23 % večkrat tedensko, še nadaljnjih 21 % tedensko, le 9 % pa redkeje kot enkrat mesečno. Skupaj to pomeni, da več kot dve tretjini vprašanih AI sisteme uporablja vsaj nekajkrat na teden, kar nakazuje na visoko stopnjo vpetosti teh tehnologij v vsakdanje življenje.
Analiza namenov uporabe razkriva pestro sliko, ki potrjuje raznolikost generativne umetne inteligence. Največ uporabnikov jo uporablja za generiranje besedil (61 %) in reševanje splošnih problemov oziroma iskanje informacij (52 %). Zelo razširjena je tudi uporaba za povzemanje besedil in dokumentov (39 %) ter za prevajanje (31 %). Manjši delež uporablja umetno inteligenco za generiranje slik (20 %) in programiranje (12 %), še manj pa za ustvarjanje glasbe (7 %). Ta razmerja potrjujejo, da je umetna inteligenca v prvi vrsti orodje za pisno komunikacijo, učenje in reševanje nalog, medtem ko so kreativne oblike uporabe (slike, glasba) še vedno v ozadju.
Če povzamemo, rezultati jasno kažejo, da se je generativna umetna inteligenca že uveljavila kot del vsakdanjega življenja predvsem mlajše populacije. ChatGPT se je v tem okolju uveljavil kot nesporen vodilni sistem, ki ga uporabljajo skoraj vsi, medtem ko sta Claude in Gemini prisotna bolj obrobno. Uporaba je pogosta in raznolika, prevladujejo pa praktične naloge, kot so pisanje, iskanje informacij in prevajanje. Takšna slika potrjuje, da so slovenski uporabniki generativne umetne inteligence odprti za uporabo novih tehnologij, a jih hkrati uporabljajo predvsem tam, kjer lahko neposredno izboljšajo produktivnost in olajšajo vsakodnevno delo.
Magistrsko delo Tjaše Brglez je bilo osredotočeno na mlade in njihovo zaupanje v vsebine, ustvarjene s ChatGPT-jem. Njena raziskava je pokazala, da mladi dosegajo visoko algoritmično pismenost, a le-ta ni imela statistično značilnega vpliva na stopnjo zaupanja. Prav tako stopnja zaupanja ni vplivala na pripravljenost preverjanja vsebin – mladi so vseeno pogosto preverjali informacije z drugimi digitalnimi viri. To pomeni, da zaupanje mladih ni “slepo”, ampak vedno pogojeno s kritičnim preverjanjem.
Naša raziskava potrjuje Brglezovo ugotovitev, da pismenost sama po sebi ne dvigne zaupanja. Tudi pri naših anketirancih so ocene algoritmične pismenosti relativno visoke (3,5/5), a so hkrati ocene zaupanja precej zmerne (povprečno 53 %). Rečemo lahko, da naša raziskava tri leta kasneje potrjuje Brglezovo tezo: več znanja o AI ne pomeni nujno več zaupanja. V obeh raziskavah je jasno, da so mlajši uporabniki bolj naklonjeni uporabi, a hkrati tudi kritični – ChatGPT uporabljajo, a mu ne verjamejo brezpogojno.
Razlika med raziskavama je v širini vzorca. Medtem ko se je Brglezova osredotočila izključno na mlade, naš vzorec vključuje tudi starejše uporabnike, ki so pokazali bistveno nižje ravni zaupanja. S tem smo dopolnili sliko: generacijski učinek je zelo močan – starejši uporabniki so ne le redkejši uporabniki AI, temveč tudi izraziteje skeptični.
Mednarodna raziskava KPMG & University of Melbourne (vzorec 48.000 ljudi, 47 držav) je ugotovila, da UI redno uporablja 66 % ljudi, 83 % pričakuje koristi, a ji zaupa le 46 % uporabnikov. Največje razlike so bile kulturne: prebivalci razvitih gospodarstev so bili bolj zadržani in previdni, prebivalci nastajajočih gospodarstev pa bolj zaupljivi in optimistični. Ključni dejavniki zaupanja so bili enaki kot v naši raziskavi – poštenost, transparentnost in uporabnost.
Če primerjamo številke: naša raziskava je pokazala 53 % zaupanja, kar je nekoliko nad globalnim povprečjem (46 %), a razmerja med dimenzijami so presenetljivo podobna. Tako kot globalno je tudi pri nas največ zaupanja v uporabnost, najmanj pa v nepristranskost in razložljivost. To pomeni, da je vzorec slovenskih uporabnikov vpet v iste globalne trende – zaupanje v UI je predvsem pragmatično (ker je koristna), medtem ko dvomi ostajajo tam, kjer gre za etiko, objektivnost in preglednost.
Če primerjamo vse tri raziskave, lahko izpostavimo tri ključne točke. (1) Potrditev Brglezove: Tako naša raziskava kot Brglezova potrjujeta, da pismenost ne določa zaupanja – visoko znanje ne pomeni visokega zaupanja. (2) Konsistentnost z globalnimi trendi: Naša povprečna stopnja zaupanja (53 %) je zelo blizu globalnemu povprečju (46 %), pri čemer je razmerje med dimenzijami (uporabnost visoka, etika/pristranskost nizka) povsem enako. (3) Razširitev ugotovitev: Brglezova je pokazala, da mladi uporabljajo AI pogosto, a ga preverjajo. Naša raziskava to ugotovitev potrjuje in dopolnjuje. Tudi starejši, ki so manj pismeni, ostajajo bolj skeptični, kar pomeni, da je generacijska razlika eden ključnih dejavnikov zaupanja.
zaključek
V članku smo raziskovali stopnjo zaupanja slovenskih uporabnikov v tri najpogosteje uporabljene generativne AI sisteme: ChatGPT, Claude in Gemini. Na podlagi anketne raziskave smo analizirali demografske značilnosti, samooceno algoritmične pismenosti, izkušnje z uporabo in večdimenzionalno lestvico zaupanja (natančnost, nepristranskost, etičnost, razložljivost, jasnost in uporabnost). Ugotovili smo, da uporabniki sisteme doživljajo kot koristne in inovativne, a ob tem ostajajo zadržani pri vprašanjih etičnosti, nepristranskosti in razložljivosti. Rezultati so pokazali, da višja algoritmična pismenost ne pomeni nujno večjega zaupanja, mlajši uporabniki pa tehnologijo pogosteje uporabljajo, vendar pri tem izražajo več previdnosti. V primerjavi z raziskavo Tjaše Brglez in mednarodnimi študijami so ugotovitve skladne z globalnimi trendi. Uporabnost je visoko ocenjena, etika in pristranskost pa ostajata osrednja vira skepticizma.
Ta članek je zanimiv za več ciljnih skupin. Najprej za akademsko in raziskovalno javnost, saj prispeva k razumevanju zaupanja v generativno umetno inteligenco v slovenskem prostoru, kjer to področje še ni široko raziskano. Prav tako je pomemben za študente in učitelje, ki generativna orodja uporabljajo pri učenju, pisanju in raziskovanju. Članek je koristen tudi za odločevalce in regulatorje, ki razpravljajo o etičnih okvirih in regulaciji uporabe AI, saj opozarja na dejavnike zaupanja in dvome uporabnikov. Ne nazadnje prinaša vpogled tudi za razvijalce in podjetja, saj razkriva, kateri vidiki (npr. uporabnost, jasnost) najbolj gradijo zaupanje in kje so uporabniki še vedno skeptični (nepristranskost, etičnost, razložljivost).
Raziskava ima nekaj omejitev, ki jih je treba izpostaviti. Vzorec je bil pridobljen preko spletne ankete, zato je ne reprezentativen za celotno populacijo. Udeleženci so bili večinoma mlajši (skoraj tri četrtine pod 30 let), kar pomeni, da rezultati bolj odražajo navade mladih kot celotne slovenske družbe. Poleg tega raziskava zajema le tri najpogosteje uporabljene AI sisteme (ChatGPT, Claude, Gemini), medtem ko obstajajo še številna druga orodja, ki jih uporabniki poznajo ali uporabljajo. Omejitev je tudi v tem, da so podatki osnovani na samooceni (npr. računalniška pismenost, zaupanje), kar lahko vpliva na natančnost rezultatov.
Za izboljšanje raziskave bi bilo smiselno vključiti večji in bolj raznolik vzorec, ki bi bolje zajel tudi starejše uporabnike, saj prav ta skupina kaže največjo stopnjo skepticizma. Poleg tega bi bilo koristno dodati kvalitativne metode (npr. intervjuje ali fokusne skupine), ki bi omogočile globlje razumevanje razlogov za zaupanje ali nezaupanje. Pomembno bi bilo raziskavo ponoviti čez dve ali tri leta, ko se bo uporaba AI še bolj razširila in bodo modeli naprednejši – tako bi lahko spremljali dinamiko sprememb zaupanja skozi čas.
Predlagamo lahko nekaj smernic za nadaljnje raziskovanje: (1) primerjamo zaupanje med različnimi družbenimi skupinami (različna izobrazbena ozadja, uporabniki iz različnih poklicnih področij), (2) raziskujemo, kako medijska poročanja in družbene razprave o AI vplivajo na stopnjo zaupanja, (3) podrobneje proučujemo posamezne dimenzije zaupanja (npr. kaj konkretno uporabniki razumejo pod »etičnost« ali »nepristranskost«), (4) vključujemo eksperimentalne pristope, kjer udeleženci neposredno ocenjujejo odgovore različnih sistemov v primerljivih nalogah.
Prispevek k stroki je v tem, da raziskava prvič na sistematičen način prinaša empirične podatke o stopnji zaupanja slovenskih uporabnikov v generativno umetno inteligenco. S tem zapolnjujemo vrzel v domači literaturi, omogočamo primerjavo z drugimi raziskavami (npr. Tjaše Brglez in mednarodnimi študijami) in ponujamo osnovo za oblikovanje smernic, ki bi lahko pomagale izobraževalnim ustanovam, regulatorjem in razvijalcem pri odgovorni rabi in razvoju AI. Takšna raziskava tako ne prispeva le k razumevanju trenutnega stanja, temveč odpira pot nadaljnjim raziskavam in strokovni razpravi o etičnih, kulturnih in družbenih vidikih generativne umetne inteligence v Sloveniji.
LITERATURA
Brglez, T. (2023, September 2). dk.um.si. Retrieved 2025, from Ditigalna Knjižnica Univerze v Mariboru: https://dk.um.si/IzpisGradiva.php?id=85891 [12.3.2025].
IBM. (2024, September 17). ibm.com. Retrieved from What is AI ethics?: https://www.ibm.com/think/topics/ai-ethics [8.7.2025].
Joshi, H. (2025, Marec 11). ScienceDirect. Retrieved from Integrating trust and satisfaction into the UTAUT model to predict Chatbot adoption – A comparison between Gen-Z and Millennials: https://www.sciencedirect.com/science/article/pii/S266709682500014X [2.5.2025].
Kothari, S. (2025, Julij 31). Simpli learn. Retrieved from simplilearn.com: https://www.simplilearn.com/tutorials/artificial-intelligence-tutorial/major-goals-of-ai [23.7.2025].
KPMG. (2025, April 29). kpmg.com. Retrieved from The American Trust in AI Paradox: Adoption Outpaces Governance: https://kpmg.com/us/en/media/news/trust-in-ai-2025.html?utm_source=chatgpt.com [11.5.2025].
KPMG. (2025, 01). kpmg.com. Retrieved from assets.kpgm.com: https://assets.kpmg.com/content/dam/kpmgsites/xx/pdf/2025/05/trust-attitudes-and-use-of-ai-global-report.pdf [4.6.2025].
Meta. (2024, Julij 07). ultraved.si. Retrieved from Kako deluje umetna inteligenca?: https://www.ultraved.si/2024/07/05/kako-deluje-umetna-inteligenca/ [21.8.2025].
Stryker, C. (2024, Avgust 9). IBM. Retrieved from ibm.com: https://www.ibm.com/think/topics/artificial-intelligence [4.5.2025].
Yang, P. (2025, Junij 04). Creatoreconomy.so. Retrieved from Behind the Craft by Peter Yang: https://creatoreconomy.so/p/chatgpt-vs-claude-vs-gemini-the-best-ai-model-for-each-use-case-2025 [30.7.2025].