AI menja poslove pre nego što ih ukine: zašto su zadaci važniji od naziva radnog mesta

Pitanje „da li će AI uzeti moj posao?“ zvuči logično, ali sve manje pomaže da razumemo ono što se stvarno događa na tržištu rada. Posao nije jedna aktivnost. Većina zanimanja sastoji se od desetina različitih zadataka, od rutinske obrade informacija do pregovaranja, procene, odgovornosti i rada sa ljudima.

Upravo zato istraživači sve češće posmatraju AI kroz zadatke, a ne samo kroz nazive radnih mesta. Stanfordov ekonomista Erik Brynjolfsson u aktuelnom razgovoru o budućnosti rada naglašava da gotovo nijedno zanimanje nije potpuno automatizabilno, dok gotovo svaki posao sadrži zadatke koje AI može da promeni.^[1]

Najpre se menja sadržaj posla

Kada nova tehnologija preuzme deo posla, radno mesto ne mora odmah da nestane. Mnogo češće se menja raspodela vremena. Zadatak koji je ranije trajao dva sata može da traje dvadeset minuta, dok zaposlenom ostaje više vremena za proveru, komunikaciju, donošenje odluke ili potpuno novu vrstu rada.

To je razlog zbog kojeg statistika zaposlenosti sama po sebi često kasni za stvarnom promenom. Naziv radnog mesta može ostati isti, dok se svakodnevni posao već značajno promenio.

Stanford ne vidi masovno nestajanje poslova, ali vidi upozorenje

Stanford Digital Economy Lab u radu revidiranom u avgustu 2026. analizira administrativne payroll podatke kompanije ADP koji obuhvataju milione zaposlenih u SAD do juna 2026. Autori navode da ne nalaze dokaz o široko rasprostranjenom istiskivanju zaposlenih na nivou cele ekonomije.^[2]

Ali isti podaci pokazuju mnogo izraženiji problem kod mlađih zaposlenih. Zaposlenost radnika starosti od 22 do 25 godina u zanimanjima sa visokom izloženošću AI bila je oko 19 odsto niža nego što bi bila da je pratila kretanje njihovih vršnjaka u manje izloženim zanimanjima.^[2]

To nije isto što i tvrdnja da je AI „ukinuo 19 odsto poslova“. Poređenje se odnosi na relativni put zaposlenosti dve grupe u američkim podacima i na procenu šta bi se dogodilo da su kretanja bila slična. Autori takođe navode da je razlika više povezana sa slabijim zapošljavanjem mladih nego sa masovnim otpuštanjem postojećih zaposlenih.^[2]

Zašto su početne pozicije posebno važne

Početnici tradicionalno dobijaju rutinske zadatke upravo zato da bi kroz njih naučili posao. Priprema prve verzije analize, jednostavno istraživanje, obrada podataka, sastavljanje standardnog dokumenta ili osnovna korisnička komunikacija često su bili ulaz u profesiju.

Ako AI upravo te zadatke može da uradi brzo i dovoljno dobro, kompanija može imati manju potrebu za novim juniorom, čak i kada joj i dalje trebaju iskusni stručnjaci. To stvara paradoks: organizaciji su potrebni seniori, ali dugoročno mora postojati način da se novi ljudi razviju do tog nivoa.

OECD takođe posmatra izloženost kroz sposobnosti

OECD je u maju 2026. objavio novu meru izloženosti zanimanja AI sistemima koja povezuje sposobnosti savremenog AI sa zahtevima konkretnih poslova. Analiza pokazuje da su današnji sistemi bliži zahtevima zanimanja koja uključuju rutinsku obradu informacija, administrativni rad i zadatke koji se mogu jasno kodifikovati.^[3]

Veći jaz i dalje postoji kod poslova koji zahtevaju kontekstualnu procenu, interpersonalno razumevanje, složeno odlučivanje i odgovornost.^[3] To ne znači da su takva zanimanja „bezbedna zauvek“, već da trenutna AI sposobnost nije ravnomerno raspoređena preko svih vrsta ljudskog rada.

Iskustvo može postati vrednije

Ako AI može da napravi prvu verziju dokumenta, rezimira materijal ili predloži nekoliko opcija, vrednost zaposlenog se pomera ka proceni kvaliteta. Potrebno je znati šta je relevantno, šta nedostaje, gde postoji rizik i kada rezultat izgleda uverljivo, ali nije dovoljno dobar.

Iskusan čovek obično ne zna samo kako se zadatak tehnički izvršava. On zna i koji izuzeci postoje, šta klijent zapravo pokušava da postigne i koje posledice može da ima pogrešna odluka. Upravo taj kontekst je teže pretvoriti u jednostavan prompt.

Ali kako onda nastaje iskustvo?

To je možda jedan od ozbiljnijih organizacionih problema koji dolazi sa AI automatizacijom. Ako kompanija ukloni veliki deo početnih zadataka, moraće namerno da dizajnira novi način učenja za mlađe zaposlene.

Junior možda više neće provesti tri godine ručno radeći iste rutinske korake, ali i dalje mora da nauči kako da proceni dobar rezultat. Mentorski rad, simulacije, rad uz iskusnije kolege i kontrolisano korišćenje AI mogu postati važniji nego klasičan model „uči kroz gomilu jednostavnih zadataka“.

Najvažnija veština možda neće biti promptovanje

Promptovanje jeste korisno, ali verovatno nije dovoljno stabilna karijerna prednost samo po sebi. Interfejsi se menjaju, modeli postaju bolji i veliki deo tehnike pisanja prompta može biti ugrađen u same proizvode.

Dugoročnije su važnije sposobnosti kao što su razumevanje problema, procena kvaliteta, komunikacija, rad sa podacima, donošenje odluka i odgovornost za rezultat. AI može proširiti ono što čovek može da uradi, ali time povećava i značaj procene šta uopšte treba raditi.

Kompanije treba da mere zadatke, ne samo broj zaposlenih

Kada organizacija procenjuje uticaj AI, nije dovoljno napraviti tabelu zanimanja koja će navodno nestati. Korisnije je rastaviti svaki proces na konkretne aktivnosti i pitati gde AI ubrzava posao, gde ga može automatizovati, gde samo pomaže i gde ljudska kontrola mora da ostane obavezna.

Takav pristup daje realniju sliku potreba za ljudima. Možda će isti tim moći da obradi više posla, ali će mu istovremeno biti potrebne nove veštine u kontroli kvaliteta, radu sa automatizacijom ili komunikaciji sa klijentima.

Promena je realna, ali nije jednostavna priča o nestanku rada

Najnoviji podaci ne opravdavaju ni jednu od dve krajnosti: ni tvrdnju da se na tržištu rada ništa važno ne događa, ni tvrdnju da je AI već masovno zamenio ljude. Efekti su neujednačeni i zavise od godina iskustva, zanimanja, vrste zadatka i načina na koji se tehnologija koristi.

Zato će za zaposlene i kompanije verovatno biti korisnije da prestanu da pitaju koji će poslovi nestati i počnu da pitaju koji se zadaci menjaju, koje nove odgovornosti nastaju i kako će ljudi steći iskustvo u svetu u kojem početni deo posla sve češće radi AI.