Šta ako? | Analiza i mogući scenariji

Američki podaci iz septembra ponovo su otvorili pitanje teškog ulaska mladih u zanimanja izložena vještačkoj inteligenciji. Ako AI alat napiše prvi nacrt, obradi jednostavan zahtjev ili pronađe grešku prije početnika, gdje će taj početnik steći iskustvo potrebno da jednog dana procijeni složen posao?

Šta znamo o ulasku u posao

Novo istraživanje američkog Zavoda za popis, objavljeno 10. septembra, povezuje evidenciju o diplomcima sa poslovima koje su dobili. Među smjerovima čiji su budući poslovi najviše izloženi AI-ju, vjerovatnoća prvog zaposlenja bila je pet procentnih poena niža, a zarada u prvom punom tromjesečju 13 odsto niža, poslije uvođenja ChatGPT-a. To je poređenje među grupama diplomaca, ne dokaz da je AI sam izazvao svaki gubitak posla ili zarade.

Stanfordov pokazatelj tržišta rada, ažuriran 23. septembra, i dalje nalazi da se zaposlenost mladih u zanimanjima jače izloženim AI-ju kreće slabije nego u manje izloženim. Njegov uzorak obuhvata firme koje koriste ADP za obračun plata u SAD i nije presjek cijelog američkog tržišta. Istraživači izričito mjere povezanost, ne uzrok.

Ti nalazi govore o ulasku u posao. Ne govore koliko je znanja početnik stekao na poslu koji je uspio dobiti. To je druga polovina pitanja, o kojoj ima manje čvrstih podataka.

Jedan važan trag dolazi iz istraživanja korisničke podrške, objavljenog 2025. u časopisu Quarterly Journal of Economics. Uvođenje AI pomoćnika povećalo je broj riješenih zahtjeva po satu, a najveću korist imali su manje iskusni radnici. Autori nalaze naznake da alat prenosi obrasce rada iskusnijih kolega. Brže rješavanje zahtjeva, ipak, nije isto što i sposobnost da čovjek samostalno riješi nov problem bez pomoći.

Šta ako prvi stepenik nestane

Zamislimo mogući scenario, ne opis stvarne firme mlada analitičarka 2029. dobija posao u timu u kojem AI priprema sve početne izvještaje. Njen prvi zadatak nije da unese podatke, već da odobri zaključak koji će uticati na poslovnu odluku. Ona može provjeriti broj, ali još ne zna koje pitanje uopšte treba postaviti. Iskusni kolega to zna jer je godinama radio upravo poslove koje je alat sada preuzeo.

Ovaj scenario ne znači da su jednostavni zadaci sami po sebi najbolja škola. Početnik može provesti mjesece prepisujući tabele i naučiti malo. Vrijednost nastaje kada vidi grešku, dobije objašnjenje i ponovo pokuša. Ako firma ukloni rutinu, a sačuva takvu povratnu informaciju, AI može čak ubrzati učenje.

Stanfordov tim upravo ispituje šegrte u Njemačkoj: mogu li uz AI raditi složenije IT zadatke i razumiju li ono što su uradili. Projekat opisuje ogled, ali zasad ne objavljuje rezultat koji bi riješio ovo pitanje. To je važna granica između obećanja alata i dokaza o učenju.

Tri puta do iskustva

Prva moguća putanja je učenje uz AI i mentora. Pretpostavka je da firma početniku daje stvaran zadatak, uvid u AI prijedlog i vrijeme iskusnog radnika za povratnu informaciju. Čovjek prvo objašnjava šta bi provjerio, zatim koristi alat, pa brani konačnu odluku. Signal uspjeha nije broj proizvedenih izvještaja, nego to može li nakon nekoliko mjeseci samostalno prepoznati grešku u novom slučaju. To je naš prijedlog načina rada, ne provjeren univerzalni recept.

Druga putanja je brži rad bez dubljeg znanja. Ona postaje vjerovatnija ako firma mjeri samo brzinu i ukine vrijeme za obuku. Početnik može proizvoditi više, ali pri neočekivanoj grešci zavisi od alata i seniora. U toj putanji broj odrađenih zadataka raste, dok rezultati samostalne provjere stagniraju. Za kompaniju to stvara problem nasljeđivanja znanja danas štedi na obuci, a sutra traži iskusnog radnika kojeg nije razvila.

Treća putanja je sporija promjena. Neki poslovi ostaju vezani za klijenta, pravila, fizičko okruženje ili odgovornost koju firma ne može lako predati modelu. Tu početničke pozicije opstaju, ali se mijenja njihov sadržaj. Signal bi bili oglasi i programi obuke koji uz poznavanje AI alata i dalje traže rad s ljudima, provjeru izvora i objašnjenje odluka.

Međunarodna organizacija rada procijenila je 2025. da je četvrtina radnika u zanimanjima koja su u nekoj mjeri izložena generativnom AI-ju, ali očekuje preoblikovanje većine tih poslova prije potpunog nestanka. To je procjena zasnovana na zadacima, ne broj izgubljenih radnih mjesta. Danska studija, revidirana u martu 2026, već bilježi reorganizaciju zadataka bez mjerljivog prosječnog efekta na zaradu i radne sate u posmatranom periodu. Različite zemlje i vrste podataka ne daju jednu gotovu prognozu za Bosnu i Hercegovinu.

Ko plaća školu budućih stručnjaka

Naš pogled je da će presudna poslovna odluka biti koliko prostora firma ostavlja za učenje, a ne koliko početničkih zadataka može automatizovati. Poslodavac može zadržati manje rutinskog rada, ali početniku mora dati pristup stvarnim problemima, greškama i ljudima koji znaju objasniti posljedice. To košta vrijeme seniora. Najjači prigovor je očigledan male firme često nemaju mentora koji može svakodnevno pregledati tuđi rad. Zato je realnije početi kratkom sedmičnom provjerom nekoliko slučajeva nego obećati širok program koji niko neće voditi.

Takođe u skladu sa našim iskustvom firme u našoj regiji zanemaruju AI, cirkularno šalju pisma da je zabranjeno korištenje AI. Što opet samo po sebi je nerazumjevanje i držanje starih obrazaca. Potrebno je osnažiti kompanije da rade sa AI alataima, a univerziteti, škole da adaptiraju sistem učenja jer AI će biti ogroman transformator sutrašniice, ne za 10 godina već za dvije.

Za mlade ljude ovo mijenja način dokazivanja sposobnosti. Gotov AI tekst ili kod sve manje pokazuje šta kandidat razumije. Kratak prikaz odluka, provjera izvora i objašnjenje ispravljene greške mogu pokazati više. Za tržište rada ostaje otvoreno hoće li takvi načini učenja otvoriti nova ulazna mjesta ili će firme nastaviti tražiti gotove stručnjake.

Kako bi vi provjerili da početnik uz AI zaista postaje samostalniji, umjesto da samo brže završava zadatke?