Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Radni tokovi s više modaliteta: kombiniranje teksta, slika i datoteka

Lekcija 14 od 14 Ažurirano 5. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Načelo
  2. Od terena do izvješća
  3. Vizualna financijska analiza
  4. Izrada ilustriranog sadržaja
  5. Unakrsna revizija
  6. Kada prijeći na ChatGPT Work
  7. Dizajniraj svoj vlastiti
  8. Tvoj red
  9. Ključne točke
  10. Provjeri svoje znanje

Pojedinačno korištene, mogućnosti koje si upravo naučio/la korisne su. No kada se kombiniraju u jednom razgovoru, njihova se snaga potpuno umnožava. Tekst, slike, datoteke i glas stapaju se kako bi izvršili zadatke za koje su ranije bili potrebni višestruki alati, brojni izvozi i opsežna ručna obrada. Ova je završna lekcija posvećena sastavljanju.

Načelo

Radni tok s više modaliteta povezuje više vrsta ulaza i izlaza unutar jednog razgovora radi postizanja definiranog cilja. Svaki korak iskorištava drugačiju mogućnost, a kontekst ostaje sačuvan od početka do kraja – upravo ta postojanost razlikuje ovaj pristup od niza izoliranih zahtjeva. Radni tok za konkurentsku inteligenciju ilustrira cijelu sliku.

  1. Učitaj Excel datoteku koja sadrži podatke o prodaji konkurenata
  2. Učitaj snimke zaslona njihovih web-mjesta
  3. Zatraži komparativnu analizu u obliku teksta
  4. ChatGPT izrađuje izvješće s generiranim grafikonima
  5. Ti dodatno razrađuješ točke koristeći glas

Četiri scenarija u nastavku primjenjuju ovo načelo na uobičajene profesionalne situacije.

Od terena do izvješća

Vratio/la si se sajma i trebaš izraditi sažetak za svoj tim. Tijekom dana fotografiraj štandove, plakate, vizitke i demonstracije proizvoda, a zatim šalji te fotografije ChatGPT-u usput, uz glasovne bilješke za kontekst – tada su dojmovi najsvježiji, a tipkanje najmanje praktično. Vizitke sadrže osobne podatke: zadrži samo ono što je potrebno za tvoje izvješće. Navečer prijeđi na strukturiranje: „Evo svih fotografija i bilješki s mog posjeta sajmu. Organiziraj ove informacije po izlagačima. Za svakoga zabilježi: naziv tvrtke, predstavljeni proizvodi, zanimljive točke i relevantnost za naše poslovanje.“ Zatim zatraži isporuku: „Generiraj strukturirano izvješće u Word formatu sa sažetkom za rukovodstvo, pojedinostima po izlagačima i mojim preporukama za daljnje korake. Uključi relevantne fotografije.“ Za sat vremena prelaziš s hrpe fotografija na dokument spreman za vodstvo.

Vizualna financijska analiza

Ista logika vrijedi za tromjesečni pregled učinka, ali počevši od datoteke. Učitaj svoju Excel tablicu s ključnim pokazateljima učinka (KPI), a zatim zatraži analitički rad: „Analiziraj ove podatke. Izračunaj evoluciju u usporedbi s prethodnim tromjesečjem. Identificiraj 3 najbolja izvođača i 3 upozorenja.“ Provjeri ove brojke prije nego što kreneš dalje – pogreška ovdje će se propagirati i pojačavati kroz sve što slijedi, sve do grafikona koje ćeš prezentirati.

Kada se analiza potvrdi, zatraži vizuale: „Generiraj vizualnu nadzornu ploču s 4 grafikona: evolucija prihoda, raščlamba po proizvodu, usporedba timova i trend u 4 tromjesečja.“ Zatim obradi konačno oblikovanje: „Sastavi sve u sažeti dokument od 3 stranice: ključne brojke na 1. stranici, grafikoni na 2. stranici, preporuke na 3. stranici.“

Izrada ilustriranog sadržaja

Za kompletan blog članak, radni tok počinje sirovim materijalom: učitaj svoje referentne dokumente, PDF-ove ili članke i zatraži detaljan plan. Pisanje se zatim odvija dio po dio, iterirajući ton, dubinu i primjere, umjesto da tražiš cijeli članak odjednom.

Vizuali slijede nakon toga, unutar istog razgovora, čime se osigurava dosljednost s tekstom napisanim neposredno prije: „Generiraj naslovnu ilustraciju za ovaj članak, u profesionalnom stilu ravnog dizajna. Zatim stvori 3 objašnjavajuća dijagrama za odjeljke 2, 4 i 6.“ Konačno, dodaj urednički sjaj: „Predloži 5 privlačnih naslova, napiši SEO meta opis i predloži 10 relevantnih ključnih riječi.“ Kompletan, ilustriran i optimiziran članak nastao u jednoj sesiji.

Unakrsna revizija

Posljednji scenarij pokazuje vrijednost miješanja izvora različite prirode. Za reviziju prisutnosti klijenta na internetu, prvo učitaj snimke zaslona njihovog web-mjesta, stranica društvenih mreža i rezultata Google pretraživanja, a zatim učitaj izvoze iz Analyticsa: promet, stopa napuštanja, izvori. Zatim zatraži ono što nijedan skup podataka ne može pružiti samostalno: „Unakrsno poveži podatke iz Analyticsa sa snimkama zaslona web-mjesta. Identificiraj stranice s velikim prometom, ali niskom angažiranošću, i poveži to s njihovim dizajnom vidljivim na snimkama zaslona.“ Završi s isporukom: „Izradi izvješće o reviziji s anotiranim snimkama zaslona koje prikazuju problematična područja i prijedloge za poboljšanje za svako od njih.“

Kada prijeći na ChatGPT Work

Za dug radni tok koji iskorištava više izvora i mora proizvesti stvarnu isporuku – dokument, proračunsku tablicu ili prezentaciju – ChatGPT Work je alat koji je dizajnirao OpenAI: on stvara ili uređuje te datoteke, ovisno o tvom planu i postavkama radnog prostora. Možeš ga čak i upravljati glasom putem Live funkcije, na webu i mobilnim uređajima, pri čemu se zadatak nastavlja u tekstualnom obliku nakon poziva. Zadrži iste refleksne radnje: jasan cilj, odabrani izvori i tvoje odobrenje prije bilo kakvog slanja.

Radni tok s više modaliteta Četiri koraka: fotografije ili snimke zaslona za teren; datoteka za podatke; tekstualna analiza koja unakrsno povezuje oboje; isporuka, dokument, proračunska tablica ili prezentacija, s ChatGPT Workom ako je potrebno, uz potvrdu svakog koraka. KOMBINIRANJE ULAZA Radni tok s više modaliteta 1 Slike Teren, snimke zaslona 2 Datoteka Podaci 3 Analiza Unakrsno povezivanje izvora 4 Isporuka Dokument ili slajdovi Za dugu isporuku, ChatGPT Work preuzima vodstvo; potvrdi svaki korak prije sljedećeg.
Na temelju članaka „ChatGPT Voice“ i „Creating and editing documents, spreadsheets, and presentations with ChatGPT Work“ iz OpenAI Help Centera (studeni 2026.).

Dizajniraj svoj vlastiti

Ova četiri primjera dijele metodu primjenjivu na bilo koji složen zadatak. Prvo, definiraj konačni cilj: kojoj isporuci ili odluci težiš? Zatim, sastavi popis dostupnih ulaza – datoteke, slike, informacije – pa posloži korake odlučujući kojim redoslijedom ChatGPT treba obraditi te elemente. Odredi kakav međurezultat svaki korak mora proizvesti i potvrdi te rezultate prije nego što prijeđeš dalje. Sve počiva na dekompoziciji: složen zadatak postaje niz kratkih koraka, od kojih svaki iskorištava specifičnu mogućnost.

Tri zamke često se ponavljaju onima koji tek otkrivaju ove lance. Prva je slanje svega odjednom, bez uputa povezanih sa svakim elementom – kontekst postaje nečitljiv. Druga je gubljenje niti u dugom razgovoru; jednostavno „Podsjetnik: radimo na reviziji za klijenta X“ resetira sve. Treća je pokušaj vođenja cijelog projekta u jednoj sesiji: iznad određenog volumena, bolje je podijeliti rad na nekoliko tematskih razgovora.

Tvoj red

Tvoj mini-radni tok. Izgradi svoj vlastiti mini-radni tok s najmanje tri vrste ulaza. Učitaj fotografiju – svoj proizvod, radni prostor ili događaj – zatim datoteku vezanu uz istu temu. Zatraži tekstualnu analizu koja unakrsno povezuje vizualne informacije i podatke iz datoteke, a završi s isporukom: izvješće, prezentacija ili akcijski plan. Izmjeri vrijeme, a zatim ga usporedi s vremenom koje bi isti posao zahtijevao ručno. Ta razlika odlučit će koje ćeš radne tokove zadržati kao predloške.

Službeni izvori: ChatGPT Voice · Creating and editing documents, spreadsheets, and presentations with ChatGPT Work · Uploading files and audio to ChatGPT (OpenAI Help Center)

Ključne točke

  • Snaga multimodalnog ChatGPT-a leži u kombiniranju teksta, slika, datoteka i glasa unutar jednog radnog toka
  • Razloži složene zadatke na uzastopne korake, pri čemu svaki iskorištava drugačiju mogućnost
  • Potvrdi rezultate svakog koraka prije prelaska na sljedeći
  • Kontekst ostaje sačuvan tijekom cijelog razgovora – iskoristi ga
  • Stvori predloške radnih tokova za svoje ponavljajuće zadatke i uštedi vrijeme pri svakom izvršenju

Provjeri svoje znanje

Slike, glas, datoteke: provjeri svoj multimodalni alatni set.

1. Što ChatGPT može učiniti s fotografijom dokumenta?

Odgovor: OCR i analiza: izvlačenje teksta, strukturiranje podataka (uključujući tablice) i odgovaranje na pitanja o sadržaju – fotografija postaje iskoristiv izvor.

2. Kako dobiti generiranu sliku vjernu tvojoj namjeri?

Odgovor: Opisivanjem subjekta, stila, kompozicije i detalja – te iteracijom: ChatGPT Images daje bolje rezultate kada upit specificira okvir i ograničenja, a ne samo temu.

3. Što omogućuje uređivanje postojećih slika?

Odgovor: Modificiranje priložene slike – zamjena elementa, promjena stila, prilagodba područja – opisivanjem željene promjene, bez kretanja od nule.

4. U kojim slučajevima glasovni način nadmašuje tekst?

Odgovor: Vježbanje jezika, coaching, oluja ideja: usmeni razgovor natrag-naprijed brži je i prirodniji – a kombinira se s istim mogućnostima kao i pisanje.

5. Što je radni tok s više modaliteta?

Odgovor: Lanac koji kombinira ulaze i izlaze: analiziraj PDF, izvuči njegove podatke, generiraj odgovarajući vizual i napiši sažetak – svaki modalitet služi sljedećem koraku.

Ova završna lekcija sastavlja sve: nadahni se njezinim radnim tokovima kako bi izgradio/la svoje vlastite.