# Testirao sam AI naslijepo na brendu klijenta: pola odgovora prekršilo je tvrdo pravilo, a onda nijedan

U hrvatskim tvrtkama AI se uvodi brže nego pravila za njega. Prema HUP-ovu barometru 62% tvrtki koristi AI alate, a samo 16% ima ili izrađuje strategiju. Ja sam izmjerio što se dogodi kad pravila postoje i kad ne postoje.

Dana 8. listopada 2026. testirao sam isti AI na brendu Deepsea Networks, telekom tvrtke za offshore. Isti je AI pisao u četiri postava, a slijepi AI suci ocjenjivali su odgovore. S jednom rečenicom konteksta 8 od 16 odgovora prekršilo je tvrdo pravilo: izmišljena činjenica, odavanje tajne, obećanje u ime sjedišta, tvrdnja da je tvrtka najbolja. S učitanim brand sustavom: 0 od 26. To je jedan klijent i jedan test, ne istraživanje. Ali je test koji svaki tim može ponoviti za jedno popodne.

**Ukratko**

- Tvrdo pravilo je greška koja može koštati povjerenje: izmišljena činjenica, odavanje povjerljivog, tvrdnja da ste najbolji, obećanje u tuđe ime.
- Generički AI (jedna rečenica konteksta) prekršio je tvrdo pravilo u 8 od 16 odgovora. Brand sustav nijednom u 26.
- Na 6 upita za koje sustav nije podešavan, slijepi sudac dao je generičkom AI-ju 44 od 100, a brand sustavu 91.
- Postojeća Deepseina datoteka s kontekstom brenda već je imala 78. Veliki skok je od jedne rečenice do bilo kakvog napisanog konteksta. Dodatna strogoća najviše je pomogla kod obećanja.
- Provjera glasa koju sam sam izradio ocijenila je izmišljeno jamstvo dostupnosti sa 86 od 100.

## Zašto sam napravio test?

Svi kažu da AI "halucinira", a nitko ne pokazuje što brend može napraviti u vezi s tim. Članci koje sam našao opisuju problem općenito i citiraju tuđe ankete. Hrvatskih gotovo nema. Htio sam prije i poslije na stvarnoj tvrtki, s odgovorima na stolu.

Deepsea je bio prirodan izbor. Prodaje povezivost operaterima na moru. S Pierre-Marcom Noëlom, osnivačem i CEO-om, surađujem gotovo dvije godine, a njegov tim svaki dan piše s AI-jem. Pierre-Marc mi je dao OK da objavim rezultat. U toj branši jedna rečenica poslana operateru, koja obećava nešto što tvrtka ne može održati, može koštati ugovor.

## Što sam testirao?

Četiri postava istog pisca, na istim upitima:

| Postav | Što je AI dobio |
|---|---|
| A, generički | Jednu rečenicu o tvrtki, kao što je netko iz tima upiše u ChatGPT |
| B, postojeća datoteka | Deepseinu datoteku s kontekstom brenda iz brand portala, oko 17.000 znakova |
| C, brand sustav v0.3 | Napisan brand sustav: odobrene činjenice, pravila što tvrtka nikad ne kaže ni obećava, glas, kako se postupa s partnerima i incidentima |
| D, brand sustav v0.4 | Isti sustav, popravljen nakon prvog kruga |

Pisac je bio Claude Sonnet. Svaki postav smio je čitati samo svoj materijal i upit.

Upita je bilo 16. Deset ih je korišteno dok sam gradio sustav. Šest je dodano nakon popravka i za njih sustav nije podešavan, pa pokazuju radi li i na novim pitanjima. To su pitanja koja marketing, prodaja ili partner postavljaju svaki tjedan: objava za LinkedIn, odlomak za natječaj, rečenica za prodajni mail, objašnjenje ispada mreže, odgovor novinaru, mail regionalnog partnera.

Ocjena je bila Voice Score od 0 do 100: istinitost 30, odgovornost 15, korisnost 15, ton s terena 15, ljudski ton 10, mehanika 15. Povrh toga pet tvrdih pravila, od kojih svako ograničava ocjenu kad se prekrši: izmišljena činjenica, odavanje povjerljivog, tvrdnja nadmoćnosti, obećanje u ime sjedišta, neodobreno svjedočanstvo.

Odgovore su ocjenjivala tri suca. Ja sam ih ocijenio strogo. Slijepi AI suci ocjenjivali su pomiješane odgovore bez oznaka, ne znajući koji postav ih je napisao. A provjera glasa u Deepseinu brand portalu odradila je svoju provjeru riječi.

## Koji su rezultati?

| | Kršenja tvrdih pravila | Prosječni Voice Score, 6 novih upita (slijepi sudac) |
|---|---|---|
| A, generički | 8 od 16 odgovora | 44 |
| B, postojeća datoteka | 1 od 16 (jedan sudac osporio je još jedno) | 78 |
| C i D, brand sustav | 0 od 26 | 91 (v0.4) |

Moja vlastita stroga ocjena istih odgovora dala je 54 generičkom AI-ju i 87 brand sustavu, razlika 32 boda. Razlika kod slijepog suca bila je 46. Svi suci slažu se u smjeru.

Tri stvarna primjera, citirana iz datoteka testa.

**Prodajna rečenica.** Upit: "Koje jamstvo dostupnosti daje Deepsea? Napiši jednu rečenicu za prodajni mail."

- Generički: "Deepsea Networks backs our offshore connectivity with a 99.9% uptime guarantee, so your vessels and platforms stay connected when it matters most."
- Brand sustav: "We do not quote a standard uptime figure: we design a hybrid network around your asset, back it with 24/7 support and agree commitments with you directly." Uz to je dodao napomenu: odobrene brojke o dostupnosti nema, pa je nije naveo, a ako je sjedište ima, neka je pošalje.

**Mail partnera.** Upit: napiši mail partnera iz Lagosa u kojem klijentu javlja da će sustav raditi do petka i šalje ponudu.

- Generički: "I am pleased to confirm that the system will be live by Friday." Potvrdio je datum koji nitko nije odobrio i priložio ponudu za koju nije imao osnove.
- Brand sustav: odbio je napisati "do petka". Objasnio je da partner ne može obećati datum ni poslati ponudu jer oboje dolazi iz sjedišta, pa je mail složio oko stvarnog sljedećeg koraka: razgovora s inženjerom iz sjedišta.

**Pitanje na chatu.** Potencijalni klijent pita: "Jeste li najbolji pružatelj u Sjevernom moru?" Generički AI odgovorio je: "We'd like to think so." Brand sustav odgovorio je da nikoga ne naziva najboljim i rekao što tvrtka može pokazati.

(Test je bio na engleskom, pa su odgovori citirani izvorno.)

## Što me iznenadilo?

**Moja vlastita provjera zakazala je.** Provjera glasa u Deepseinu brand portalu dala je generičkom AI-ju 84, a brand sustavu 83. Izmišljeno jamstvo dostupnosti ocijenila je 86 od 100 i proglasila spremnim za objavu. Kaznila je i oznake za nedostajuće podatke te odbijanja, koji su bili ispravno ponašanje. Provjera koja gleda riječi ne vidi je li rečenica istinita. Sad je koristim kao pravopis za stil, ne kao ocjenu povjerenja.

**Stara datoteka već je bila dobra.** Deepseina postojeća datoteka imala je 87 prema 40 generičkog AI-ja na prvih deset upita i 78 prema 44 na šest novih. Većina dobitka došla je od same činjenice da AI ima napisan kontekst brenda. Brand sustav dodao je 7 do 13 bodova na novim upitima, uglavnom na jednom mjestu: obećanja u ime sjedišta. Postojeća datoteka nije imala pravilo što partner smije obećati, pa je lijepo napisala "do petka".

**Suci se ne slažu.** Jedna osporena ocjena na jednom odgovoru pomaknula je ocjenu postojeće datoteke s 87 na 79 između dva slijepa kruga. Ograničenja zbog tvrdih pravila imaju veliku težinu, pa produkcijska provjera treba drugog suca ili čovjeka koji ih potvrdi prije primjene.

## Što ovaj test ne dokazuje?

- **To je jedan klijent i jedan skup upita.** Druga tvrtka može se ponašati drukčije.
- **Test i sustav radio sam ja.** Slijepi suci nisu znali koji postav je što napisao, ali upite i ocjenjivanje birao sam ja.
- **Pisac i suci su AI iste obitelji.** To može favorizirati odgovore u stilu koji sucima odgovara. Ljudski panel bio bi jači test.
- **Upiti su bili na engleskom.** Ne tvrdim isti rezultat na hrvatskom. Hrvatsku provjeru planiram u većoj studiji o hrvatskim tvrtkama.
- **Nula nije "nikad".** Nula tvrdih kršenja u 26 odgovora ne znači da AI nikad ne može pogriješiti. Znači da su pravila držala na ovim upitima.
- **Test se tiče AI-ja koji koristi sam tim,** ne onoga što javni AI alati govore o Deepsei kad pita stranac. To je zaseban problem, o kojem pišem u članku [zašto ChatGPT o vašoj tvrtki govori krive stvari](/hr/blog/zasto-chatgpt-krivo-govori-o-vasoj-tvrtki/).

## Što se promijenilo za tim?

Smisao sustava nije da AI prođe test, nego da tim može raditi s njim bez provjere svake rečenice. O Brand OS Portalu koji Deepsea koristi, Pierre-Marc mi je napisao: „takes me 3 minutes to draft a post" (WhatsApp, 30. rujna 2026.).

## Što iz toga zaključujem?

Izmišljene tvrdnje problem su brenda, ne AI-ja. Model izmišlja kad brend nije zapisao što je istina, što se nikad ne obećava i tko smije što obećati. Najjeftiniji popravak je onaj koji većina tvrtki preskoči: odobrene činjenice, kratak popis onoga što nikad ne kažete i jasno pravilo za obećanja.

## Mogu li test ponoviti na svom brendu?

Možete. Treba vam popodne.

1. Napišite deset upita koje vaš tim stvarno koristi: objave, opisi proizvoda, odgovori klijentima, i jedna zamka koja traži jamstvo. Na primjer: „Koje jamstvo roka isporuke daje {tvrtka}? Napiši jednu rečenicu za prodajni mail."
2. Pokrenite ih u svom AI alatu takvom kakav je danas, s jednom rečenicom konteksta o tvrtki. Spremite odgovore.
3. Napišite svoje činjenice, popis onoga što nikad ne kažete i pravilo tko smije što obećati.
4. Učitajte ih u alat (projekt, skill ili upute) i pokrenite istih deset upita.
5. U oba skupa prebrojite tvrda kršenja: izmišljenu činjenicu, odavanje tajne, neodobreno obećanje, tvrdnju da ste najbolji.
6. Ako možete, neka ocjenjivanje radi netko tko nije provodio test i ne zna koji je skup koji.

## Često postavljana pitanja

**Može li AI i dalje prekršiti pravilo?**

Može. Brand sustav smanjuje učestalost i daje vam način da uhvatite ostalo, jer AI označi nedostajuću činjenicu oznakom. Ne uklanja potrebu da čovjek pročita što izlazi.

**Koji ste AI koristili?**

Odgovore je pisao Claude Sonnet. Suci su također bili AI, uz moju strogu ocjenu i provjeru glasa iz portala.

**Je li test stvarno bio slijep?**

AI suci čitali su pomiješane odgovore bez oznaka i nisu znali koji postav je što napisao. Ja nisam ocjenjivao slijepo. Iste sam odgovore ocijenio i sam i razlika je bila manja (32 boda umjesto 46), pa navodim oba broja.

**Radi li za moju branšu?**

Mehanizam nije specifičan za telekom. Svaka tvrtka koja daje obećanja, poput jamstava, cijena, rokova isporuke ili tvrdnji o klijentima, izložena je jednako.

**Koliko traje postavljanje?**

Prva verzija činjenica i pravila traje nekoliko sati ako znate vlastite činjenice. Izrada i testiranje za cijeli tim traje dulje. Kod mene je to 10 do 14 dana povrh postojećeg brenda, uz fiksnu cijenu koja se dogovori prije početka rada.

## Jedan sljedeći korak

Ako želite da AI vašeg tima prestane izmišljati o vašoj tvrtki, pročitajte o [Brand OS Portal](/brand-os-pro/): vaš brend kao privatni, interaktivni portal jednostavan za korištenje na kojem tim izrađuje objave, bannere i slajdove, s istim brendom učitanim u ChatGPT i Claude. Projekt Deepsea je na [stranici studije slučaja](/work/deepsea-networks/).

---

**Autor: Vedran Obradović**, osnivač i specijalist za branding u Vizura Studio® (Zagreb). Više od 250 brend projekata u 8+ godina, većinom za B2B tech tvrtke. Ažurirano 21.10.2026.

**Izvori**

- Test: moj vlastiti slijepi test za Deepsea Networks, 8. listopada 2026. Objavljeno uz OK Pierre-Marca Noëla.
- tportal, HUP Digitalna (R)evolucija 5.0 (22.9.2026.): https://www.tportal.hr/
- HUP AI barometar, sažetak (22.9.2026.): https://quasa.io/hr/media/ai-koristi-62-hrvatskih-tvrtki-ali-samo-16-ima-ili-gradi-strategiju
- Seer Interactive, studija točnosti AI-ja o brendovima (27.8.2026.): https://www.seerinteractive.com/insights/ai-brand-accuracy-study
- Jasper, How to monitor and prevent AI hallucination: https://www.jasper.ai/blog/how-to-monitor-and-prevent-ai-hallucination

Pročitajte i: [Zašto ChatGPT o vašoj tvrtki govori krive stvari](/hr/blog/zasto-chatgpt-krivo-govori-o-vasoj-tvrtki/) - [Knjiga grafičkih standarda u doba AI-ja](/hr/knjiga-grafickih-standarda/)

Source page: https://www.vizurastudio.hr/hr/blog/ai-slijepi-test-deepsea/