Od 3D ekrana do inteligentnog suputnika
U posljednjih godinu dana XR industrija prolazi tih, ali ključan zaokret. Fokus se pomiče s pukog prikaza 3D sadržaja na sustave koji prostor razumiju, predviđaju naše namjere i doslovno mogu s nama razgovarati. Generativna umjetna inteligencija – veliki jezični modeli, multimodalni modeli i specijalizirani agenti – sve se dublje integrira u AR, VR i MR okruženja.
Rezultat je nova klasa prostorne računale opreme u kojoj korisnik više ne mora učiti kompleksne izbornike ni zapamtiti desetke gesta. Umjesto toga, XR uređaj postaje „sučelje za razgovor“ s digitalnim svijetom: obraćamo mu se glasom, gestama i pogledom, a sustav u pozadini orkestrira AI modele, senzore i prostorne ankere.
Ovaj pomak mijenja samu definiciju XR‑a. Umjesto da XR doživljavamo kao 3D ekran zalijepljen za glavu, sve više govorimo o prostornim računalima – uređajima koji razumiju geometriju prostora, kontekst, korisničke ciljeve i podatke iz poduzeća. Generativna AI je „mozak“ koji sve to povezuje u jedno iskustvo.
Kako generativna AI smanjuje kognitivno opterećenje
Rana istraživanja objavljena početkom 2026. pokazuju da kombinacija XR‑a i generativne AI radikalno smanjuje kognitivno opterećenje korisnika. Umjesto da pamte gdje se nalazi određena funkcija ili kako se aktivira specifična gesta, korisnici jednostavno opisuju što žele:
- „Prikaži presjek ovog stroja i istakni dijelove koji se najčešće kvare.“
- „Stvori simulaciju frontalnog sudara za ovaj model vozila.“
- „Prilagodi ovu učionicu za sat biologije o ljudskom srcu.“
Veliki jezični modeli prevode te zahtjeve u niz XR akcija: generiranje scena, manipulaciju 3D objektima, aktivaciju relevantnih alata, pa čak i prilagodbu osvjetljenja ili field of view parametara kako bi korisnik lakše pratio sadržaj. Multimodalni modeli dodatno analiziraju sliku, dubinske podatke i tracking informaciju kako bi razumjeli što točno korisnik gleda ili dodiruje.
Na razini UX‑a to znači da se složeni 3D alati pretvaraju u razgovorne asistente. Korisnik više ne mora „lutati“ kroz slojevite izbornike unutar headseta; dovoljno je postaviti pitanje ili uputu, dok pogled i gesta služe kao precizan kontekst – primjerice, kojim objektom se bavimo ili koji dio scene treba izmijeniti.
Škola i trening: XR učionica koja sluša i odgovara
U obrazovanju, XR s generativnom AI otvara potpuno novi tip nastave. Nastavnik više ne mora unaprijed pripremiti svaku simulaciju ili 3D model. Umjesto toga, tijekom sata može „na licu mjesta“ zatražiti:
- simulaciju kemijskog pokusa s mogućnošću sigurnog „pretjerivanja“ s reagensima,
- rekonstrukciju povijesne bitke s mogućnošću mijenjanja strategija u realnom vremenu,
- prošireni prikaz anatomije s dinamičnim prikazom krvotoka ili rada pluća.
Učenici te sadržaje doživljavaju u VR‑u ili mješovitoj stvarnosti, s preciznim head i hand trackingom koji omogućuje prirodnu interakciju. Generativna AI u pozadini prilagođava složenost objašnjenja dobi i znanju učenika, generira dodatne primjere ili kviz pitanja i bilježi napredak.
Passthrough tehnologija omogućuje da se XR sadržaj „usidri“ u stvarni prostor učionice putem mixed reality ankera. Učenici tako mogu hodati oko virtualnog vulkana koji stoji na stvarnom stolu ili proučavati povijesne artefakte koji se pojavljuju točno na mjestu gdje inače stoje knjige. AI agenti objašnjavaju što se događa, odgovaraju na pitanja i predlažu dodatne aktivnosti.
Industrija i održavanje: kontekstualne upute u stvarnom prostoru
U industriji, logistici i održavanju opreme, spajanje XR‑a i generativne AI već prelazi iz pilot‑projekata u operativnu praksu. Tehničar koji nosi AR naočale vidi stvarni stroj ispred sebe, dok mu digitalni sloj prikazuje:
- AI‑generirane korake rada, prilagođene modelu i serijskom broju uređaja,
- upozorenja na temelju senzorskih podataka (vibracije, temperatura, tlak),
- 3D animacije koje pokazuju kako izvaditi ili zamijeniti određeni dio.
Generativna AI ovdje ne služi samo kao chatbot. Ona orkestrira cijeli proces: čita dokumentaciju, prepoznaje dijelove stroja putem računalnog vida, razumije prostorne odnose zahvaljujući preciznom SLAM‑u i spaja sve to s digitalnim tvinskim (digital twin) modelima iz CAD/BIM sustava.
Praktičan primjer: operater stoji ispred kompleksne pumpe u rafineriji. Gledajući u određeni ventil, pita: „Zašto je ovaj dio označen crveno?“ XR sustav kombinira live senzorske podatke, povijest kvarova i model rada postrojenja. Zatim objašnjava da je tlak iznad praga, generira vizualizaciju protoka kroz cjevovod u njegovom field of viewu i nudi korake za sigurno smanjenje opterećenja.
Takve kontekstualne, prostorno svjesne upute, koje su generirane u realnom vremenu, skraćuju vrijeme zastoja, smanjuju broj pogrešaka i omogućuju brže uvođenje novih radnika u posao.
Enterprise: od XR pilota do dijela digitalne infrastrukture
Za enterprise okruženja, integracija AI‑a u XR donosi novu razinu personalizacije, automatizacije i povezanosti s postojećim IT sustavima. Analize tržišta za 2026. upućuju na rast ulaganja upravo u rješenja gdje XR više nije izolirani eksperiment, već dio šire digitalne infrastrukture.
Ključan element u toj tranziciji je tzv. „AI sloj“ iznad prostorne aplikacije. On objedinjuje:
- CAD/BIM modele proizvoda, zgrada i postrojenja,
- podatke iz IoT senzora, SCADA sustava i proizvodnih linija,
- tehničku dokumentaciju, procedure, servisne logove,
- kontekstualne informacije iz stvarnog prostora (layout, opasne zone, tok ljudi).
Na toj osnovi nastaje jedinstveno, razgovorno sučelje za inženjere, liječnike ili operatere na terenu. Umjesto da pretražuju više sustava, korisnici u XR okruženju postavljaju pitanja prirodnim jezikom, dok AI agent razumije i prostorni kontekst: gdje se nalaze, na koji objekt gledaju, što se događa u pozadini.
Primjer iz zdravstva: kirurg u operacijskoj sali koristi mješovitu stvarnost. Passthrough prikazuje stvarnog pacijenta, dok XR sloj projicira CT i MR snimke direktno na tijelo. AI agent, povezan s bolničkim informacijskim sustavom, u realnom vremenu ističe kritične strukture, predlaže moguće rezne linije i upozorava na odstupanja od plana zahvata. Sve to, naravno, uz stroge kontrole sigurnosti i validacije.
Tehničke komponente: od trackinga do multimodalnih agenata
Da bi XR zaista postao „sučelje za razgovor“, potrebna je zrela kombinacija hardvera i softvera. Ključne komponente uključuju:
- Precizan tracking glave, ruku i očiju za prirodne geste i pogled kao pokazivač.
- Napredan passthrough s visokim dinamičkim rasponom i niskom latencijom, kako bi mješovita stvarnost bila uvjerljiva i sigurna.
- Širok field of view koji omogućuje da digitalni sadržaj ne „ispada“ iz vidnog polja pri normalnim pokretima glave.
- Mixed reality anchors za stabilno „usidravanje“ virtualnih objekata u stvarni prostor, čak i kad se korisnik kreće.
- Multimodalne AI modele koji istovremeno razumiju govor, tekst, sliku, dubinu i prostorne mape.
Na softverskoj strani, sve važniju ulogu dobivaju orkestracijske platforme koje upravljaju nizom specijaliziranih agenata: jedan agent razumije korisničke namjere, drugi radi s CAD podacima, treći interpretira senzorske signale, a četvrti brine o sigurnosti i dozvolama. XR klijent postaje „portal“ u taj ekosustav agenata.
Privatnost i sigurnost: prostorni podaci kao novi rizik
Ovakav pomak prema inteligentnim prostornim računalima otvara i nova pitanja. Generativni modeli u XR‑u prikupljaju i interpretiraju osjetljive prostorne podatke – od layouta ureda i skladišta do detaljnih modela industrijskih postrojenja ili bolničkih prostora.
Nedavna akademska istraživanja upozoravaju da prostorna suradnja u mješovitoj stvarnosti donosi kompleksne izazove privatnosti i sigurnosti. Kada više korisnika dijeli isti virtualni objekt ili radni prostor, postavlja se pitanje:
- Što se točno dijeli – samo 3D model ili i podaci o stvarnom okruženju?
- S kim se dijeli – s internim timom, vanjskim partnerima, dobavljačima?
- Pod kojim uvjetima – postoje li vremenska ograničenja, revizijski tragovi, granularne dozvole?
Bez jasnih pravila lako može doći do curenja poslovno kritičnih informacija. Primjerice, XR sesija za daljinsku podršku može nenamjerno otkriti layout sigurnosnog centra ili konfiguraciju osjetljive opreme. Generativni modeli, ako nisu pravilno ograničeni, mogu takve podatke koristiti za daljnje treniranje, što dodatno komplicira usklađenost s regulativom.
Zato uspješni XR projekti u sljedećoj fazi moraju istovremeno rješavati UX, AI orkestraciju i kibernetičku sigurnost. To uključuje lokalnu obradu gdje je moguće, enkripciju prostornog mapiranja, jasne politike anonimizacije i mogućnost potpunog isključivanja dijeljenja podataka prema vanjskim modelima.
Što organizacije trebaju raditi već danas
Sljedeća faza razvoja XR‑a može se sažeti u jednoj rečenici: prostorna računala postaju inteligentni suputnici u radu i učenju, a ne samo „3D ekrani na glavi“. Organizacije koje žele iskoristiti taj trend trebale bi već danas poduzeti nekoliko konkretnih koraka:
- Definirati XR strategiju koja eksplicitno uključuje generativnu AI i prostorne podatke, umjesto ad‑hoc pilota.
- Inventarizirati podatke – CAD/BIM, senzore, dokumentaciju – i procijeniti kako ih povezati u AI sloj iznad XR aplikacija.
- Postaviti pravila upravljanja podacima, uključujući klasifikaciju prostornog sadržaja, politike dijeljenja i zahtjeve za enkripciju.
- Testirati razgovorna sučelja u konkretnim use‑caseovima: edukacija, obuka, održavanje, daljinska podrška.
- Ulagati u UX i ergonomiju – od odabira headseta s odgovarajućim field of viewom do dizajna gesti i glasovnih naredbi.
Organizacije koje sada počnu graditi iskustva temeljena na generativnoj AI, uz jasna pravila privatnosti i sigurnosti, bit će u prednosti kada se XR definitivno ustali kao standardno sučelje za složene zadatke. Od dizajna proizvoda i obuke zaposlenika do operativnog upravljanja u realnom vremenu, prostorna računala s AI‑jem polako postaju novi, prirodni način razgovora s digitalnim svijetom.
