Microsoft je smislio kako učiniti da GPT-5

Kao da si godinama gradio motocikl s motorom od aviona, a onda ti netko kaže: stari, znaš onaj karburator? Ako ga okreneš za osam stupnjeva, motor radi bolje. I sad ti treba cijeli tim da dokumentiraš zašto je to točno osam, a ne devet stupnjeva, i kako to ponoviti. Ali poanta je: nisi napravio novi motor. Samo si ga bolje podesio.

Zove se SkillOpt. Microsoft i tri kineska sveučilišta su ga razvili. Ideja je na prvu smiješno jednostavna: umjesto da treniraš novi model, ti treniraš dokument s uputama. Doslovno Markdown datoteku koja modelu govori kako da razmišlja. I ta datoteka, nakon optimizacije, podiže performanse već istreniranog modela za deset do petnaest posto na zadacima koje rješava.

Koji kurac.

Ako je ovo stvarno, a izgleda da jest, onda smo upravo otkrili da smo pet godina i stotine milijardi dolara trošili na krivu stvar. Nije problem u modelima. Modeli su dobri. Problem je u tome kako im govorimo što da rade. Cijela industrija je gradila sve veće i skuplje motore, a zaboravila je da vozač treba dobar volan.

Nije drago. Nije slučajno. Nije greška.

Metoda funkcionira tako što uzmeš postojeći model — recimo GPT-5.5 — i umjesto da ga ponovno treniraš, ti optimiziraš prompt. Ali ne jedan prompt. Cijeli sustav uputa, hijerarhiju instrukcija, format izlaza, primjere. I to radiš iterativno: model generira prijedloge, ti ih testiraš, zadržavaš one koji rade, odbacuješ one koji ne rade. Na kraju dobiješ Markdown datoteku koja je sama po sebi vrijedna.

To je kao da si četrdeset godina gradio televizore, a onda shvatio da problem nije u televizoru nego u tome što emitiraš. I sad ti netko kaže: evo, promijenili smo program, sad ti taj televizor pokazuje bolju sliku.

Istraživači su testirali na više modela — GPT-4o, GPT-5.5, Llama 3 i 4, Qwen, DeepSeek. Na svakom su dobili poboljšanja. Nisu mijenjali težine, nisu dodavali podatke, nisu povećavali računalnu snagu. Samo su optimizirali kako model prima instrukcije.

Rezultat: modeli su postali bolji u praćenju složenih uputa, u strukturiranju odgovora, u rješavanju višestepenih zadataka. I to bez ikakvih dodatnih troškova. Jednom kad imaš optimizirani prompt dokument, možeš ga koristiti na bilo kojem modelu iste obitelji.

Ako ovo nije egzistencijalna kriza za pola startupa u Silicijskoj dolini, ne znam što jest.

Zamisli da si potrošio sto milijuna dolara na trening modela koji je specijaliziran za pravne savjete. Ispostavi se da je taj taj model, s drugačijim uputama, jednako dobar u medicinskoj dijagnostici. Samo mu nisi rekao da to može. Cijeli tvoj poslovni model se zasniva na uvjerenju da trebaš poseban model za svaki zadatak. A istina je da ti treba samo bolji način da kažeš postojećem modelu što želiš.

Nije prvi put da industrija otkriva da je komplicirala stvar. Devedesetih su svi mislili da ti treba poseban server za mail, poseban za web, poseban za bazu podataka. Onda je netko rekao: stari, stavi sve na jedan Linux server, radi isto. I industrija je kolabirala. Cijene su pale, startupi su umrli, konzultanti su ostali bez posla.

Ovo je taj scenarij. Samo s nulama na kraju.

SkillOpt je dokaz da je većina problema u današnjoj umjetnoj inteligenciji problem komunikacije, a ne inteligencije. Modeli su pametni. Oni razumiju. Problem je što im ne znamo reći što želimo na način koji oni razumiju. Kao da imaš genijalnog mehaničara, ali mu daješ upute na kineskom, a on govori samo portugalski.

I sad netko kaže: evo, naučio sam ga portugalskom. taj mehaničar, iste ruke, taj alat. Samo ga sad razumiješ.

Industrija će reagirati na uobičajeni način: ignorirati dok ne bude prekasno, pa kopirati, pa tvrditi da su oni to smislili. Već sada vidim prezentacije u kojima će netko reći da je "prompt inženjering" budućnost, kao da je to nešto novo. Ljudi, mi radimo prompt inženjering od 2022. Samo ga nismo zvali tako. Zvali smo ga "pisanje uputa".

Ono što je novo je sistematičnost. SkillOpt ne optimizira jedan prompt. On optimizira cijeli sustav uputa. Hijerarhiju. Redoslijed. Format. Primjere. I to radi iterativno, s povratnom spregom. To je kao razlika između toga da napišeš recept na salveti i toga da napišeš priručnik za kuhinju s pedeset godina iskustva.

Prvi ćeš skuhati jestivo. Drugi ćeš otvoriti restoran s tri Michelin zvjezdice.

Najbolji dio cijele priče je da je metoda objavljena. Otvoreno. Bilo tko može isprobati. Treba ti model, malo računalne snage i strpljenja. I eto ti optimizirani prompt dokument koji tvoj model čini boljim za petnaest posto bez da potrošiš cent više.

Naravno, to znači da će za tri mjeseca svaki klinac s laptopom imati bolji prompt nego Microsoft. I to je u redu. To je kako tržište funkcionira. Onaj tko prvi implementira, pobjeđuje. Onaj tko čeka, gleda.

Ako si startup koji prodaje "AI rješenje" koje se zasniva na tome da imaš bolji model od konkurencije, imam loše vijesti. Modeli su postali roba. Svi su dobri. Razlika je u tome kako ih koristiš. I upravo si saznao da netko može tvoj model natjerati da radi bolje nego što si ti ikad mogao.

Nije lijepo kad ti netko pokaže da si cijelo vrijeme sjedio na zlatu i koristio ga kao podmetač za čašu.

Ali ima i dobra vijest. Ova metoda ne zahtijeva posebnu infrastrukturu. Ne zahtijeva ogromne količine podataka. Ne zahtijeva tjedne treninga. Treba ti pametan čovjek koji zna pisati dobre upute i malo strpljenja.

To je vijest koju bi svaki CTO trebao pročitati. I svaki CEO. I svaki investitor. Jer ako tvoj konkurent ovo implementira prije tebe, ti si mrtav. Ne zato što ima bolji model. Zato što ima bolji način da kaže istom modelu što da radi.

A to je, na kraju, uvijek bila razlika između dobrog i izvrsnog. Ne u alatu. U ruci koja ga drži.

Izvor: the-decoder.com