Šta procene sposobnosti veštačke inteligencije zaista govore o radu

Zašto jedan broj ne daje konačan odgovor

Jedna od najčešće razmatranih mera novijeg napretka veštačke inteligencije dolazi od METR-a, neprofitne organizacije koja procenjuje napredne AI sisteme.

Njen vremenski horizont izvršavanja zadataka polazi od pitanja koje na prvi pogled deluje jednostavno: koliko su dugi zadaci koje AI agent može da završi uz određenu verovatnoću uspeha? Dužina se pritom meri vremenom koje je ljudskom stručnjaku potrebno za isti zadatak. METR objavljuje horizonte za verovatnoću uspeha od 50 i od 80 odsto. [1]

U proceni najnaprednijih sistema iz maja 2026, METR je za najjače javno dostupne modele koje je testirao tokom februara i marta procenio horizont od približno 12 sati pri verovatnoći uspeha od 50 odsto, odnosno oko 1,5 sati pri verovatnoći od 80 odsto. Intervali pouzdanosti bili su široki. METR je izričito upozorio i da njegov sadašnji skup testova ne daje pouzdane procene iznad 16 sati. [2]

Broj poput „12 sati”, pročitan bez konteksta, može zazvučati kao mera toga koliko sati nečijeg posla AI može da obavi. Nije to ono što se meri.

METR ovu razliku objašnjava naročito jasno. Vreme potrebno čoveku služi kao mera težine zadatka. Ono ne označava koliko je sati AI zaista radio. Zadaci uglavnom pripadaju softverskom inženjerstvu, mašinskom učenju i sajber-bezbednosti. Namerno su zaokruženi, precizno definisani i takvi da se uspeh može automatski oceniti. Ljudi čiji rad služi kao osnova za poređenje počinju i sa znatno manje konteksta nego što ga obično ima iskusan zaposleni unutar organizacije. [1]

Ta razlika je važna.

Iskusna inženjerka možda može da donese odluku za dva sata upravo zato što je tri godine upoznavala kod projekta, zna koji klijent ne može da prihvati određenu vrstu greške, pamti zašto je doneto naizgled neobično arhitektonsko rešenje i može da pita kolegu šta se juče promenilo. Referentni test može da meri težak tehnički zadatak, a da ne obuhvati taj organizacioni kontekst.

METR takođe izričito navodi da osmočasovni horizont ne znači da AI može da automatizuje sva radna mesta. Većina poslova podrazumeva komunikaciju, prećutno znanje o kontekstu, odgovornost i merila uspeha koja se ne mogu svesti na jednostavnu automatsku ocenu. [1]

Rezultati vremenskog horizonta zato jesu važni. Pokazuju da je težina zadataka koje najnapredniji sistemi ponekad mogu samostalno da završe znatno porasla. Da bismo razumeli ekonomsko značenje te mere, ipak moramo postaviti još nekoliko pitanja.

Šta se zapravo meri procenama sposobnosti

Procena sposobnosti je kontrolisani test.

Istraživači određuju zadatke, daju modelu alate i radno okruženje, ponavljaju pokušaje, ocenjuju rezultate i procenjuju kako se uspešnost menja sa težinom zadatka. Dobra procena može da pokaže da li sistem prelazi određeni prag sposobnosti, koliko pouzdano uspeva, gde greši i kojom brzinom se rezultati menjaju.

To je već vredan podatak.

Ali takav test obuhvata manje od stvarnog radnog okruženja.

METR-ova metodologija pokazuje zašto. U sadašnjem skupu zadataka Time Horizon 1.1 preovlađuju softver, mašinsko učenje i sajber-bezbednost. Zadaci su osmišljeni kao zaokružene celine koje se mogu rešavati zasebno. Sadrže manje prethodnog organizacionog konteksta nego običan posao, a METR navodi da uspešnost AI opada na zadacima koji su manje uredno definisani. [1]

Pouzdanost dodatno menja sliku. Razlika između praga uspeha od 50 odsto i zahtevnijeg praga može biti velika. Sistem koji polovinu zadataka određene vrste rešava uspešno može biti koristan za istraživanje mogućnosti, prve nacrte ili jeftine eksperimente. Takva uspešnost može biti neprihvatljiva za obračun zarada, pravne podneske, infrastrukturu koja je u produkciji ili odluku čija je greška skupa.

Važna je i postavka testa. „AI sistem” u referentnom testu agenata nije samo model. Obuhvata i njegov izvršni okvir, alate, instrukcije, ograničenje broja tokena, dozvole i ciklus interakcije sa okruženjem. Promena tih elemenata može da promeni i rezultat.

Najzad, nijedan referentni test ne obuhvata sve. METR napominje da njegova javna stranica vremenskih horizonata može kasniti za pojedinim novim izdanjima modela i da je ne treba smatrati potpunim pregledom svih najnaprednijih modela. [1]

Ova ograničenja ne umanjuju značaj procene. Određuju kakvu vrstu dokaza ona pruža.

Nalazi o sposobnostima odgovaraju na pitanje:

Može li sistem da obavi ovu vrstu zadatka u ovim uslovima?

Još ne odgovaraju na pitanje:

Šta se događa sa radom?

Za taj odgovor potrebni su i ostali koraci.

Koraci između sposobnosti sistema i radnih mesta

Najkorisniji okvir je jednostavan:

1. Sposobnost

Može li sistem uopšte da obavi zadatak u uslovima testa?

2. Pouzdanost

Može li da ga obavlja dovoljno dosledno za predviđenu upotrebu, uz prihvatljivu stopu grešaka?

3. Upotrebljivost

Može li ta sposobnost da se uklopi u stvarni rad kada se uzmu u obzir kontekst, nadzor, interfejsi, dozvole, vreme odziva, postupanje u izuzetnim situacijama i odgovornost?

4. Produktivnost

Da li upotreba sistema zaista omogućava radniku, timu ili procesu da radi brže, jeftinije ili kvalitetnije, odnosno da proizvede više?

5. Primena

Da li organizacije uvode tehnologiju u značajnom obimu, prilagođavaju joj radne procese i nastavljaju da je koriste?

6. Tražnja za radom

Kada se uzmu u obzir zamena ljudskog rada, dopunjavanje ljudskih sposobnosti, niže cene, veći obim proizvodnje, novi zadaci, preuređenje organizacije i promene tražnje, šta se događa sa brojem i profilom ljudi koje preduzeća žele da zaposle?

Rezultat testa sposobnosti jeste dokaz relevantan za sledeći korak. On taj korak ne razrešava automatski.

Zato prognozama koje iz rezultata referentnog testa neposredno izvode broj izgubljenih radnih mesta treba pristupati oprezno. Preskočile su najveći deo ekonomskog mehanizma.

Previše je jednostavan i suprotan argument. Neujednačeni nalazi o produktivnosti u stvarnom radu ne dokazuju da je napredak sposobnosti ekonomski nevažan. Sposobnost može postojati pre nego što organizacije nauče da je dobro koriste.

Kada se sposobnost proveri u stvarnom radu

Eksperimenti u radnom okruženju pokazuju zašto su ove razlike važne.

U jednoj od najpoznatijih terenskih studija Erik Brynjolfsson, Danielle Li i Lindsey Raymond proučavali su 5.172 radnika u korisničkoj podršci nakon uvođenja generativnog AI asistenta. Pristup alatu povećao je produktivnost u proseku za oko 15 odsto, merenu brojem rešenih zahteva po satu. Manje iskusni i slabije kvalifikovani radnici znatno su napredovali, uz povećanje broja rešenih zahteva po satu od oko 30 odsto, dok su dobici kod iskusnijih i kvalifikovanijih radnika bili mali. [3]

To nije rezultat referentnog testa, već nalaz iz stvarnog radnog procesa.

Nije ni dokaz da svaki radnik čiji se posao zasniva na znanju postaje 15 odsto produktivniji.

Ispitivana je korisnička podrška. Radni proces mogao je da se meri. AI je mogao da koristi obrasce iz uspešnih interakcija. Korist nije bila jednaka za sve radnike.

Druga studija, sada objavljena u časopisu Organization Science, još jasnije pokazuje tu neujednačenost. U saradnji sa kompanijom Boston Consulting Group, istraživači su dodelili realistične zadatke zasnovane na stručnom znanju grupi od 758 konsultanata. Na zadacima koji su bili unutar granica sposobnosti testiranog AI sistema, učesnici koji su koristili AI rešili su 12,2 odsto više zadataka i u proseku radili više od 25 odsto brže, uz viši kvalitet. Međutim, na složenom zadatku namerno odabranom izvan tih granica, verovatnoća da učesnici uz pomoć AI dođu do tačnog odgovora bila je za 19 procentnih poena manja. [4]

Ista tehnologija poboljšala je učinak u jednom delu procesa, a pogoršala ga u drugom.

To je „neravnomerna granica tehnoloških sposobnosti”: napredak nije podjednak u svim zadacima koji čoveku deluju slično.

Posao nije jedan zadatak. Čine ga zadaci, odnosi, procene i odgovornosti. Ako AI poboljša šest delova te celine, a oslabi učinak u sedmom, ekonomski ishod zavisi od toga koji deo je najvažniji.

Stvarni rad može da ospori očekivanja

METR-ova randomizovana studija iskusnih programera koji rade na softveru otvorenog koda pruža važnu protivtežu jednostavnim pričama o rastu produktivnosti.

Šesnaest iskusnih programera obavilo je 246 zadataka u razvijenim repozitorijumima koje su dobro poznavali. Kada im je bilo dozvoljeno da koriste AI alate dostupne početkom 2025, za završetak zadataka trebalo im je 19 odsto više vremena. Pre studije očekivali su da će ih AI ubrzati. Čak i posle učešća i dalje su verovali da je njihov rad bio brži uz AI. [5]

Rezultat je upečatljiv upravo zato što se kosi i sa trendom rasta sposobnosti i sa utiskom samih učesnika.

Ne treba ga uopštavati izvan onoga što je studija merila. Reč je o iskusnim programerima otvorenog koda, poznatim bazama koda i određenoj generaciji alata. Sam METR je kasnije promenio dizajn narednog eksperimenta o produktivnosti. Programeri su sve češće odbijali učešće ako je postojala mogućnost da budu raspoređeni na rad bez AI. Time je nastao problem izbora učesnika zbog kojeg novija procena nije bila pouzdana. [6]

Ta metodološka promena je važna.

Pokazuje koliko brzo se menja i samo merenje. Kako AI alati postaju deo radnih procesa, randomizovana poređenja rada „sa AI” i „bez AI” mogu postati teža, jer iskusni korisnici već organizuju svoj rad oko tih alata.

Noviji opservacioni nalazi kompanije Anthropic iz Claude Code sesija ponovo ukazuju na drugačiju sliku. U približno 400.000 sesija od oktobra 2025. do aprila 2026, ljudi su donosili većinu odluka o planiranju, a agent većinu odluka o izvršavanju. Stručnost u datoj oblasti i dalje je bila pozitivno povezana sa uspešnošću sesija. Stručniji korisnici dobijali su više obavljenog rada po instrukciji. [7]

Ove studije nisu u sukobu koji bi zahtevao da jednu proglasimo pobednikom. Posmatraju različite ljude, sisteme, zadatke i trenutke u prelazu koji se brzo odvija.

Upravo je to važno.

Izloženost nije zamena radnika

Još jedna česta prečica jeste da se izloženost zanimanja uticaju AI tumači kao prognoza gubitka radnih mesta.

Mere izloženosti obično ispituju koliko se neko zanimanje preklapa sa zadacima koje AI možda može da obavi ili u kojima može da pomogne. Time se može pokazati gde je promena verovatnija. Sama mera, međutim, ne govori da li će AI zameniti ljudski rad, podržati ga, promeniti njegovu organizaciju ili izazvati kombinaciju tih učinaka.

Usavršeni globalni indeks Međunarodne organizacije rada, ILO, procenjuje skoro 30.000 zadataka u različitim zanimanjima. Ažuriranje iz 2025. procenilo je da svaki četvrti radnik u svetu radi u zanimanju koje je u određenoj meri izloženo uticaju generativne AI. U kategoriji najveće izloženosti bilo je svega 3,3 odsto ukupne globalne zaposlenosti. ILO ne zaključuje da će svako četvrto radno mesto nestati. Smatra da je promena poslova verovatnija od masovnog ukidanja radnih mesta, jer mnoga izložena zanimanja i dalje zahtevaju znatan ljudski doprinos. [8]

U aprilu 2026. ILO se neposredno vratio pitanju merenja, uz upozorenje da pokazatelje izloženosti uticaju AI ne treba same za sebe tumačiti kao predviđanja gubitka radnih mesta ili ishoda na tržištu rada. [9]

Studija tržišta rada kompanije Anthropic iz marta 2026. pokušava da se približi stvarnom učinku tako što razlikuje teorijsku od „uočene izloženosti”. Njena mera kombinuje procene onoga što bi modeli teorijski mogli da urade sa stvarnom upotrebom sistema Claude, pri čemu veću težinu daje automatizovanoj upotrebi povezanoj sa poslom. Anthropic je naveo da je stvarni obuhvat i dalje znatno ispod teorijskih sposobnosti. Nije pronašao sistematski rast nezaposlenosti među radnicima u izrazito izloženim zanimanjima, ali jeste naznake sporijeg zapošljavanja mlađih radnika. [10]

Takva mera ima veće ekonomsko značenje od same teorijske sposobnosti, ali i dalje ima ograničenja. Delom se zasniva na upotrebi proizvoda jedne kompanije i nije popis svih aktivnosti povezanih sa AI u privredi.

Pouka ostaje ista: svako merenje odgovara na uže pitanje od onog koje mu se često postavlja u javnoj raspravi.

Primena u preduzećima je poseban ekonomski korak

Čak i kada je tehnologija korisna, preduzeća tek treba da je uvedu.

Anketa Business Trends and Outlook Survey američkog Biroa za popis stanovništva iz 2026. daje nacionalno reprezentativan pogled na taj korak. U periodu dodatnog anketiranja od novembra 2025. do januara 2026, oko 18 odsto preduzeća navelo je da koristi AI u nekoj poslovnoj funkciji. Pošto su veća preduzeća češće koristila AI, stopa ponderisana brojem zaposlenih iznosila je oko 32 odsto. Primena je bila naročito visoka u velikim preduzećima u sektoru informacija, stručnih usluga i finansija. [11]

I u preduzećima koja su koristila AI primena je ostala relativno uska. Njih 57 odsto navelo je upotrebu AI u najviše tri poslovne funkcije. [11]

Kasnija saopštenja istog biroa pokazala su da se ukupni udeo preduzeća koja koriste AI tokom proleća 2026. kretao približno na nivou nešto ispod 20 odsto, uz očekivanje veće upotrebe tokom narednih šest meseci. [12]

To je važno zato što se granica sposobnosti i granica stvarne primene ne pomeraju istom brzinom.

Model može postati bolji preko noći. Preduzeće ima ugovore, softver, rukovodioce, pravila nabavke, obaveze usklađenosti sa propisima, očekivanja klijenata i zaposlene čija su zaduženja oblikovana prema starijim alatima. Čak i kada se tehnologija uvodi brzo u poređenju sa ranijim promenama, preuređenje organizacije nailazi na prepreke.

Te prepreke mogu odložiti ekonomske učinke.

Mogu ih i koncentrisati. Velika preduzeća u kojima znanje ima važnu ulogu možda će ranije prilagoditi rad AI sistemima nego mala preduzeća ili delatnosti u kojima je posao fizički, zasnovan na odnosima među ljudima ili teško podložan standardizaciji.

Zato odgovor na pitanje da li se rezultat testa sposobnosti „već vidi u podacima o radnim mestima” delom zavisi od toga da li je relevantna sposobnost uopšte stigla do stvarne primene.

Ukupna stabilnost može da prikrije pritisak na pojedine grupe

Podaci sa tržišta rada sada jasno pokazuju zašto proseci nisu dovoljni.

U avgustu 2026. istraživači laboratorije Stanford Digital Economy Lab objavili su revidiranu analizu ADP podataka o obračunu zarada, koji obuhvataju milione radnika u SAD do juna te godine. Nisu pronašli dokaze o širokom potiskivanju zaposlenosti na nivou cele privrede povezanom sa generativnom AI. [13]

To je nalaz za ukupnu zaposlenost.

Unutar njega uočili su koncentrisaniji obrazac. Zaposlenost radnika starih od 22 do 25 godina u zanimanjima izrazito izloženim uticaju AI bila je 19 odsto ispod nivoa koji bi dostigla da je pratila putanju njihovih vršnjaka u manje izloženim zanimanjima. Autori nisu našli uporediv jaz kod iskusnih radnika. Naveli su i da razliku uglavnom objašnjava manje zapošljavanja mlađih radnika, a ne češći prestanak njihovog radnog odnosa. [13]

Istraživači su oprezni prema uzročnosti. Nalaze opisuju kao rane deskriptivne pokazatelje, ne kao procene uzročnog učinka. Neki trendovi počeli su da se razilaze pre generativne AI, učinci slabe kada se uključe pojedine kontrolne varijable, a ADP uzorak nije istovetan radnoj snazi na nacionalnom nivou. [13]

Ta ograničenja nisu fusnote koje se mogu zanemariti. Određuju šta dokazi mogu da potkrepe.

Rezultat ipak pokazuje i zašto se „nema potiskivanja zaposlenosti na nivou cele privrede” ne može prevesti u „nema učinka na tržište rada”.

Tehnologija može da utiče na zapošljavanje početnika pre nego što dovede do velikih otpuštanja. Može da promeni jednu grupu zanimanja pre druge. Može da promeni sastav timova bez smanjenja ukupne zaposlenosti. Može i da uspori stvaranje radnih mesta koja bi, sa ranijom tehnologijom, nastala.

Ukupna stabilnost i poremećaji koncentrisani u pojedinim grupama mogu postojati istovremeno.

Produktivnost ne određuje zaposlenost automatski

Pretpostavimo da se uz AI neki zadatak obavlja dvostruko brže. Šta se događa sa zaposlenošću?

Nema odgovora koji važi u svim slučajevima.

Ako je preduzeću potrebna ista količina proizvoda ili usluga, veća produktivnost može da smanji količinu rada potrebnu za taj zadatak. Ako niži troškovi dovoljno povećaju tražnju, preduzeće može znatno da poveća proizvodnju i zaposli isti broj ljudi ili više. AI može da automatizuje neke zadatke, a da istovremeno učini ljudske veštine koje ih dopunjuju vrednijim. Može da ukloni rutinski rad i stvori nove zadatke koordinacije, provere, prodaje ili pružanja usluga. Može da promeni vrednost određenog nivoa iskustva. Može i da pomeri granice samog preduzeća, odnosno da promeni da li posao obavljaju zaposleni, spoljni saradnici ili softver.

Daron Acemoglu u svom makroekonomskom okviru, zasnovanom na zadacima, zahteva da se razdvoje udeo zahvaćenih zadataka i rast produktivnosti na tim zadacima, uz uvažavanje dopunjavanja ljudskog rada i nastanka novih zadataka. Zato je taj okvir ovde koristan. Prema pretpostavkama i dokazima u njegovoj objavljenoj analizi, izvedeni dobici u ukupnoj produktivnosti bili su značajni, ali znatno manji od pojedinih često citiranih prognoza. [14]

Tačna makroekonomska procena nije najvažnija za ovaj članak.

Najvažniji je odnos između tih veličina:

Iz rasta produktivnosti ne može se neposredno izračunati promena zaposlenosti.

Rezultat merenja produktivnosti deo je ekonomskog sistema. Ishod za zaposlenost zavisi od zamene i dopunjavanja ljudskog rada, tražnje, cena, zarada, novih zadataka i odgovora organizacija.

Zato rezultat referentnog testa sam po sebi ne sadrži prognozu tržišta rada.

Šta nam procene sposobnosti ipak mogu reći

Posle svih ovih ograničenja lako je otići predaleko u drugom smeru i zaključiti da procene sposobnosti malo govore o radu.

I to bi bilo pogrešno.

One pokazuju kako se pomeraju granice onoga što je tehnički moguće.

Ako sistemi pouzdano rešavaju samo kratke, precizno definisane zadatke, mnogi oblici delegiranja i dalje su nepraktični. Kako postaju sposobni da obavljaju duže nizove radnji, prevaziđu greške tokom rada i koriste alate, širi se krug procesa koje je moguće preurediti.

Procene sposobnosti zato mogu pomoći da se prepoznaju pritisci koji prethode ekonomskim promenama.

Najviše govore kada se povežu sa drugim vrstama dokaza:

• Procene sposobnosti pokazuju šta sistemi mogu da urade u određenim uslovima.
• Mere pouzdanosti pokazuju da li se ta sposobnost održava i pri zahtevnijem pragu uspeha.
• Eksperimenti u radnom okruženju proveravaju da li alati menjaju učinak ljudi ili timova.
• Podaci o upotrebi pokazuju šta ljudi zaista prepuštaju sistemima.
• Ankete preduzeća pokazuju da li organizacije uvode AI u različite poslovne funkcije.
• Podaci sa tržišta rada pokazuju da li se menjaju zapošljavanje, zaposlenost, zarade ili radni sati.

Najčvršći zaključak daje obrazac koji se vidi kroz sve ove vrste dokaza, a ne pojedinačna mera.

Prema stanju iz oktobra 2026, taj obrazac ne podržava ni tvrdnju „ništa se ne događa”, ni tvrdnju „referentni testovi već su dokazali masovnu zamenu radnika”.

Oprezniji i utemeljeniji sažetak glasi:

AI sistemi u nekim oblastima rešavaju znatno duže i složenije zadatke. Učinci na produktivnost u stvarnom radu mogu biti veliki, mali ili negativni, zavisno od zadatka i radnika. Preduzeća primenjuju AI neujednačeno, ali u značajnom obimu. Najsnažnija postojeća analiza administrativnih podataka ne pokazuje potiskivanje zaposlenosti na nivou cele privrede, dok se u nekim izrazito izloženim grupama vidi koncentrisan pritisak, posebno među mlađim radnicima koji ulaze u određena zanimanja.

Takav sažetak zvuči manje dramatično.

Ali je korisniji.

Postavimo korisnije pitanje

Pitanje „Hoće li nam AI uzeti poslove?” svodi previše različitih stvari na jednu.

Bolje je pitati redom:

Šta sistem može da uradi?

Koliko pouzdano to može da uradi?

Može li ta sposobnost da se uklopi u stvarni rad?

Da li u tom okruženju povećava produktivnost?

Da li je organizacije primenjuju i prema njoj preuređuju rad?

Da li zamenjuje ljudski rad, dopunjuje ga, stvara nove zadatke, povećava tražnju ili čini više toga istovremeno?

Tek tada dolazimo do zaposlenosti.

Ova razlika objašnjava i zašto ekonomski važan prag može biti dostignut pre potpune automatizacije radnog mesta. AI ne mora da obavlja svaki zadatak nekog zanimanja da bi preduzeće promenilo zapošljavanje, strukturu tima ili raspodelu posla među ljudima. Delimična sposobnost može biti važna ako uklanja dovoljno uskih grla, povećava ono što postojeći zaposleni mogu da obave ili menja procenu koji zadaci opravdavaju novo radno mesto.

Inside 2027 nastaviće da prati upravo taj prag.

Roman 2027. Svet bez ljudi istražuje ljudske posledice sveta u kojem se takve odluke postepeno gomilaju. Ovaj esej ima uži zadatak: da razdvoji ono što dokazi sada pokazuju od onoga što bi neka buduća priča, prognoza ili scenario mogli iz njih da izvedu.

Ta razlika nije samo tehnički detalj.

To je razlika između merenja sposobnosti i razumevanja privrede.