Ko UI postane funkcija: Kako prežemanje preoblikuje ekonomijo programske opreme
Posodobljeno 7. nov. 2025
13 min
Uvod: Funkcija, ki postane platforma
Vsak premik v tehnološki pokrajini se v končni fazi nanaša na ekonomijo – kdo zajame vrednost, kdo izgubi nadzor in kje se pojavijo nove možnosti. Trenutna pripoved – »funkcije umetne inteligence prežemajo vse aplikacije« – se sliši postopno, kot da bi obstoječim potekom dela dodajali inteligenco. Ta okvir zavaja. Kar je videti kot val funkcij, je v resnici prehod platforme v počasnem posnetku, strateške posledice pa so odvisne od tega, kje v naboru ste: ponudniki modelov, infrastruktura, agregatorji in vse bolj aplikacije, ki imajo v lasti uporabniške poteke dela.
Teza tega eseja je preprosta: prežemanje umetne inteligence stisne diferenciacijo izdelkov na ravni funkcij, hkrati pa poveča vrednost distribucije, podatkovne bližine in integracije poteka dela. Z drugimi besedami, enota konkurence se premakne od pametnosti predstavitve modela do trajnosti ekosistema. Zmagovalci bodo tisti, ki bodo splošno umetno inteligenco prenesli v specifične prednosti, ki se seštevajo.
Ozadje: Od zmogljivosti do surovin
Zgodovina programske opreme je zaporedje šokov zmogljivosti, ki jim sledi komodifikacija. Grafični vmesniki, baze podatkov, spletni okviri, mobilni SDK-ji – vse se je začelo kot razlikovalni dejavnik in končalo kot samoumevno. Umetna inteligenca sledi isti poti, vendar s preobratom: splošni modeli eksternalizirajo inteligenco kot API, zaradi česar so napredne zmogljivosti takoj integrirane v izdelke. Ta dinamika pospešuje prehod od novosti k nujnosti.
Pomembni sta dve dejstvi. Prvič, zmogljivost umetne inteligence se izboljšuje po predvidljivi krivulji, vendar se dostop do zmogljivosti izboljšuje še hitreje zaradi modela kot storitve in odprtih uteži. Drugič, mejni stroški dodajanja funkcij umetne inteligence v aplikacijo padajo. Ko stroški padejo in se dostop razširi, se diferenciacija na ravni funkcij zmanjša – razen če je funkcija vdelana v potek dela, ki združuje podatke, distribucijo in stroške preklopa.
Okvir za prežemanje umetne inteligence
Za razmišljanje o »umetni inteligenci povsod« je koristno ločiti štiri plasti:
- Plast modela: Temeljni modeli (zaprti in odprti) in natančne nastavitve. Obseg ekonomije in koncentracija podatkov urejata prednost.
- Infrastrukturna plast: sklep, vektorske baze podatkov, orkestracija, varovala in spremljanje. Prednost je operativna odličnost in stroškovna struktura.
- Plast poteka dela: abstrakcija aplikacije, kjer uporabniki dejansko opravljajo naloge; tukaj se umetna inteligenca kaže kot kopiloti, agenti in avtomatizacija.
- Agregacijska plast: Nadzor distribucije – kje uporabniki začnejo, se vračajo in privzeto uporabljajo. Prednost je pozornost, privzete nastavitve in zaklepanje ekosistema.
Prežemanje se zgodi, ko se modeli in infrastruktura umaknejo v ozadje, plasti poteka dela in agregacije pa zajamejo večino presežka. To je teorija agregacije, uporabljena za umetno inteligenco: ko ponudba (inteligenca) postane obilna in dostopna, povpraševanje (uporabniški čas in zaupanje) postane najredkejši vir. Agregator tega povpraševanja zajame nesorazmerno vrednost.
Ekonomska logika: Deflacija funkcij, inflacija poteka dela
Upoštevajte tri premise:
- Dostop do modela se širi: Zdaj obstaja več visokokakovostnih modelov s hitrim ponavljanjem in znižanjem cen za sklepanje.
- Zamenjava funkcij je enostavna: Če je povzemalnik, prevajalnik ali generator na voljo pri več prodajalcih, končni uporabniki v večini primerov ne morejo ugotoviti razlike.
- Preklop potekov dela je težak: Navade, podatkovni kontekst in integracije ustvarjajo trenja. Ekipe standardizirajo orodja, ki integrirajo od konca do konca.
Sledi sklep: Funkcije umetne inteligence deflacirajo v ceni in strateški vrednosti, razen če so vdelane v potek dela, ki se sešteva. Poteki dela, ki združujejo korake – avtorstvo, pregledovanje, arhiviranje, objavljanje in analitika – imajo največ koristi, ker zbirajo kontekst, ki izboljšuje delovanje umetne inteligence in ustvarja podatke, ki jih ni mogoče izvoziti. Ta kontekst je novi obrambni jarek.
Zgodovinska analogija: Oblak, mobilne naprave in izginjajoči razlikovalni dejavnik
V prehodu v oblak je infrastruktura postala programirljiva in elastična. Zmagovalci niso bili strežniki; bile so platforme, ki so orkestrirale razvijalce in podatke. V mobilnih napravah so se senzorji in zasloni komoditizirali; zmagovalci so bili privzeti agregatorji, ki so nadzorovali distribucijo. Umetna inteligenca združuje elemente obojega: modeli so nova programirljiva podlaga; zmagovalci bodo orkestratorji poteka dela in pozornosti.
Nabor ponovno usklajen: Kdo zajame vrednost?
- Ponudniki modelov: Prednost se poveča z obsegom (računalništvo, licenciranje podatkov), blagovno znamko (zaupanje) in vertikalno specializacijo (modeli, prilagojeni domeni). Toda brez distribucije je pogajalska moč z aplikacijami ciklična.
- Infra in orodja: Vrednost je resnična, vendar jo izničijo inovacije odprte kode in združevanje v oblaku. Diferenciacija je strošek, zanesljivost in skladnost.
- Poteki dela aplikacij: Težišče. Kjer se prežemanje umetne inteligence pretvori v ponavljajoče se prihodke, zadrževanje in prodajo navzgor. Bolj ko izdelek prevzame korake, boljša postane njegova umetna inteligenca iz lastniškega konteksta.
- Agregatorji: Uveljavljeni ponudniki s privzetimi položaji – paketi za produktivnost, platforme za razvijalce, komunikacijska vozlišča – so v prednosti. Njihovo tveganje je samozadovoljstvo: če obravnavajo umetno inteligenco kot dodatek, namesto da bi preoblikovali poteke dela, lahko novi udeleženci vstopijo.
Od kopilotov do sistemov: Premik izdelka
Prva generacija funkcij umetne inteligence je bila videti kot kopiloti – inline pomoč pri besedilu, kodi ali slikah. Koristno, vendar ne obrambno. Druga generacija je videti kot sistemi: agenti s stanjem, povezani z orodji, pravilniki in podatki, ki se ne merijo samo po kakovosti izhodnih podatkov, temveč tudi po dokončanju naloge od konca do konca. Sistemi prerazporejajo delo po korakih in uporabnikih, ne samo znotraj koraka. Ta premik je razlog, zakaj je prežemanje umetne inteligence pomembno: spreminja enotno ekonomijo dela.
Ključna posledica: izdelki bi morali biti zasnovani okoli rezultatov, ne pozivov. To pomeni lastništvo poteka dela: zajemanje podatkov, modeliranje konteksta, pravilnik, izvajanje in pregled. Bolj ko izdelek avtomatizira, več lahko zaračuna za rezultate, ne za sedeže.
Vprašanje distribucije: Kje uporabniki začnejo?
Teorija agregacije sprašuje: kje uporabniki začnejo? V umetni inteligenci je začetni kontekst vse. Če uporabnik začne v e-poštnem odjemalcu, najboljši povzemalnik zmaga v niti. Če začnejo v središču dokumentov, najboljši generator zmaga v orisu. Sčasoma bo mesto, kjer uporabniki začnejo, nabralo najpomembnejši kontekst, izboljšalo kakovost umetne inteligence in dodatno utrdilo izhodišče.
Ta dinamika pojasnjuje, zakaj uveljavljeni ponudniki tekmujejo pri pošiljanju umetne inteligence po svojih paketih: če uporabniki ustvarijo navade okoli privzetih nastavitev, izboljšanih z umetno inteligenco, se izzivalci težko vrinejo. Nasprotno pa lahko novi udeleženci izkoristijo poteke dela, ki niso v lasti – usklajevanje med orodji, upravljanje podatkov, avtomatizacija več agentov – kjer se uveljavljeni ponudniki premikajo počasi ali so omejeni s starimi predpostavkami.
Bližina podatkov kot obrambni jarek: vztrajnostni krog konteksta
Splošni modeli so dobri; kontekstualni modeli so boljši. Najboljši kontekst ni internet; to so zasebni, strukturirani in pravočasni podatki, ki živijo v orodjih podjetja. Strateška poteza je zgraditi vztrajnostni krog konteksta:
- Zajemanje: Pridobite uporabniške podatke iz dokumentov, vstopnic, klepetov in analitike z dovoljenjem.
- Model: Zgradite semantični in relacijski kontekst z vdelavami, shemami in pravilnikom.
- Delovanje: Uporabite ta kontekst za avtomatizacijo in pomoč pri visoko natančnih dejanjih.
- Vrnitev: Vnesite rezultate in povratne informacije nazaj v natančne nastavitve in strategije pridobivanja.
Ta zanka je glavni razlog, zakaj prežemanje umetne inteligence daje prednost izdelkom za potek dela: ti se nahajajo tam, kjer se podatki ustvarjajo in uporabljajo, ne tam, kjer se pasivno shranjujejo. Obrambni jarek ni model; to je integracija modela, konteksta in delovanja.
Moč določanja cen: Od sedežev do rezultatov
Če je umetna inteligenca funkcija, tekmuje s ceno sedeža. Če umetna inteligenca vodi potek dela, tekmuje z rezultati. Pojavljajo se trije načini določanja cen:
- Pomoč: Dodatki na sedež za kopilote; dobro za uveljavljene ponudnike, ki združujejo široko.
- Avtomatizacija: Določanje cen na postopek ali na izvajanje, usklajeno z dokončanimi nalogami; idealno, kjer avtomatizacija nadomešča korake.
- Preobrazba: Stopnje, ki temeljijo na rezultatih ali uporabi, so vezane na poslovne meritve (kvalificirani potencialni kupci, rešene vstopnice). Težje jih je prodati, bolj so lepljive, ko se izkažejo.
Ker se prežemanje nadaljuje, pričakujte pritisk na marže pri pomožnih funkcijah in zajemanje premij pri avtomatizaciji, kjer stranke količinsko opredelijo donosnost naložbe.
Strateške kompromise za graditelje
- Gradnja v primerjavi z izposojo modelov: Izposodite si splošne modele za širino; zgradite domensko prilagojene modele za globino. Cilj ni lastništvo modela, temveč primernost zmogljivosti in nadzor nad stroškovnimi krivuljami.
- GTM od spodaj navzgor v primerjavi z GTM od zgoraj navzdol: Od spodaj navzgor zmaga v razdrobljenih primerih uporabe; od zgoraj navzdol pospeši tam, kjer sta skladnost in integracija nujni. Prežemanje umetne inteligence podpira oboje; izberite glede na kritičnost poteka dela.
- Paket v primerjavi z najboljšim v svojem razredu: Paketi lahko dosledno integrirajo umetno inteligenco po korakih; najboljši v svojem razredu se lahko premikajo hitreje v določenih potekih dela. Interoperabilnost je strateško orožje za specialiste.
Tveganja in realnosti: Kakovost, upravljanje in zaupanje
Prežemanje umetne inteligence ni brezplačno. Tveganje halucinacij, uveljavljanje pravilnika, prebivališče podatkov in revidiranje so resnične omejitve. Strateški odziv je večplasten:
- Varovala: Hitro inženirstvo, omejeno dekodiranje, validacija in človek v zanki za kritična dejanja.
- Opaznost: Telemetrija po pozivih, odzivih in dejanjih za odpravljanje napak in izpolnjevanje skladnosti.
- Pravilnik: Zavedanje o vlogi, redakcija in sledljivost. Podjetja tega ne bodo sprejela brez te podlage.
Struktura trga: Konsolidacija na robovih
Pričakujte konsolidacijo v dveh plasteh. Na dnu se modeli in infra konsolidirajo okoli obsega. Na vrhu se poteki dela konsolidirajo okoli izhodišč – paketi, platforme za razvijalce, navpični SaaS. V sredini bo obstajala široka in konkurenčna plast orkestracije, povezovalnikov in okvirov agentov, vendar bo zajela omejeno vrednost, razen če imajo trajen distribucijski kanal.
Konkurenčna strategija za uveljavljene ponudnike
- Pošljite umetno inteligenco povsod, vendar merite nekje: instrumentirajte uporabo in rezultate, da ugotovite, kje umetna inteligenca dejansko spreminja poteke dela.
- Preoblikujte za kontekst: poenotite podatkovne modele in dovoljenja; pridobivanje brez upravljanja je predstavitev, ne izdelek.
- Premišljeno združite: določite ceno dodatkov za umetno inteligenco, da spodbudite sprejetje, nato pa preselite poteke dela visoke vrednosti na stopnje avtomatizacije.
- Branite začetek: okrepite privzete nastavitve in integracije; kjer niste izhodišče, zgradite klin preko avtomatizacije med izdelki.
Konkurenčna strategija za izzivalce
- Izberite poteke dela, ki niso v lasti: usklajevanje med orodji, predaja med oddelki ali navpični postopki z neurejenimi podatki.
- Zmagajte z rezultati: objavite meritve donosnosti naložbe (prihranjen čas, zmanjšanje napak) in uskladite cene s temi rezultati.
- Oblikujte za kontekst, ki se sešteva: poskrbite, da bo vsako dejanje izboljšalo naslednje; ustvarite stanje, ki ga ni mogoče izvoziti, ne da bi ujeli uporabniške podatke.
- Ofenzivno sodelujte: globoko se integrirajte v pakete uveljavljenih ponudnikov, da iz njih izsesate kontekst in postanete dejansko izhodišče za določena opravila.
S strateškega vidika Sider.AI ponazarja, kako prežemanje preusmeri prednost na izdelke, ki poenotijo kontekst in delovanje. Z vdelavo pomočnikov z umetno inteligenco neposredno v delo z znanjem – raziskovanje, pisanje, kodiranje – in orkestracijo pridobivanja iz dokumentov in spletnih virov z varovali, Sider.AI deluje manj kot dodaten kopilot in bolj kot sistem poteka dela. Ključna točka je bližina: Sider.AI se nahaja tam, kjer se delo začne (priprava, sklepanje, pregled kode), kar mu omogoča, da sčasoma združuje kontekst in izboljšuje rezultate. Ta položaj je v skladu s širšim argumentom: v svetu, kjer funkcije umetne inteligence prežemajo vse aplikacije, se vzvod poveča na aplikacijo, ki postane privzeto izhodišče za opravilo.
Študije primerov: Kje prežemanje ustvarja vzvod
- Podpora strankam: Umetna inteligenca preusmeri rutinske vstopnice, pripravi odgovore in sproži dejanja (povračila, ponastavitve). Zmagovalci integrirajo kontekst CRM, pravilnik in analitiko, da zagotovijo merljivo zmanjšanje časa reševanja.
- Prodajne operacije: Umetna inteligenca kvalificira potencialne kupce, piše sporočila, posodablja CRM in načrtuje nadaljnje korake. Vrednost se koncentrira tam, kjer sistem zapre zanko z natančno sinhronizacijo podatkov in sledenjem rezultatov.
- Razvoj programske opreme: Predlogi kode se komoditizirajo; repozitoriji, ki združujejo predloge s testi, CI/CD in kontekstom incidentov, ustvarjajo trajno vrednost.
- Upravljanje znanja: Povzetki in iskanje so obilni; sintetična sinteza, povezana s poteki dela (odobritve, naloge, objava), je redka in dragocena.
Meritve, ki so pomembne
- Stopnja dokončanja naloge: Odstotek potekov dela od konca do konca, dokončanih z minimalnim človeškim posredovanjem.
- Izraba konteksta: Delež dejanj, ki uporabljajo zasebne podatke z dovoljenjem v primerjavi s splošnim znanjem.
- Hitrost vključevanja povratnih informacij: Čas od uporabniških povratnih informacij do izboljšave modela/pridobivanja.
- Stroški strežbe na izid: Sklepanje plus stroški orkestracije na dokončano nalogo.
- Delež izhodišč: Delež opravil, ki se začnejo v vašem izdelku, kar je vodilni pokazatelj moči združevanja.
Ureditev in obrambni jarki
Ureditev bo verjetno otežila zahteve glede skladnosti modela in podatkov, kar bo koristilo dobro kapitaliziranim ponudnikom modelov in izdelkom za potek dela, pripravljenim za podjetja. Vendar pa ureditev redko ustvari obrambne jarke sama po sebi; dvigne tla. Obrambni jarki izhajajo iz združevanja konteksta, distribucije in oblikovanja navad na plasti poteka dela.
Kaj se spremeni za ekipe, ki povsod uvajajo umetno inteligenco
- Najprej upravljanje: Vzpostavite podatkovne meje, dostop na podlagi vlog in revizijske sledi, preden povečate uporabo.
- Preslikava poteka dela: Določite postopke z visokim trenjem z jasnimi merili uspeha; ciljna avtomatizacija, kjer je uspeh merljiv.
- Upravljanje sprememb: Uvajanje umetne inteligence združite z usposabljanjem in priročniki; orodje je pomembno le, če se spremeni vedenje.
- Disciplinsko nabavo: Dajte prednost izdelkom, ki dokazujejo izboljšave rezultatov in se integrirajo z vašim sistemom evidence.
Opomba o odprti kodi in stroškovnih krivuljah
Odprti modeli znižujejo prag za zmogljivost in stroške, kar pospešuje deflacijo funkcij. Za številne poteke dela so odprti ali majhni specializirani modeli dovolj dobri, če so združeni z močnim pridobivanjem in varovali. Ta prilagodljivost je strateško uporabna: izdelkom omogoča nadzor nad ekonomijo enote in upiranje moči določanja cen s strani prodajalcev modelov. Kompromis je operativna kompleksnost; zmagovalci bodo obvladali usmerjanje in ocenjevanje modelov kot temeljne kompetence.
Strateška napoved: Naslednjih 24 mesecev
- Nasičenost funkcij: Pisanje, povzemanje, prevajanje in osnovni agenti umetne inteligence postanejo standard v večini orodij.
- Konsolidacija poteka dela: Manjše število izdelkov postane izhodišče za ključna opravila; drugi se integrirajo ali zbledijo na raven ustreznosti funkcij.
- Ekonomska divergenca: Pomožni dodatki so pod pritiskom cen; stopnje avtomatizacije zajamejo premijsko porabo, kjer je donosnost naložbe dokazljiva.
- Obrambni jarki, osredotočeni na podatke: Izdelki z najboljšimi cevovodi konteksta se odmaknejo, zlasti v vertikalah s strukturiranimi postopki in potrebami po skladnosti.
- Tihe infra vojne: Nadaljnje naložbe v opazovanje, ocenjevanje in nadzor stroškov; potrebno, vendar ne zadostno za trajno prednost.
Sklep: Prežemanje kot ponovna uskladitev
Pravilen način razlage »funkcije umetne inteligence prežemajo vse aplikacije« ni kot kontrolni seznam, temveč kot prerazporeditev vrednosti. Funkcije se bodo zabrisale med izdelki; poteki dela bodo koncentrirali vrednost na manj mestih. Konkurenčno vprašanje torej ni »Ali imate umetno inteligenco?«, temveč »Kje uporabniki začnejo in kako hitro se vaš kontekst sešteva?« Graditelji bi morali dati prednost potekom dela pred predstavitvami, rezultatom pred pozivi in kontekstu pred splošno zmogljivostjo. Kupci bi morali zahtevati izmerjeno donosnost naložbe in upravljanje. Vsi bi se morali zavedati, da je prežemanje sredstvo; združevanje okoli potekov dela je cilj.
Metodološka opomba in branje trga
Ta analiza združuje napovedi izdelkov, premike cen in vzorce posvajanja v horizontalni in vertikalni programski opremi. Rdeča nit je skladna s preteklimi cikli platform: sposobnost ločuje prve posvojitelje, distribucija in nadzor nad potekom dela pa ločujeta zmagovalce. Pri umetni inteligenci je razlika v hitrosti. Ker je sposobnost široko dostopna in se hitro izboljšuje, se stroški zamude pri integraciji poteka dela povečajo zaradi kontekstnih vztrajnikov konkurentov.
Strateški imperativ je torej jasen: izberite, kje boste izhodiščna točka, zgradite kontekstni vztrajnik okoli tega dela in pustite, da permeacija opravi ostalo.
Dodatek: Praktični priročniki
Za vodje izdelkov
- Preslikajte delo: Določite celotno delo, ki ga je treba opraviti (), in meritve, ki dokazujejo uspeh.
- Instrumentirajte vse: Zbirajte telemetrijo o pozivih, virih konteksta, sprejetih ukrepih in rezultatih.
- Okrepite hrbtenico: Zgodaj investirajte v dovoljenja, pravilnike in opazovanje.
- Inteligentno usmerjajte: Uporabljajte več modelov; usmerjajte glede na nalogo, stroške in zakasnitev.
- Zaprite zanko: Zgradite sistematično zajemanje in vrednotenje povratnih informacij; tedensko izboljšujte.
Za kupce in CIO
- Zahtevajte kontekst: Dajte prednost prodajalcem, ki varno uporabljajo vaše zasebne podatke za boljše rezultate.
- Vztrajajte pri ocenjevanju: Izvedite pilotni projekt z merljivimi merili uspešnosti in primerjajte stroške z rezultatom.
- Načrtujte spremembe: Načrtujte čas za uvajanje uporabnikov in preoblikovanje procesov; donosnost naložbe izhaja iz spremembe vedenja.
- Izogibajte se nenamernemu zaklepanju: Dajte prednost arhitekturam, ki omogočajo izbiro modela in prenosljivost podatkov, tudi ko standardizirate poteke dela.
Bistvo je preprosto: UI kot funkcija je neizogibna; UI kot potek dela je izbira. Izberite pametno.
Pogosta vprašanja (FAQ)
V1: Zakaj prodiranje UI zmanjšuje diferenciacijo funkcij?
Ker postaja dostop do visokokakovostnih modelov vsesplošen, se osnovne funkcije UI, kot sta povzemanje ali generiranje, zbližujejo v zmogljivosti in ceni. Diferenciacija se preusmerja na integracijo poteka dela, lastniški kontekst in distribucijo – kjer stroški preklopa in združevanje podatkov ustvarjajo trajne jarke.
V2: Kako naj podjetja za programsko opremo oblikujejo cene za funkcije UI v primerjavi z avtomatizacijo?
Cenitev na podlagi sedeža deluje za pomožne kopilote, vendar se sooča s pritiskom na maržo, ko funkcije postajajo standardne. Avtomatizacija in nivoji, ki temeljijo na rezultatih, usklajujejo cene z merljivo vrednostjo, kar omogoča višji ARPU, kjer UI dokonča celotne poteke dela.
V3: Katera podatkovna strategija ustvarja jarek za aplikacije, ki jih poganja UI?
Zgradite kontekstni vztrajnik: zajemajte podatke z dovoljenjem, modelirajte odnose in pravilnike, ukrepajte na potekih dela in vnesite rezultate nazaj v iskanje in natančno nastavitev. Ta združevalni kontekst izboljšuje natančnost in ustvarja neizvozne prednosti brez zajemanja uporabniških podatkov.
V4: Kje se bo vrednost koncentrirala v skladovnici programske opreme UI?
Prednosti obsega se nabirajo ponudnikom modelov in infrastrukture, vendar se presežni zajem preusmerja na potek dela in agregate. Izdelki, ki postanejo privzeta izhodiščna točka za ključna dela, bodo združevali povpraševanje in zajeli največji delež vrednosti.
V5: Kako se lahko uveljavljeni akterji branijo pred izzivalci, rojenimi z UI?
Preoblikujte arhitekturo okoli konteksta in rezultatov, ne le priključenih funkcij: poenotite podatke, uveljavite upravljanje in merite dokončanje nalog. Nato združite UI, da okrepite privzete nastavitve, medtem ko gradite nivoje avtomatizacije, kjer je donosnost naložbe dokazana.
Novi članki
Kako obvladati ChatPDF: Hitrejši vpogledi v obsežne dokumente
Najboljša alternativa X samodejnemu prevajanju za hitre in natančne dokumente
Samsung AI prevajanje ni na voljo v Iranu? Praktične rešitve
Orodja za prevajanje v perzijski jezik: praktičen vodnik za hitrejše in natančno delo
Najboljša alternativa Groku za poglobljene, citirane raziskave
Top 15 funkcij generatorja slik z umetno inteligenco, ki jih boste dejansko uporabljali