Što smo vidjeli nakon analize 1.000 primjera video-učenja uz AI — glavna uloga nije bila „zamjena za nastavnika”, nego skraćivanje, masovna proizvodnja i interaktivnost
Što smo vidjeli nakon analize 1.000 primjera video-učenja uz AI — glavna uloga nije bila „zamjena za nastavnika”, nego skraćivanje, masovna proizvodnja i interaktivnost
Video-učenje uz AI nije samo priča o upadljivim „AI nastavnicima”. Kada smo prikupili 1.000 javno dostupnih primjera prakse, nastavnih materijala i opisa uvođenja, najveća se promjena pokazala u smanjivanju troška izrade videozapisa, njihovu skraćivanju te ponovnoj isporuci potrebnim ljudima u potrebnom obliku.
U ovom smo istraživanju prikupili po 125 primjera iz osam područja — korporativne edukacije, sveučilišta, osnovnog i srednjeg obrazovanja, učenja jezika, medicine i sigurnosti, strukovne obuke, cjeloživotnog učenja te podrške nastavnicima i kreatorima — ukupno 1.000 primjera. Istraživanje je provedeno 3. listopada 2026. Svaki video koji se mogao potvrditi javnom pretragom na YouTubeu računali smo kao jedan primjer te smo uklonili duplikate na temelju naslova i opisa.
Najprije zaključak
- Najveća primjena AI-ja jest „automatizacija izrade i uređivanja nastavnih materijala”: 515 primjera (51,5%). Pozadinske primjene poput scenarija, montaže, naracije, titlova i skraćivanja češće su od AI avatara i interaktivnih tutora.
- Interaktivnih je primjera 364 (36,4%). Video se od formata „pusti i gotovo” postupno pretvara u okruženje za učenje koje uključuje pitanja, kvizove, razgovor i povratne informacije.
- Kratkoća je postala načelo dizajna. Medijan trajanja videa iznosi 6 minuta i 47 sekundi. Ima 417 primjera kraćih od 5 minuta (41,7%) i 347 primjera u trajanju od 5 do 15 minuta (34,7%), pa videozapisi kraći od 15 minuta čine 76,4% ukupnog uzorka.
- Sama personalizacija još je manjinska pojava. Kao primarnu svrhu personalizaciju ili preporuke bilo je moguće utvrditi u 42 primjera (4,2%). U javno dostupnim primjerima još nije ni približno zastupljena kao podrška produkciji, unatoč tome koliko se o njoj govori.
- Višejezičnost i pristupačnost malene su kategorije, ali imaju veliku praktičnu vrijednost. Prijevod, titlovi, sinkronizacija i pristupačnost bili su središnji u 28 primjera (2,8%). Broj je malen, ali se učinak na vrijeme i troškove u globalnoj edukaciji lako može mjeriti.
Struktura 1.000 primjera
Kako bismo smanjili pristranost, fiksirali smo sljedećih osam slojeva na po 125 primjera.
| Područje | Broj primjera | Udio |
|---|---|---|
| Korporativna edukacija i organizacijsko učenje | 125 | 12,5% |
| Sveučilišta i visoko obrazovanje | 125 | 12,5% |
| Osnovno i srednje obrazovanje | 125 | 12,5% |
| Učenje jezika | 125 | 12,5% |
| Medicina, sigurnost i stručne profesije | 125 | 12,5% |
| Strukovna obuka i stjecanje vještina | 125 | 12,5% |
| Cjeloživotno i individualno učenje | 125 | 12,5% |
| Podrška nastavnicima i kreatorima | 125 | 12,5% |
Izvori su bili raspoređeni među 774 kanala, a čak je i kanal s najviše primjera imao samo 13 (1,3%). Ovo nije istraživanje koje broji samo zbirke primjera pojedinog dobavljača.
Zanimljiv uvid 1: AI prije mijenja „izradu” nego „podučavanje”
| Glavna uloga AI-ja | Broj primjera | Udio |
|---|---|---|
| Automatizacija izrade i uređivanja nastavnih materijala | 515 | 51,5% |
| Interakcija, pitanja i vrednovanje | 309 | 30,9% |
| AI nastavnik, avatar / generiranje videa | 92 | 9,2% |
| Personalizacija i preporuke | 42 | 4,2% |
| Prijevod, titlovi i pristupačnost | 28 | 2,8% |
| Sažimanje, pretraživanje i podrška ponavljanju | 14 | 1,4% |
Kada se kaže „AI video-učenje”, lako je zamisliti budućnost u kojoj AI nastavnik razgovara s polaznikom. Međutim, brojke pokazuju da je AI najprije ušao u produkcijski proces: pretvaranje teksta u video, skraćivanje dugih materijala, zamjena naracije i brže ažuriranje nastavnih materijala.
Učinak toga lako je izmjeriti. Primjerice, u slučaju Fieryja navodi se da su u godinu dana izradili više od 1.000 videozapisa, proširili ih na osam jezika i smanjili vrijeme ažuriranja videa za 87%. U slučaju International SOS-a navodi se da je stopa dovršetka edukacije u dva mjeseca dosegnula 97% te da je razdoblje prevođenja skraćeno s nekoliko mjeseci na nekoliko tjedana.
Drugim riječima, pri ranoj odluci o ulaganju lakše je odgovoriti na pitanja „za koliko dana možemo ažurirati zastarjeli materijal?” i „na koliko ga jezika možemo proširiti?” nego na pitanje „je li AI pametniji od ljudskog nastavnika?”.
Zanimljiv uvid 2: Videozapisi su kraći i obraćaju vam se usred gledanja
| Trajanje videa | Broj primjera | Udio |
|---|---|---|
| Kraće od 5 minuta | 417 | 41,7% |
| 5 do 15 minuta | 347 | 34,7% |
| 15 do 30 minuta | 126 | 12,6% |
| 30 minuta ili više | 109 | 10,9% |
Medijan za 999 primjera čije je trajanje bilo dostupno iznosio je 6 minuta i 47 sekundi. Velik broj kratkih videozapisa mogao bi se objasniti utjecajem društvenih mreža, ali u ovom su se uzorku isticali formati koji u kratke videozapise umeću pitanja, kvizove, razgovor i trenutačne povratne informacije.
Kao interaktivna su označena 364 primjera (36,4%). U 636 primjera (63,6%) AI se upotrebljavao jednosmjerno ili na produkcijskoj strani. Jednosmjerni su formati i dalje većina, ali više od jednog od svaka tri primjera uključuje neki oblik odgovora u dizajn učenja.
Primjer Kyron Learninga to dobro pokazuje. Umjesto statičnog snimljenog predavanja, sustav postavlja pitanja tijekom videa, potiče razmišljanje i prilagođava tijek razumijevanju polaznika. Navodi se da je više od 80% korisnika odgovorilo da su učili bolje. I u istraživanju se pojavljuju rad o potencijalu sintetičkih videozapisa za učenje i rad o pretvaranju predavanja u interaktivne videozapise s AI kloniranim nastavnikom.
Zanimljiv uvid 3: „Personalizacija” nije toliko česta koliko oglašavanje sugerira
U ovom je istraživanju samo 42 primjera, odnosno 4,2%, bilo moguće ocijeniti kao one kojima je personalizacija ili preporuka primarni cilj. Iako je interakcija prisutna u 30,9% primjera, malo je slučajeva koji svakom polazniku kontinuirano mijenjaju redoslijed materijala, objašnjenje ili razinu težine.
Razlog se može naslutiti. Generiranje videa daje vidljiv rezultat i lako se uvodi. Personalizacija pak zahtijeva povijest učenja, kriterije vrednovanja, privatnost i sigurnosni dizajn za pogrešne odgovore. Teža je za operativnu provedbu nego za demonstraciju.
To je važno za one koji su zaduženi za uvođenje. Umjesto da se oslanjaju na izraz „s AI-jem”, trebali bi provjeriti koja je od sljedećih razina zaista implementirana.
- AI izrađuje isti video za sve
- AI odgovara na pitanja tijekom gledanja
- Sljedeći se materijal mijenja prema razini razumijevanja
- Samo se objašnjenje generira prema pojedinom polazniku
- Rezultati učenja vraćaju se ljudskom nastavniku ili nadređenom
Tih se pet razina znatno razlikuje i po troškovima i po rizicima.
Zanimljiv uvid 4: Najbolji rezultati dolaze u područjima s mnogo ponavljanja, brzim ažuriranjem i potrebom za više jezika
Promatrajući svih 1.000 primjera, postali su vidljivi uvjeti u kojima se AI video-učenje dobro uklapa.
- Isti se sadržaj iznova podučava velikom broju ljudi
- Propisi, proizvodi ili softver često se mijenjaju
- Potrebno je širenje na više jezika i regija
- Vrijeme nastavnika želi se usmjeriti na pitanja i individualnu podršku
- Postupci se mogu podijeliti u kratke cjeline
- Polaznici žele ponavljati u vrijeme koje im odgovara
U poduzećima se to odnosi na uvođenje novih zaposlenika, usklađenost, sigurnost i obuku o proizvodima. Za učenike i studente pogodni su dopuna predavanja, odgovori na pitanja i vježbe ponavljanja. U cjeloživotnom učenju dobro se uklapa s jezicima, korištenjem softvera, certifikatima i vještinama za hobije.
S druge strane, kod rasprava bez jednog točnog odgovora, emocionalne podrške, visokorizičnog vrednovanja praktičnih vještina i primjena koje obrađuju podatke djece ne mogu se izostaviti ljudski nadzor i sigurnosni dizajn.
Raspodjela ciljeva učenja
| Glavni cilj učenja | Broj primjera | Udio |
|---|---|---|
| Opće obrazovanje i podrška učenju | 466 | 46,6% |
| Jezici | 153 | 15,3% |
| Tehničke i profesionalne vještine | 120 | 12,0% |
| Medicina i zdravlje | 105 | 10,5% |
| Poslovanje i uvođenje novih zaposlenika | 92 | 9,2% |
| Usklađenost / sigurnost | 64 | 6,4% |
Ta raspodjela nije pokazatelj veličine tržišta. Ona je rezultat klasifikacije primarnog cilja iz naslova i opisa unutar uzorka u kojem je osam područja zastupljeno podjednako. Ipak, pokazuje da AI video-učenje nije samo školska tema, nego se širi na posao, zdravlje, jezike i svakodnevno učenje.
Ako uvodite AI, počnite ovdje
Za organizaciju je dobar prvi materijal „desetominutni video s objašnjenjem koji se ažurira svaki mjesec”. Vrijednost je u učestalosti ažuriranja, a ne u savršenstvu. Pojedinac ne bi trebao samo pasivno gledati video: korisno je zatražiti od AI-ja da nakon gledanja postavi tri pitanja i da drukčije objasni samo dijelove u kojima je odgovor bio pogrešan.
Ni mjerni pokazatelji ne smiju se svesti samo na broj pregleda.
- Vrijeme utrošeno na izradu i ažuriranje
- Stopa dovršetka gledanja
- Razlika između testa prije i nakon učenja
- Stopa zadržavanja znanja nakon jednog tjedna
- Točnost odgovora na pitanja
- Udio slučajeva eskaliranih ljudskom nastavniku
- Razlike u pristupu zbog jezika, invaliditeta ili uređaja
Ključ uspjeha AI video-učenja nije u tome da se video učini raskošnijim. Ključ je u sustavu koji se može kratko i brzo ažurirati, koji može uzvratiti pitanjem kada je potrebno i koji ne dopušta polazniku da nastavi dalje bez razumijevanja.
Metodologija i ograničenja istraživanja
- Datum istraživanja: 3. listopada 2026.
- Populacija: primjeri prakse, nastavni materijali i opisi uvođenja video-učenja uz AI dostupni putem javne YouTube pretrage
- Odabir: za osam područja postavljeno je više engleskih pojmova za pretraživanje; zadržani su rezultati s pojmovima povezanima s AI-jem i učenjem u naslovu ili opisu
- Stratifikacija: fiksni odabir po 125 primjera iz svakog od osam područja
- Uklanjanje duplikata: prema ID-u videa
- Klasifikacija: klasifikacija temeljena na pravilima za naslov, opis i kontekst pretraživanja
- Opseg: 1.000 primjera, 774 kanala
Postoji važno ograničenje. Ovo nije slučajni uzorak, nego analiza javnih primjera koji se mogu pronaći pretragom. Uzorak je pristran prema poretku rezultata pretraživanja, anglofonom području, organizacijama koje koriste YouTube i tvrtkama koje lakše objavljuju uspješne primjere. Budući da se jedan video računa kao jedan primjer, brojke nisu ni broj neovisnih uvođenja po organizaciji ni tržišni udio. Također, klasifikacija se temelji na naslovima i opisima, a ne na ručnoj detaljnoj analizi cjelokupnog sadržaja svakog videa. Zato brojke treba čitati kao istraživačku statistiku koja pokazuje što je u javno dostupnim primjerima uočljivo.
Ipak, time što su poduzeća, učenici i cjeloživotno učenje zastupljeni u jednakom broju, a izvori raspoređeni među 774 kanala, dobivena je karta koja se ne oslanja samo na promidžbu pojedine tvrtke ili industrije. Sljedeći je korak ne natjecati se u broju uvođenja, nego uspoređivati ishode učenja, zadržavanje znanja, pravednost i sigurnost prema istim pokazateljima.