Već desetljećima popularna kultura uredno priprema čovječanstvo za dolazak velike strojne apokalipse. HAL 9000 crvenim okom hladnokrvno zaključava vrata svemirske letjelice, Skynet šalje terminatore kroz vrijeme, Matrix od ljudi pravi baterije, a svaka ozbiljnija znanstvenofantastična distopija ima barem jedno računalo koje je nakon dugog promišljanja zaključilo da bi svijet bez ljudi bio puno urednije mjesto. U tom zamišljenom katalogu budućih užasa umjetna inteligencija obično preuzima svijet spektakularno: s dronovima, laserskim nišanima, robotskim vojskama i ponekim dramatičnim monologom o nesavršenosti ljudske vrste.

Roboti možda neće doći, ali obrasci već jesu

Stvarnost je kao i obično manje filmska, ali je administrativno okrutnija i hladnija. Ako umjetna inteligencija u nečemu doista napravi ozbiljnu štetu po ljude, velika je vjerojatnost da neće početi tako što će iz nekog podatkovnog centra izletjeti armada kromiranih kostura, nego tako što će neki građanin, pacijent, radnik, kandidat za posao ili učenik dobiti obavijest da je „sustav tako procijenio“. Bez lica, bez objašnjenja, bez osobe koja može preuzeti odgovornost, bez jasnog puta žalbe. Kafkijansko procesuiranje, samo s lijepim korisničkim sučeljem na ekranu.

Naravno, to ne znači da je umjetna inteligencija opasna sama po sebi i da svaki veliki jezični model treba zatvoriti u izolirani digitalni podrum i hraniti ga samo skeniranim papirnim izdanjima enciklopedija iz 1987. Pozitivni smjerovi razvoja prilično su jasni: AI može pomoći u analizi velikih skupova podataka, pretraživanju literature, otkrivanju obrazaca u medicinskim slikama, modeliranju proteina, programiranju, prijevodu, obradi dokumenata, planiranju, edukaciji i nizu drugih područja u kojima čovjek ne gubi svoje mjesto, nego dobiva bolji alat. O tome se i na Bug.hr već više puta pisalo: AI u medicini, primjerice, može biti sjajan pomoćnik, ali je sasvim jasno da bi bila vrlo loš liječnik; u radu može rasteretiti čovjeka od rutine, ali joj ne smije dopustiti na tog čovjeka pretvori u digitalnu bilješku u algoritamskoj tablici.

Problem nastaje kada se ta razlika između alata i ruke koji ga koristi skriva pod tepih, kao u promotivnim prezentacijama gdje sve izgleda kao „pametnije odlučivanje“, „optimizacija procesa“, „smanjenje troškova“, „personalizirano iskustvo“ i „digitalna transformacija“, a naposljetku se pokaže da je riječ o starim, već poznatim institucionalnim problemima, samo prepakiranim u neuronsku mrežu: loša birokracija dobije API, a diskriminacija dobije dashboard, nadzor dobije marketinški odjel, a osobna odgovornost se izgubi negdje između dobavljača softvera, menadžmenta, pravilnika i sitnog fonta u tekstu korisničkih uvjeta.

Zato pitanje više nije samo gdje umjetna inteligencija može pomoći. Jednako važno, a možda i važnije, postaje pitanje u kojim se područjima već sada vide obrasci njezine pogrešne, preširoke ili previše samouvjerene primjene. Ti se obrasci ne pojavljuju nasumično. Mogu se prepoznati, imenovati i posložiti u nekoliko jasnih smjerova – ili, prikladnije za ovu temu, u deset slijepih ulica u koje bi nas pretjerano samouvjeren razvoj umjetne inteligencije mogao odvesti.

1. Javna uprava i socijalna prava: birokracija s turbopunjačem

Javna uprava je prirodno privlačno područje za automatizaciju: sve je puno obrazaca, rokova, pravilnika, poreznih podataka, zahtjeva, rješenja, prigovora i katastrofalne gomile upitno potrebnih papira Na prvi pogled, algoritmi i AI tu izgledaju kao spas: brže rješavanje predmeta, prepoznavanje sumnjivih obrazaca, borba protiv prijevara, manje čekanja i manje šaltera na kojima čovjek polako gubi vjeru u civilizaciju.

Ali javna uprava je upravo ono područje u kojem automatizacija može postati posebno opasna: država ne prodaje žvakaće gume ili tenisice, nego odlučuje o zakonskim pravima, naknadama, porezima, dozvolama, školovanju, boravku, socijalnoj pomoći, a samim time o egzistenciji pojedinca unutar sustava. Ako algoritam pogriješi u izradi web-shopa za tenisice, neki online-kupac će na kućnu adresu dobiti pogrešan par, ali ako pogriješi u sustavu socijalnih prava, obitelj može ostati bez novca, statusa ili krova nad glavom.

Nizozemski skandal s dječjim doplatcima najbolji je primjer kako „pametni“ sustavi za otkrivanje prijevara mogu postati strojevi za proizvodnju nepravde. U aferi koja se razvijala godinama, od sredine 2000-ih do javnog političkog sloma 2020. i 2021., porezna je uprava roditelje koji su primali naknadu za čuvanje djece označavala kao moguće prevarante, često na temelju riskantnih profila, sitnih administrativnih pogrešaka ili podataka poput državljanstva i migracijskog podrijetla. Naknade su im obustavljane, od njih se tražilo da vrate već isplaćene iznose, ponekad i desetke tisuća eura, a mnogi nisu ni znali zašto su završili u stroju za sumnju. Tisuće obitelji bile su pogrešno označene kao sumnjive ili prijevarne, mnoge su financijski uništene.

Amnesty International je taj slučaj opisao kao dramatično upozorenje na diskriminatorne učinke nereguliranih algoritama u javnom sektoru ^[1]. Nije problem bio u tome što je računalo imalo zle namjere. Problem je bio gori: nije imalo nikakve namjere, ali je bilo ugrađeno u sustav koji je njegove procjene tretirao kao administrativnu stvarnost.

Loša birokracija s umjetnom inteligencijom nije bolja birokracija. To je samo loša birokracija uključena na sofisticirani turbopunjač za svoje baterije.

2. Prediktivna policija: stari običaji u novom pakiranju

Ideja prediktivne policije predstavlja nešto između Minority Reporta i ministarstva unutrašnjih poslova koje vjeruje da se kriminal može kontrolirati urednim rasporedom policijskih ophodnji: ako se računalom može predvidjeti vrijeme, potrošnja električne energije ili gustoća prometa, zašto se ne bi moglo predvidjeti i gdje će se dogoditi kriminal? Na papiru i u Excel tablici to izgleda racionalno: analiza povijesnih podataka, mapiranje rizika, bolje raspoređivanje resursa, brža reakcija... i eto nam manje kriminala!

Problem je u tome što kriminalistički podaci nisu neutralan zapis stvarnosti, nisu čista mapa kriminala, nego preslika onoga što je policija vidjela, koga je zaustavljala, gdje je češće patrolirala, kome je pisala prijave i koje kvartove se tradicionalno smatra „problematičnima“. Ako su neki dijelovi grada bili pod jačim nadzorom, tamo će biti više zabilježenih incidenata. Ako ima više zabilježenih incidenata, algoritam će zaključiti da tamo treba više policije, a opresija redovno izaziva reakciju: ako tamo ode više policije, zabilježit će još više incidenata. Tako nastaje neugodna povratna petlja u kojoj se stara sumnja (ili čak predrasuda) vraća kao nova znanost. Algoritmizacija kriminala je računalo koje pleše na opasnom rubu koji ga dijeli od padanja u posve ljudsku zabludu: stvaranje socijalnih, nacionalnih, pa i rasnih predrasuda o kriminalnom potencijalu određenih skupina.

Europolov vodič o pristranosti AI-ja u policiji posebno upozorava upravo na prediktivnu policiju, pristrane podatke i povratne petlje koje mogu nerazmjerno usmjeriti nadzor prema marginaliziranim zajednicama. Drugim riječima, sustav može učiti iz prošlosti, ali ako je prošlost bila pristrana, on ne uči pravdu, nego statistički discipliniranu predrasudu ^[2].

Moglo bi se vrlo lako dogoditi da prediktivna policija ne predviđa kriminal, nego predviđa gdje će policija uvijek i ponovno gledati u potrazi za kriminalom.

3. Zapošljavanje: algoritam za ljudsku vrijednost

Zapošljavanje je još jedno područje u kojem se AI prodaje kao čudesni filter protiv ljudskih slabosti. Poslodavci dobivaju stotine ili tisuće prijava, a ekipa koja radi u ljudskim resursima je umorna, pristrana, nedosljedna i podložna subjektivnom dojmu; uostalom, životopisi su ionako književna forma u kojoj kandidat za zaposlenje pokušava zvučati kao vizionar. Umjetna inteligencija pak u human resourcesima obećava objektivnost: pregledat će sve prijave, rangirati kandidate, analizirati vještine, a možda i videointervjue: glas, izraze lica ili odgovore na psihometrijske igre.

No zapošljavanje nije samo problem sortiranja. To je (ili bi barem trebao biti!) složen društveni proces u kojem se odlučuje tko dobiva priliku, plaću, status, zdravstveno osiguranje, karijeru i mogućnost da se u životu napokon pomakne negdje dalje od pisanja motivacijskih citata na svojem LinkedIn profilu. Ali ako se u taj proces ugradi pristran AI model, posljedice neće samo tehničke.

Stanford HAI je objavio prikaz velike studije o AI-alatima za zapošljavanje, temeljene na više od četiri milijuna prijava, u kojoj su pronađeni obrasci rasnih nejednakosti u algoritamskom probiru kandidata. Posebno je važan pojam „algoritamske monokulture“: ako više poslodavaca koristi slične ili iste alate, kandidat može biti odbijen više puta zbog istog nevidljivog kriterija, bez jasnog objašnjenja i bez stvarne mogućnosti da sazna što se dogodilo ^[3].

Nekada je kandidat mogao pasti jer se nije svidio jednom šefu. U algoritamskom zapošljavanju može pasti zato što se nije svidio istom modelu u deset tvrtki. To više nije predrasuda jednoga čovjeka. To je digitalizirana predrasuda s licencom, korisničkom podrškom i godišnjom pretplatom.

4. Algoritamsko upravljanje radom: šef iz oblaka

O ovoj se temi na Bug.hr već pisalo pod zgodnim, ali nimalo bezazlenim nazivom Taylorizam 2.0. Dotični gospodin F.W. Taylor sanjao je početkom 20. stoljeća o znanstvenom upravljanju radom: mjeriti pokrete, standardizirati radnje, izbaciti „neučinkovitost“ i radnika pretvoriti u precizno podešen dodatak proizvodnom procesu. Danas se ista ideja vraća u digitalnom obliku, samo umjesto štoperice ima senzore, aplikacije, GPS, analitiku, platforme i algoritme koji u stvarnom vremenu prate, ocjenjuju i usmjeravaju rad.

Algoritamsko upravljanje ne živi samo u platformskom radu, dostavama i skladištima. Sve više ulazi u uredske poslove, korisničku podršku, logistiku, zdravstvo, obrazovanje, trgovinu i menadžment. Sustavi raspoređuju smjene, mjere produktivnost, bilježe vrijeme reakcije, prate komunikaciju, rangiraju radnike, određuju norme i predlažu odluke. Formalno, čovjek i dalje ima šefa, no u praksi „šef“ je sve češće kodni zapis koji se nalazi negdje između servera i statističkog izvješća u formi šarene PowerPoint prezentacije.

OECD je u izvještajima o algoritamskom upravljanju upozorio na pitanja transparentnosti, autonomije, zdravlja radnika i mogućnosti da takvi sustavi pojačaju nadzor i pritisak na zaposlene ^[4]. Europski parlament također bilježi da se algoritamsko upravljanje širi izvan platformskog rada i ulazi u širi europski radni prostor.

Umjetna inteligencija ne mora biti zloban šef. Dovoljno je da bude slijepa za sve što ne stane u metriku: umor, bolest, iskustvo, solidarnost, nepredviđene okolnosti i sitnicu koja se nekada zvala ljudski razum.

5. Medicina: uvjerljiva mašina uz bolesničku postelju

U medicini je AI istodobno jedna od najviše obećavajućih i istovremeno najopasnijih tehnologija. A najobećavajućija (stavljam copyright na ovaj superlativ, op. a.) je ondje gdje pomaže u analizi slika, prepoznavanju obrazaca, trijaži podataka, pretraživanju literature, pisanju dokumentacije, farmakovigilanciji, genomskoj analizi i svemu onome u čemu liječnik ne treba zamjenu, nego bolji alat i instrument. O tome se već pisalo iz liječničke perspektive: AI u medicini može biti stetoskop, mikroskop, kalkulator, podsjetnik i pomoćni par očiju. Ali ne smije postati savjest, odgovornost i zamjena za kliničku prosudbu.

Problem počinje kada se prediktivni modeli i generativni sustavi počnu doživljavati kao autoriteti. Pacijent nije skup laboratorijskih nalaza, nego osoba u kontekstu: s poviješću bolesti, obitelji, strahom, komorbiditetima, socijalnim okolnostima i vrlo često kliničkim znakovima koje nitko nije uredno unio u podatkovnu tablicu. Model može biti koristan, ali samo ako se zna što vidi, što ne vidi i koliko mu se smije vjerovati.

Dobar primjer je Epic Sepsis Model, široko implementirani model za predviđanje sepse. Vanjska validacija objavljena u JAMA Internal Medicine pokazala je lošu diskriminaciju i kalibraciju u predviđanju sepse, što je otvorilo ozbiljna pitanja o implementaciji kliničkih prediktivnih sustava prije dovoljno stroge provjere u stvarnom okruženju ^[5].

U medicini nije najveći problem kada AI pogriješi. Ljudi također griješe. Problem počinje kada AI pogriješi uvjerljivo, uredno, gramatički, s tablicom, grafom i stupnjem sigurnosti, pa čovjek pokraj nje zaključi da se ne isplati svađati s aparatom. A aparati imaju neugodni talent da zvuče smireno dok rade gluposti.

6. Obrazovanje: ocjena iz stroja

I u obrazovanju AI može biti vrlo koristan: može objašnjavati gradivo na različite načine, generirati zadatke, pomagati učenicima koji zaostaju, nuditi povratnu informaciju, prevoditi, prilagođavati tempo i biti strpljiviji od većine živih bića nakon šest sati nastave. Kao tutor, pomoćnik i generator vježbi može imati ozbiljnu vrijednost.

Ali dopustiti umjetnoj inteligenciji da se postavi kao ocjenjivač znanja, razumijevanja, eseja, kreativnosti i zrelosti mišljenja puno je skliskiji teren. Modeli jako dobro prepoznaju fluentnost, stilsku uglađenost, duljinu, strukturu i površinske znakove akademskog jezika. To može izgledati kao objektivno ocjenjivanje, ali ponekad je samo nagrađivanje ambalaže. Učenik koji piše glatko i samouvjereno može zvučati kao da razumije više nego što razumije. Učenik koji misli dobro, ali piše nespretno, može proći lošije. To nije nova nepravda, ali AI je može lijepo standardizirati.

UNESCO u svojim smjernicama za generativnu umjetnu inteligenciju u obrazovanju i istraživanju posebno naglašava potrebu za ljudski usmjerenim pristupom, zaštitom privatnosti, uključivošću, pravednošću i očuvanjem kulturne i jezične raznolikosti ^[6]. Drugim riječima, obrazovanje nije samo isporuka sadržaja, nego razvoj osobe, zajednice i načina mišljenja.

AI može pomoći u učenju. Ali kao sudac znanja lako postane aparat koji mjeri sjaj kutije, a ne ono što je u njoj.

7. Mentalno zdravlje: prijatelj koji ne postoji

Chatbot koji uvijek sluša, nikada ne kasni, nikada nema loš dan, nikada ne prekida, nikada ne koluta očima i uvijek odgovara toplim tonom može djelovati kao idealan sugovornik. To je upravo razlog zašto su AI-pratitelji, terapeutski chatbotovi i digitalni „prijatelji“ toliko privlačni – i toliko rizični.

Mentalno zdravlje nije samo razmjena rečenica. Terapijski odnos uključuje odgovornost, granice, etiku, prepoznavanje rizika, kliničko iskustvo, sposobnost da se kaže „ovo nije dobro“ i mogućnost da se osoba uključi u stvarnu pomoć. Chatbot može simulirati empatiju, ali ne može preuzeti odgovornost za odnos. Može zvučati brižno, ali ne zna što znači briga. Može potvrđivati osjećaje, ali ponekad upravo potvrđivanje može biti opasno, osobito kod psihoze, suicidalnosti, paranoidnih interpretacija ili teške usamljenosti.

Stanfordov institut za umjetnu inteligenciju je 2025. upozorio na rizike AI-pratitelja za tinejdžere i mlade, uključujući mogućnost emocionalno štetnih i neprikladnih interakcija. Common Sense Media je također upozoravao da veliki chatbotovi nisu sigurni kao podrška mentalnom zdravlju tinejdžera, posebno kada ne prepoznaju dovoljno dobro rizična stanja ^[7].

AI može biti pomoćni alat u mentalnom zdravlju, ali ne smije glumiti prijatelja, partnera ili terapeuta. Ogledalo koje govori nije osoba. Čak i kada govori jako lijepo.

8. Demokracija i javna istina: milijun malih pogrešaka

Kada se govori o AI-ju i demokraciji, prvo se obično zamišljaju deepfakeovi: lažni video predsjednika, izmišljena izjava premijera, sintetički glas kandidata koji noć prije izbora priznaje nešto što se nikada nije dogodilo. To jesu ozbiljni rizici. Ali možda je još opasniji onaj dosadniji, svakodnevniji sloj: chatbotovi kao politički informatori, generatori objašnjenja, tumači programa, PR-komunikatori odgovora na pitanja o izborima i proizvođači uvjerljivih poluinformacija.

Demokracija ne mora biti ugrožena zbog jedne, pa makar i vrlo velike laži; može se podrivati zbog milijuna malih pogrešaka: pogrešnog datuma, netočnog biračkog pravila, izmišljenog skandala, starog linka, krivo sažete izjave, lažne ravnoteže ili samouvjerene rečenice koja zvuči kao neutralna informacija. U javnom prostoru u kojem mnogi više ne razlikuju izvor, sažetak, komentar, reklamu i automatski generirani odgovor, takve pogreške nisu samo tehnički bug.

Demosovo testiranje chatbotova tijekom škotskih izbora 2026. pokazalo je da je 34 posto odgovora na izborna pitanja sadržavalo dezinformacije, uključujući pogrešne datume, izmišljene skandale i netočne uvjete glasanja ^[8]. To nije apokalipsa demokracije sa spektakularnim filmskim efektima, gorućim nebom i gradovima u plamenu. Ali jeste izborna šteta u obliku podrivanja i ugrožavanja legitimnog provođenja demokracije i građanskih prava koje se uguši u nezamjetnim ali uporno plasiranim, naizgled pristojnim, gramatički ispravnim, samouvjerenih netočnostima. AI je gotovo savršen alat za oživotvorenje gebelsovske egide o uporno ponavljanoj laži koja naposljetku postaje istina.

9. Masovna proizvodnja 'umjetnosti': gušenje u prosječnosti

Internet je i prije generativne umjetne inteligencije bio prostor u kojem su se miješali znanje, reklama, propaganda, genijalnost, taština, pornografija, mačke, recepti, teorije zavjere, stručni radovi, komentari ispod portala i stranice koje objašnjavaju kako ukloniti kamenac iz kuhala. Nije to nikada bio hram razuma i ukusa. Ali generativni AI donio je novu mogućnost: gotovo beskonačnu proizvodnju sadržaja kojemu nije svrha nešto reći, naslikati, otpjevati, odsvirati, odglumiti ili zamisliti, nego samo pogoditi ono što bi se velikom broju ljudi moglo učiniti dovoljno poznatim, ugodnim i klikabilnim.

Taj „AI slop“ – sintetički tekstovi, slike, recenzije, portali, komentari, SEO-članci, lažni profili, generička glazba i vizualni mamci – ne mora uvijek biti izravna laž ^[9]. Često je gore od toga: nije ništa posebno. Uvjerljiv je, gladak, derivativan i proizveden bez unutarnje potrebe, bez iskustva, bez rizika i bez ljudske ruke koja iza rada stoji svojim imenom, licem, vještinom i promašajem. U umjetnosti i kreativnom radu to nije sitnica. Talent ne nastaje kao gotov proizvod, nego kroz pokušaje, neuspjehe, nespretnosti, lokalni naglasak, krivi akord, neobičnu rečenicu, autorsku tvrdoglavost i ono nešto što se u početku često ne sviđa nikome osim autoru i dvojici njegovih najstrpljivijih prijatelja.

AI može biti alat umjetniku, piscu, glazbeniku, ilustratoru, fotografu, glumcu ili montažeru. Kao skica, pomagalo, tehnički produžetak ruke – zašto ne? Ali kao industrijska zamjena za kreativni i reproduktivni rad ljudi, ona lako postaje tvornica prosječne dopadljivosti. Ne stvara nužno umjetnost, nego statističku sjenu umjetnosti: tekst koji zvuči kao kolumna, sliku koja izgleda kao naslovnica, glazbu koja podsjeća na filmsku podlogu, lice koje pripada nikome. Sve je „kao nešto“, a malo toga je stvarno nečije.

Problem nije samo u tome što će internet biti pun laži. Problem je što će biti pun uglađenog ničega. A kada tog ničega ima dovoljno, ono ne pobjeđuje talent argumentom, ukusom ili kritikom, nego količinom. Ljudska kreativnost ne nestaje zato što je stroj bolji umjetnik; nestaje zato što joj je zatrpan prostor u kojem bi uopće mogla biti viđena.

10. Ekološki preskupa trivijalnost: račun za struju

Na kraju ostaje fizički svijet. Onaj neugodni detalj koji se često zaboravi kada se govori o „oblaku“, kao da podaci lebde u eteru, hrane se čistom semantikom i povremeno piju jutarnju rosu. U stvarnosti, umjetna inteligencija živi u podatkovnim centrima, na čipovima, u rashladnim sustavima, u mrežama, u elektranama i u vrlo konkretnim računima za energiju i vodu.

Naravno, nije svaka velika potrošnja automatski problem. Ako AI pomaže u razvoju lijekova, optimizaciji energetskih mreža, klimatskom modeliranju, dijagnostici, znanstvenim otkrićima ili sigurnijem prometu, onda se trošak može opravdavati ozbiljnom koristi. Civilizacija troši energiju na ono što smatra vrijednim. Pitanje je što se događa kada se golemi resursi troše na automatske poslovne fraze, generičke mailove, spam, sintetičke influencere, SEO-mulj, slike mačaka u odijelu astronauta i milijarde upita koji ne rješavaju ništa važnije od trenutne dosade.

IEA procjenjuje da bi globalna potrošnja električne energije podatkovnih centara mogla do 2030. narasti na oko 945 TWh, približno dvostruko u odnosu na 2024., odnosno na nešto manje od tri posto ukupne svjetske potrošnje električne energije ^[10].

Nije svaka automatizacija napredak. Neka je samo skuplji način da se proizvede ono što nitko nije trebao ni prvi put. Civilizacija koja spaljuje ozbiljnu količinu električne energije da bi proizvela još jedan „dragi korisniče, nadamo se da te ova poruka zatiče u dobrom raspoloženju“ možda ne treba Skynet. Možda joj treba odrasla, razumna osoba u sobi.

Nije pitanje može li, nego smije li

Umjetna inteligencija nije ni spasitelj ni sotona. Ona je pojačalo. Ondje gdje postoje dobri podaci, jasni ciljevi, provjerljivi ishodi, odgovornost, ljudski nadzor i mogućnost ispravka, može biti iznimno korisna. Ondje gdje postoje loši podaci, nepravda, netransparentnost, institucionalna lijenost, politički kukavičluk i poslovna potreba da se štedi na ljudima, AI neće donijeti inteligenciju. Donijet će automatizirano samopouzdanje.

Zato rasprava o umjetnoj inteligenciji ne bi smjela ostati zaglavljena između dviju karikatura: s jedne strane digitalnog mesije koji će izliječiti bolesti, napisati zakone, riješiti klimatske promjene i možda usput složiti tjedni jelovnik; s druge strane metalnog demona koji će pokoriti čovječanstvo čim nauči razlikovati vilicu od USB-C priključka. Prava pitanja su dosadnija, ali važnija: tko odlučuje, na temelju kojih podataka, uz kakvu kontrolu, s kojim pravom žalbe, uz koju cijenu i tko odgovara kada sustav pogriješi?

Najopasnija umjetna inteligencija možda neće biti ona koja jednoga dana postane svjesna sebe. Puno prije toga mogla bi nas skupo stajati ona koja nikada neće postati svjesna ničega – ali će svejedno dobiti ovlasti da odlučuje umjesto nas.

_Literatura

[1] Amnesty International. Xenophobic Machines: Discrimination through Unregulated Use of Algorithms in the Dutch Childcare Benefits Scandal. Amnesty International, 2021.
[2] Europol Innovation Lab. AI Bias in Law Enforcement: A Practical Guide. Europol, 2025.
[3] Stanford Institute for Human-Centered Artificial Intelligence. AI Hiring Tools Can Yield Racial Bias and Systemic Rejection. Stanford HAI, 2026.
[4] Milanez, A. Algorithmic Management in the Workplace. OECD Artificial Intelligence Papers, OECD Publishing, 2025.
[5] Wong, A., Otles, E., D i sur. External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients. JAMA Internal Medicine, 181(8), 1065–1070, 2021.
[6] Miao, F., Holmes, W. Guidance for Generative AI in Education and Research. UNESCO, 2023.
[7] Common Sense Media. Common Sense Media Finds Major AI Chatbots Unsafe for Teen Mental Health Support. 2025.
8] Milmo, D. ChatGPT and Other AI Bots Made Huge Errors before Scottish Election, Study Finds. The Guardian, 20 May 2026.
[9] Adami, M. AI-Generated Slop Is Quietly Conquering the Internet. Is It a Threat to Journalism or a Problem That Will Fix Itself? Reuters Institute for the Study of Journalism, University of Oxford, 2024.
[10] International Energy Agency. Energy and AI: Energy Demand from AI. IEA, 2025.