Крах јуниорских позиција: Како вештачка интелигенција мења запошљавање у Немачкој

Xpert прелиминарно издање

Доступно на 27 језика 📢

Објављено: 26. септембра 2026. / Ажурирано: 26. септембра 2026. – Аутор: Konrad Wolfenstein

Крах јуниорских позиција: Како вештачка интелигенција мења запошљавање у Немачкој

Колапс јуниорских позиција: Како вештачка интелигенција мења започињање каријере у Немачкој – Креативна слика на тему, са вештачком интелигенцијом: Xpert.Digital

Мана дигитализације: Зашто се почетни послови смањују у ери вештачке интелигенције

Променљиве могућности каријере: Драматични пад броја млађих позиција у Немачкој

Послови почетног нивоа у опасности: Како вештачка интелигенција поткопава каријерну лествицу у Немачкој

Немачко тржиште рада пролази кроз дубоке промене, што представља значајне изазове за многе младе стручњаке. Док компаније и даље жале на недостатак квалификованих радника, појављује се забрињавајући тренд: број почетних позиција опао је за више од две трећине од лета 2022. Овај пад је посебно изражен у ИТ апликацијама, маркетингу и управљању пројектима, где вештачка интелигенција и дигитални алати све више преузимају задатке. Међутим, очигледна претпоставка да вештачка интелигенција уништава прву пречку каријерне лествице је претерано поједностављивање. Пад броја млађих позиција почео је чак и пре увођења ChatGPT-а и део је већег економског пада, који карактеришу и растући трошкови финансирања и смањена спремност компанија да инвестирају.

Ерозија почетних радних места има далекосежне последице: не само да угрожава обуку младих талената, већ и угрожава дугорочни иновативни капацитет и конкурентност компанија. Поглед на актуелне податке показује да су могућности за почетне радне места смањене у скоро свим проучаваним групама занимања, што истиче потребу за предузимањем одговарајућих мера како би се олакшао прелазак из образовања у запослење. У време када вредност практичног искуства и специфичних вештина расте, кључно је да компаније и образовне институције заједно развију стратегије за успешно решавање будућих изазова на тржишту рада.

Нестала каријерна лествица у Немачкој: Зашто почетни послови пропадају у ери вештачке интелигенције

Сутрашњи недостатак квалификованих радника почиње данашњим укидањем млађих позиција

Немачко тржиште рада шаље две поруке које се, на први поглед, не чине компатибилним. Компаније се и даље жале на недостатак квалификованих радника, док је истовремено број почетних радних места опао за више од две трећине од свог врхунца у лето 2022. године. Посебно се нагло смањују она занимања у којима дигитални алати и генеративна вештачка интелигенција могу да подрже или делимично преузму многе задатке. ИТ апликације, маркетинг и управљање пројектима су пример овог тренда. Насупрот томе, неговатељство, медицина, фармацеутска индустрија, гастрономија и угоститељство се развијају много снажније.

Очигледно објашњење је да вештачка интелигенција уништава прву степеницу на каријерној лествици. Ова теза је вероватна, али у свом једноставном облику је неодржива. Пад је почео већ у пролеће 2022. године, месецима пре објављивања ChatGPT-а. Истовремено, немачка економија је ослабила, финансирање је постало скупље, склоност ка инвестирању је опала, компаније су исправиле вишак запослених из година процвата и концентрисале нова запошљавања на одмах продуктивне стручњаке. Стога, вештачку интелигенцију треба схватити мање као једини узрок, а више као акцелератор, филтер за селекцију и шок очекивања на већ слабом тржишту рада.

Број млађих позиција које тренутно нису доступне није једини економски значајан фактор. Кључно је да послови на почетном нивоу испуњавају производну функцију: они младим запосленима пружају практично искуство, уче их оперативним процесима, развијају њихово просуђивање и сазревају у стручњаке и менаџере који ће компанијама бити потребни неколико година касније. Ако се ове позиције трајно укину, компанија штеди на трошковима обуке краткорочно, али ствара дугорочну празнину у сопственом портфолију талената. Управо ту лежи стратешки ризик. Уштеде су одмах видљиве, док губитак вештина, иновативног капацитета и потенцијала за сукцесију постаје очигледан тек током времена.

Од бума запошљавања до краха

Полазна тачка за овај развој догађаја била је изузетна. У јулу 2022. године, број позиција експлицитно означених као млађи, приправници, дипломци или почетници био је око 75 процената већи од просека за 2019. годину. Овај бум одражавао је ефекат сустизања након пандемије, затегнуто тржиште рада, значајна улагања у дигитализацију и конкуренцију за таленте. Компаније су прошириле тимове, финансирале раст и проактивно попуњавале упражњена радна места јер су очекивале континуирано велику потражњу.

До јула 2026. године, ова понуда је пала на 46 процената испод нивоа из 2019. године. Од свог врхунца, ово представља пад од преко две трећине. Укупно тржиште се такође знатно охладило, иако је остало осам процената изнад референтне вредности из 2019. године у време свог колапса. Од свог врхунца 2022. године, пало је за приближно 38 процената. Позиције на почетном нивоу су се стога смањивале не само у складу са општом потражњом за радном снагом, већ и знатно бржом стопом. Улазак на тржиште радне снаге је додатно сужен у оквиру смањеног тржишта.

Праксе и студентска радна места су такође била око 24 процента испод нивоа из 2019. године у јулу 2026. Њихов пад од 2022. године био је мање стрм јер је њихов врхунац у то време био нижи. Ипак, овај развој је проблематичан: праксе и студентска радна места често чине мост између универзитета и редовног запослења. Ако компаније смање и ову прелиминарну фазу и накнадну нижу позицију, прелазак из образовног система на радно место постаје мање пропусан.

Размере проблема су очигледне у ширим подацима о тржишту рада. У другом кварталу 2026. године у Немачкој је било приближно 1,02 милиона слободних радних места. То је око 130.000, или једанаест процената, мање него у претходном кварталу и отприлике три процента мање него годину дана раније. Осим закључавања повезаних са пандемијом, потражња за радном снагом није била овако ниска од 2016. године. Статистички гледано, на сваких 100 слободних радних места било је 291 регистрованих незапослених особа. Тржиште се тако пребацило са изражено оријентисаног на кандидате на селективније тржиште оријентисано на послодавце.

Немачки економски учинак пружа цикличну позадину. Након две године рецесије, реални бруто домаћи производ је порастао за само 0,2 процента у 2025. години. Иако је дошло до умереног раста у прва два квартала 2026. године, инвестиције и приватна потражња су остале слабе. Такво окружење је неповољно за одлуке о расту који захтева интензивну радну снагу. Компаније не отпуштају нужно масовно запослене, али смањују број упражњених радних места, одлажу попуњавање позиција и повећавају захтеве за сваку нову позицију.

Провала погађа скоро све

Од 28 испитиваних занимања, 26 је забележило пад могућности за запослење на почетном нивоу од 2022. године. У 23 групе, млађе позиције су се показале лошије од тржишта рада у целини. Стога, ово није изоловани проблем који погађа појединачне технолошке компаније, већ широко распрострањено погоршање приступа тржишту рада. Међутим, разлике између занимања откривају које су економске снаге посебно утицајне.

ИТ апликације и решења су најтеже погођени, са падом од 77 процената у поређењу са њиховим врхунцем. У маркетингу је број доступних позиција опао за 75 процената, а у управљању пројектима за 60 процената. Код пракси и студентских позиција, пад у овим областима је износио 54 процента, 55 процената и 56 процената, респективно. Ове активности деле неколико карактеристика: велики део посла је дигиталан, може се стандардизовати, поделити у радне пакете и пратити помоћу електронских резултата. Управо те карактеристике олакшавају аутоматизацију, централизацију, аутсорсинг и побољшања продуктивности путем софтвера.

Само два главна сектора су забележила позитиван развој на почетним позицијама. Нега, медицина и фармација су порасли за 18 процената, док су прехрамбени сектори, гастрономија и угоститељство порасли за десет процената. Ови сектори доживљавају структурни недостатак запослених, заједно са пословима који захтевају физичко присуство, свест о ситуацији, људску интеракцију или директну одговорност. Многа од ових занимања такође захтевају стручно образовање уместо универзитетске дипломе. Њихова релативна стабилност стога није само антитеза наводно безвредне академске квалификације, већ је израз различитих услова производње.

У социјалном сектору, као и у бризи о деци и образовању, број пракси и студентских радних места повећан је за 18 процената. Институционални фактори овде играју улогу, јер су обавезне праксе чврсто успостављене у многим програмима за стицање диплома и стручног оспособљавања. Ово истиче важну разлику: тамо где је практично искуство обавезно због прописа, захтева курикулума или политика компаније, мање је вероватно да ће бити потпуно елиминисано, чак и током слабе економије. Насупрот томе, тамо где се третира као дискрециона инвестиција, већа је вероватноћа да ће постати жртва мера штедње.

Међутим, подаци описују само огласе за посао чији називи садрже типичне термине попут „Јуниор“, „Приправник“, „Дипломац“ или „Млади стручњак“. Компаније такође могу пронаћи одговарајуће кандидате за почетнике путем општије формулисаних огласа за посао, интерних унапређења или директног регрутовања са пракси и универзитетских партнерстава. Мерење стога потенцијално потцењује скривене путеве уласка. Насупрот томе, оглас за посао са називом „Јуниор“ може захтевати професионално искуство и стога није аутоматски права позиција за почетнике. Упркос томе, тренд је значајан због своје снаге и ширине, али га не треба мешати са тачним бројем свих новозапослених стручњака за почетнике.

Вештачка интелигенција не објашњава све

Упечатљива корелација између изложености вештачкој интелигенцији и губитка радних места је стварна. У занимањима где је више од 60 процената вештина и задатака могло да преузме или подржи вештачка интелигенција, у јулу 2026. године било је само око половине мање почетних, стручних и студентских позиција него у 2019. години. С друге стране, занимања са потенцијалом трансформације мањим од 40 процената остала су на претходном нивоу или изнад њега. Јаз између рада заснованог на знању који се лако дигитално аутоматизује и више физичког или друштвеног рада знатно се проширио.

Међутим, корелација не мора нужно да подразумева узрочност. Дивергентни трендови су почели већ у пролеће 2022. године, док је ChatGPT постао јавно доступан тек у новембру исте године. У то време, централне банке су повећале каматне стопе, компаније у развоју су изгубиле приступ јефтином финансирању, технолошке компаније су исправиле прекомерне капацитете повезане са пандемијом, а енергетска криза је посебно тешко погодила Немачку. Услуге засноване на знању су такође осетљиве на инвестиционе циклусе: када се покрене мање дигиталних пројеката, кампања, консултантских ангажмана или софтверских пројеката, потражња за особљем у овим секторима опада брже него у неговатељству или угоститељству.

Изложеност вештачкој интелигенцији се стога преклапа са економском осетљивошћу. Високо дигитализоване професије су често биле оне које су се посебно снажно прошириле током пандемије и потом морале да направе значајна прилагођавања. Оне су такође чешће погодне за рад независан од локације. Рад на даљину може отежати запошљавање стручњака почетног нивоа јер надзор, неформално учење и спонтана питања одузимају више времена. Послодавци тада преферирају искусне појединце који могу продуктивно да раде без интензивне подршке. Ако се статистички узме у обзир ефекат рада од куће и структуре занимања, наизглед јасна корелација са вештачком интелигенцијом може постати знатно слабија.

Међународни налази су такође помешани. У Сједињеним Државама, неколико анализа показује релативни пад запослености младих људи у занимањима која су посебно изложена вештачкој интелигенцији, док старији запослени на истим позицијама постижу конзистентније резултате. Друге студије, на нивоу целих компанија или индустрија, до сада нису пронашле општи пад броја огласа за посао због високе употребе вештачке интелигенције. Оба резултата могу бити тачна истовремено: Компанија може одржати стабилну укупну запосленост, али тражити мање млађег особља и искусније стручњаке, инжењере вештачке интелигенције или особље оријентисано на продају.

Најпрецизније тумачење је стога следеће: Укупно кретање које је до сада примећено је претежно циклично и структурно, док вештачка интелигенција мења унутрашњи састав потражње. Смањује потребу за одређеним рутинским задацима, повећава продуктивност постојећих тимова и помера вредност са извршења на контролу, интеграцију и одговорност. Статистички доказати велики, изоловани утицај вештачке интелигенције на укупан број послова остаје тешко. Међутим, на нивоу појединачних задатака, хијерархијских нивоа и одлука о запошљавању, њен утицај је већ економски значајан.

Тиха аутоматизација слободних радних места

Први ефекат нове технологије на тржиште рада често се не појављује као отпуштање. Манифестује се као позиција која се више не оглашава. Ако тим који подржава вештачка интелигенција може да се носи са истим обимом посла са мање додатних запослених, компанија не мора никога да отпушта. Једноставно не попуњава планирану позицију млађег радника или комбинује два скупа задатака. Овај процес остаје невидљив у агрегираним подацима о запослености дуго времена, док тражиоци посла осећају ефекат одмах.

Овај механизам се може описати као тиха аутоматизација упражњених радних места. Мање је ризичан за компаније од отпуштања јер нема отпремнина, преговора или штете по репутацију. Истовремено, омогућава им да сачекају и виде колико су нови алати заправо ефикасни. Ако се очекивани добици у продуктивности не остваре, запошљавање се може наставити касније. Ако технологија функционише, трајно мања радна снага постаје нова норма.

Генеративна вештачка интелигенција појачава ову опцију чекања. Њене могућности се брзо развијају, цене падају, а апликације се интегришу у стандардни софтвер. Компанија која данас запошљава почетника преузима вишегодишњу обавезу развоја и плате. Компанија која у почетку оставља позицију отвореном и уместо тога тестира софтвер задржава флексибилност. У клими велике неизвесности, ова опција чекања постаје економски атрактивна, чак и ако технологија још увек није довољно поуздана да замени запосленог са пуним радним временом.

Овоме се додаје и феномен сениоризације. Компаније траже кандидате са више искуства, ширим скупом вештина и одмах доступним за формално ниже позиције. Бивша млађа позиција не нестаје увек у потпуности; она се једноставно поново оглашава са вишим захтевима. Сада се очекује да се професионално искуство, познавање индустрије, контакт са купцима, писменост у вези са подацима и самоуверено коришћење вештачке интелигенције комбинују у једној особи. Ово смањује број правих могућности за почетнике, иако слични називи послова могу и даље постојати.

За искусне запослене, вештачка интелигенција је често комплементарна. Они могу да провере резултате, идентификују грешке, поставе приоритете и преузму одговорност. За почетнике, иста технологија може послужити као замена јер аутоматизује управо оне задатке на којима су претходно учили: почетно истраживање, једноставне анализе, стандардни текстови, тест случајеви, документација, израда презентација, припрема података и организациона координација. Проблем, дакле, није у томе што вештачка интелигенција одједном елиминише читаве професије. Она уклања појединачне задатке са доњег краја криве организационог учења.

Продуктивност са споредним ефектима

Економска логика која стоји иза ове промене је убедљива. У студији спроведеној на више од 5.000 запослених у корисничкој служби, асистент са вештачком интелигенцијом повећао је број решених случајева по сату у просеку за око 14 процената. За мање искусне и мање учинковите запослене, добитак је био приближно 34 процента, док високо искусно особље једва да је имало користи. Технологија је пренела део искуственог знања сачуваног у подацима на нове запослене, значајно убрзавајући њихову криву учења.

Из пословне перспективе, ово отвара две супротстављене стратегије. Компанија може постићи више са истим бројем нових запослених, брже побољшати њихов квалитет и смањити недостатак вештина. Алтернативно, може генерисати исти резултат са мање нових запослених. Која опција ће бити изабрана зависи од потражње, конкуренције, очекивања раста и циљева менаџмента. У економији у развоју, повећана продуктивност тежи да доведе до додатне производње; у стагнирајућој економији, то тежи да доведе до смањења трошкова и опрезнијег запошљавања.

Штавише, ефекат продуктивности није универзалан. За јасно дефинисане, често понављајуће и лако проверљиве задатке, генеративна вештачка интелигенција често пружа значајне предности. Међутим, за сложене проблеме ван њеног опсега компетенција, може произвести убедљиво погрешне грешке. У експериментима са консултантима за менаџмент, перформансе су се значајно повећале на одговарајућим креативним задацима, док су се смањиле на неодговарајућим задацима решавања проблема упркос упозорењима. Продуктивност, дакле, не произилази из једноставног приступа моделу, већ из одговарајућег дизајна задатка, контроле квалитета и здраве процене.

Управо ту дилема обуке постаје очигледна. Компанијама су потребни људи који могу критички да процене резултате вештачке интелигенције. Међутим, ова вештина се развија из стручности и искуства, традиционално стечених кроз једноставније задатке. Ако се сав основни рад аутоматизује, а млађе позиције елиминишу, недостајаће група способна за професионално прегледање сложених резултата. Организација се тада ослања на фонд искусних запослених, али не успева да адекватно обнови овај фонд.

Краткорочно гледано, овај модел може деловати веома профитабилно. Виши запослени са подршком вештачке интелигенције обавља више посла, тимови постају мањи, а трошкови особља се смањују. Међутим, дугорочно гледано, ризици концентрације се повећавају. Знање се концентрише у рукама неколико кључних појединаца, проналажење замена постаје теже, интерна сукцесија не успева, а запошљавање спољних стручњака постаје скупље. Дивиденда продуктивности садашњости стога може постати дуг компетенција будућности.

Наше стручно знање из ЕУ и Немачке у развоју пословања, продаји и маркетингу

Наша стручност у развоју пословања, продаји и маркетингу из ЕУ и Немачке - Слика: Xpert.Digital

Фокус индустрије: B2B, дигитализација (од AI до XR), машинство, логистика, обновљиви извори енергије и индустрија

Више информација овде:

Експертски пословни центар

Тематски центар који нуди увиде и стручност:

Платформа знања која покрива глобалне и регионалне економије, иновације и трендове специфичне за индустрију
Збирка анализа, увида и основних информација из наших кључних области фокуса
Место за стручност и информације о актуелним дешавањима у пословању и технологији
Чвориште за компаније које траже информације о тржиштима, дигитализацији и иновацијама у индустрији

Недостатак стручних кадрова и нова реалност

Недостатак квалификованих радника упркос вишку кандидата

Истовремени недостатак квалификованих радника и почетних позиција није контрадикција, већ проблем квалификација и искуства. Компаније често не траже додатну особу у апстрактном смислу, већ стручњака који се може одмах распоредити, који поседује специфично знање о индустрији, разумевање купаца, техничке вештине и искуство у преузимању одговорности. Недавни дипломирани студент природно још увек не испуњава овај профил. Ако су компаније мање спремне да улажу у обуку и развој, отворена специјалистичка места ће остати поред почетника који траже посао.

Овај парадокс је посебно очигледан у ИТ сектору. Упркос смањењу броја упражњених радних места, процењује се да је 109.000 ИТ позиција остало непопуњено у Немачкој 2025. године. Истовремено, оглашене позиције за почетнике у ИТ апликацијама и ИТ решењима су пале за 77 процената од 2022. године. Тржиште и даље захтева дигиталну стручност, али ређе у облику традиционалног профила за почетнике. Тражени су искуство, специјализација и све више способност продуктивног и одговорног коришћења вештачке интелигенције.

Незапосленост међу дипломцима универзитета порасла је на 3,3 процента у 2025. години, прешавши праг који се обично повезује са пуном запосленошћу по први пут од 2007. године. Број незапослених дипломаца повећан је знатно више од укупне незапослености. Ипак, број људи са универзитетским дипломама на пословима који подлежу доприносима за социјално осигурање наставио је да расте, достигавши приближно 7,2 милиона. Ово не представља свеобухватну кризу академског запошљавања, већ приметно погоршање у транзицији између професија и ширу разлику између дисциплина, нивоа искуства и профила вештина.

Компаније у неким случајевима реагују на ову ситуацију регрутовањем људи који мењају каријеру. Отприлике један од четири новозапослена ИТ стручњака долази алтернативним путем квалификација; овај проценат је сличан проценту универзитетских дипломаца. Ово указује на то да саме формалне дипломе губе на значају, док доказиво практично искуство добија на значају. Конкуренција се појачава за оне који улазе на тржиште рада, јер се такмиче не само са другим дипломцима већ и са искусним људима који мењају каријеру и међународно доступним стручњацима.

Немачко тржиште рада стога мање пати од униформне несташице него од неколико паралелних несташица. Постоји мањак медицинских сестара, квалификованих занатлија, електричара и искусних ИТ стручњака. Истовремено, премало је одговарајућих почетних позиција за многе недавно дипломиране студенте. Регионалне разлике, неусклађене квалификације, очекивања плата, недостатак смештаја и ограничена мобилност погоршавају ову неусклађеност. Стога, изјава да Немачка има мањак квалификованих радника мало говори о шансама појединца да уђе на тржиште радне снаге.

Обука као сидро стабилности

Док је број традиционалних послова на почетном нивоу опао, број оглашених позиција за стручно оспособљавање, укључујући програме дуалног образовања, остао је релативно стабилан. У периоду од августа 2025. до јула 2026. године, просечан број оглашених позиција био је око 50 процената већи него у 2019. години. У 20 од 23 упоредиве групе занимања, доступност програма обуке била је боља од доступности позиција на почетном нивоу. Развој софтвера је посебно откривајући: млађе позиције биле су око 70 процената испод нивоа из 2019. године, док су могућности обуке, посебно за ИТ стручњаке у развоју апликација, биле 27 процената веће.

Један од разлога лежи у структури послова. Само око 15 процената шегртовања је у професијама где би више од 60 процената поменутих вештина могло да преузме или подржи вештачка интелигенција. За почетне позиције, ова бројка је 42 процента, а за праксе и студентске позиције, она је 33 процента. Насупрот томе, 37 процената шегртовања има низак потенцијал трансформације вештачке интелигенције, мањи од 40 процената. За почетне послове, ова бројка је само девет процената, а за праксе и студентске позиције, она је десет процената.

За компаније, обука је такође другачији економски инструмент од запошљавања универзитетског дипломца. Приправници добијају ниже плате, постепено се упознају са захтевима компаније током неколико година и могу се специјализовати за процесе специфичне за компанију већ у раној фази. Ово смањује ризик запошљавања и омогућава дугорочно планирање кадрова. У неизвесним временима, стога може бити атрактивније развијати таленте изнутра него запошљавати боље плаћеног дипломца чија су продуктивност и задржавање у почетку неизвесни.

Међутим, дуални систем не треба идеализовати. У 2025. години, број понуђених места за шегртовање је опао за 4,6 одсто на око 530.300. Потписано је приближно 476.700 нових уговора, што је 2,1 одсто мање него претходне године. Истовремено, 84.400 младих људи је крајем септембра још увек тражило место за шегртовање, док је 54.400 места остало непопуњено. Чињеница да истовремено постоје кандидати и упражњена радна места указује на регионалне, професионалне и квалификационе неусклађености.

Стога, робусност огласа за посао на мрежи не значи да свака млада особа може лако пронаћи одговарајућу обуку. Неке понуде се налазе у регионима са високим трошковима живота или лошом доступношћу, док се друге тичу професија са незгодним радним временом, ниским платама или ниским друштвеним статусом. С друге стране, кандидати не испуњавају увек академска или лична очекивања компанија. Дуални систем је важан стабилизујући фактор, али не и аутоматска компензација за пад броја нижих академских позиција.

Ако недостаје прва пречка

Лош почетак каријере може обликовати целу професионалну биографију. Они који остану незапослени дуже време након дипломирања стичу мање практичног искуства, губе знање специфично за посао и могу послати негативан сигнал будућим послодавцима. То често доводи до преласка на неповезане, ниже плаћене или привремене позиције. Штавише, прва плата често чини основу за касније преговоре о плати, што значи да ниска почетна плата може имати последице годинама које долазе.

Дугорочне немачке студије показују да рана незапосленост може бити повезана са значајним накнадним губицима прихода. Ово је посебно тешко за појединце са нижим потенцијалом зараде, док запослени са високим учинком имају већу вероватноћу да надокнаде неповољности кроз промену посла и напредовање у каријери. Друге студије кохорти у рецесији закључују да се неповољности у платама могу смањити након неколико година. Кључни фактори укључују трајање незапослености, квалитет првог посла, мобилност и могућност брзог преласка у продуктивније компаније.

Тренутни пад стога може погоршати неједнакост унутар једне генерације. Дипломци са финансијском подршком, контактима, мобилношћу и релевантним праксама могу премостити дуже периоде тражења посла и стећи додатне квалификације. Други су приморани да рано прихвате непогодне понуде или напусте своју област студија. Избор се тада заснива не само на способностима, већ и на породичним ресурсима и толеранцији на ризик.

За компаније се јавља колективни проблем. Свако појединачно предузеће има подстицај да уштеди на трошковима обуке и преузме искусне раднике од других послодаваца. Ако се многе компаније понашају на овај начин, премало људског капитала се развија у целини. Тржиште тада производи мање младих талената него што је касније потребно. Економисти ово називају позитивним екстерналијем обуке у компанији: Компанија сноси трошкове, али неке од користи касније могу имати и други послодавци или економија у целини.

Демографски трендови погоршавају ово лоше управљање. Са пензионисањем генерације бејби бумера, не губи се само радна снага, већ и драгоцено искуство. Ако млађи запослени не могу да стекну ово знање на време, настаје двоструки јаз. Вештачка интелигенција може побољшати документацију, функционалност претраживања и приступ знању, али не може једноставно заменити ситуационо расуђивање, поверење купаца, осећај одговорности и познавање неформалних оперативних процеса.

Нова економија компетенција

У будућности, вредност новог стручњака ће се мање мерити његовом способношћу да обавља стандардне задатке од нуле. Важнија ће бити њихова способност да ефикасно структурирају радне процесе користећи вештачку интелигенцију, проверавају резултате, идентификују грешке и претварају стручност у информисане одлуке. То не значи да фундаментално знање постаје застарело. Напротив: они којима недостаје стручност за процену резултата зависе од квалитета модела и преузимају неизрачунате ризике.

Ово резултира новим профилом компетенција који се састоји од три нивоа. Први ниво је солидно знање из области, на пример у рачунарству, маркетингу, финансијама, логистици или праву. Други ниво је компетенција вештачке интелигенције: разврставање задатака, избор одговарајућих алата, заштита података, валидација трошкова и аутоматизација токова посла. Трећи ниво обухвата људске вештине које је тешко стандардизовати: одговорност, комуникацију, преговарање, контекстуално разумевање, креативност и решавање двосмислених ситуација.

Послодавци ће све више правити разлику између пуког коришћења алата и стручности у продуктивним системима. Кандидат који једноставно формулише задатке не нуди трајну предност. Вредно је неко ко савлада процес од проблема до података и модела до верификоване одлуке. То објашњава зашто, упркос лако доступној вештачкој интелигенцији, компаније настављају да траже стручњаке, док смањују број општих млађих профила.

Истовремено, вештачка интелигенција може олакшати почетак. Смањује баријере у знању, помаже у програмирању, подржава језичке вештине и чини висококвалитетне аналитичке алате шире доступним. У добро осмишљеним окружењима за учење, почетници несразмерно имају користи јер им систем пружа повратне информације и помоћ у вези са контекстом. Кључно питање, дакле, није да ли млади људи треба да користе вештачку интелигенцију, већ да ли компаније добитке у продуктивности претварају у додатне перформансе и убрзану обуку или искључиво у смањење запослености.

Професија пореског службеника показује да се профили послова могу мењати. Након модернизоване регулативе обуке, идентификовани потенцијал за аутоматизацију смањен је са 100 на 50 процената јер су консултантске услуге, корисничка подршка и захтевнији задаци снажније интегрисани у опис посла. Овај пример не доказује да ризици аутоматизације нестају једноставном променом назива послова. Међутим, он показује да институције могу да осмисле обуку на такав начин да људи рано развију оне комплементарне вештине које технологија не може поуздано да замени.

Шта компаније сада ризикују

Смањење броја млађих запослених побољшава однос трошкова и искоришћење капацитета на краћи рок. То може бити неопходно чак и током слабе економије. Међутим, постаје проблематично када се циклична реакција развије у сталну кадровску стратегију. Затим, после неколико година, постоји мањак запослених са средњим искуством, из којих би могли да се појаве руководиоци пројеката, архитекте, менаџери налога и руководиоци.

Компаније са старећом радном снагом и високим уделом прећутног знања су посебно рањиве. У таквим случајевима, стручност се не може брзо стећи на отвореном тржишту. Када искусни запослени истовремено оду у пензију, настала празнина може довести до оперативних ризика, проблема са квалитетом и кашњења пројеката. Поновно покретање запошљавања касније траје годинама јер запошљавање нових талената не гарантује аутоматски пуну продуктивност.

Одржива алтернатива је редизајн, а не елиминисање, улога почетног нивоа. Млађи запослени би требало да проводе мање времена на чисто механичким задацима, али да наставе да преузимају контролисану одговорност. Вештачка интелигенција може смањити рутински рад, док ментори могу да фокусирају своје време на дискусије о случајевима, контролу квалитета, контакт са купцима и разумевање система. На овај начин, крива учења се не елиминише, већ се убрзава.

Да би се ово постигло, компаније морају да користе нове метрике. Кључни фактори нису само краткорочне уштеде времена и број завршених задатака, већ и време до самосталног извођења радова, стопа грешака, квалитет одлука, ширина знања, интерни нивои запослених и задржавање након две или три године. Они који мере само тренутну продуктивност потцењују вредност учења и капитала сукцесије.

Мала и средња предузећа (МСП) такође могу имати користи. Она често не конкуришу највишим почетним платама, али могу понудити бржу одговорност, директан контакт са купцима и шири спектар задатака. Ове карактеристике постају посебно вредне када велике организације у великој мери стандардизују млађе послове. Професионално менторство је неопходно; само преоптерећење млађих запослених под маском ране одговорности не подстиче ни компетентност ни посвећеност.

Образовна политика под притиском времена

Универзитети и стручне школе морају брже прилагодити своје наставне планове и програме променљивој расподели задатака. Чисто чињенично знање губи вредност тамо где је лако доступно. Истовремено, методолошко разумевање, критика извора, писменост података и професионални надзор постају све важнији. Испити стога не би требало да процењују само израду текста, програма или дизајна, већ и процес рада, валидацију и образложење одлука.

Практичним фазама треба дати већи приоритет. Ако компаније смање број добровољних пракси, обавезни или кооперативно финансирани програми могу стабилизовати транзицију. Програми дуалног студија, практични семестри, модели радних студената и заједнички универзитетски пројекти комбинују теорију са практичним захтевима. Међутим, јавно финансирање не би требало трајно да замени трошкове приватне обуке; подршка би требало да буде везана за доказиви садржај учења, менторство и изгледе за посао.

Политика тржишта рада не би требало да покушава да сачува свако постојеће радно место. Брзо усавршавање вештина, модуларне квалификације и транспарентне процене компетенција су ефикасније. Онима који већ поседују специјализовано знање често није потребан потпуно нови програм за стицање дипломе, већ циљани модули из области анализе података, аутоматизације, сајбер безбедности, дизајна процеса или регулисаних апликација вештачке интелигенције. Такви програми морају бити доступни и запосленима и тражиоцима посла, како у погледу времена, тако и трошкова.

Штавише, Немачкој су потребни бољи подаци о стварним праксама запошљавања, профилима послова и каријерним путевима. Огласи за посао су брз показатељ, али они само делимично обухватају тајно регрутовање и интерне трансфере. Повезани подаци би могли да открију да ли су млађе позиције једноставно преименоване, пребачене у шегртовање, аутсорсоване или заправо аутоматизоване. Без ове диференцијације, постоји ризик од потцењивања технолошког преокрета или прераног приписивања сваког економског пада вештачкој интелигенцији.

На крају крајева, политике раста морају бити део одговора. Само даља обука неће створити радна места ако компаније не очекују повећану потражњу. Улагања у дигиталну инфраструктуру, енергетику, становање, одбрану, здравство и индустријску модернизацију могу генерисати додатна радна места. Што динамичније економија расте, већа је вероватноћа да ће се повећање продуктивности претворити у повећање производње и нова радна места, уместо само у смањење потреба за запошљавањем.

Три могућа пута развоја

У повољном сценарију, потражња се опоравља, компаније користе вештачку интелигенцију за ширење и развијају нове моделе почетног нивоа. Млађи запослени раније преузимају захтевније задатке јер је рутински посао аутоматизован. Продуктивност се повећава, време учења се скраћује, а мањи тимови генеришу већу вредност без елиминисања пута до младих талената. Приправништво, програми дуалног учења и академски упис постају тешње интегрисани.

У средњем сценарију, укупна запосленост остаје релативно стабилна, али је број традиционалних млађих позиција трајно мањи. Улазак на тржиште радне снаге све више се одвија кроз праксе, пројекте, шегртовање, промене каријере и привремене програме. Захтеви расту, а новим стручњацима је раније потребно практично искуство и вештине вештачке интелигенције. Компаније добијају на ефикасности, али се морају носити са мањим бројем запослених у средњем менаџменту.

У најгорем случају, слаб раст и агресивна аутоматизација се комбинују како би створили трајно замрзавање запошљавања. Мање младих људи стиче релевантно искуство, незапосленост и запосленост неспецијалиста расту, а неколико година касније недостатак искусних радника се интензивира. Компаније тада реагују скупим „препродајом“ радника, међународним регрутовањем и аутсорсингом. Економија губи људски капитал, иновативни капацитет и могућности за друштвену мобилност.

Који ће се пут одвијати није унапред одређен технологијом. Зависи од потражње, инвестиција, стратегија људских ресурса, образовних реформи и расподеле добитака од продуктивности. Вештачка интелигенција може заменити прву фазу каријере, али је може учинити и ефикаснијом. Одлука лежи у дизајну посла, а не само у моделу.

Нема губитка радних места, али системски аларм

Пад броја послова на почетном нивоу је озбиљан, али не доказује опште уништење радних места од стране вештачке интелигенције. Подаци указују на комбинацију фактора: изузетан бум запошљавања 2022. године, економску слабост, веће трошкове финансирања, корекцију сектора, рад на даљину, повећану потражњу и почетак реорганизације вођене вештачком интелигенцијом. Они који криве искључиво технологију погрешно разумеју редослед догађаја. Они који поричу њен утицај у потпуности игноришу посебно слабе перформансе дигиталних, знањем интензивних и лако аутоматизованих задатака.

Централна економска опасност лежи у ерозији каријерних лествица. Тржиште рада може истовремено тражити много искусних стручњака, а запошљавати премало почетника. Ова стратегија функционише краткорочно све док се компаније ослањају на постојећи стручни склад или „краду“ особље једне од других. Није одржива јер се искуство мора стећи пре него што се оно може запослити.

За младе људе, улазак на тржиште рада постаје селективнији, више практично оријентисан и више технолошки вођен. Диплома остаје вредна, али је ређе довољна као једина квалификација. За компаније, изазов није да носталгично сачувају млађе позиције, већ да их продуктивно редизајнирају. За образовну политику и универзитете, изазов лежи у интегрисању знања из домена, апликација вештачке интелигенције, контроле квалитета и практичног искуства из стварног света.

Пад од више од две трећине стога није ни само нормална корекција тржишта нити доказ предстојеће масовне незапослености услед вештачке интелигенције. То је рани сигнал упозорења за економију која би могла да реши своје тренутне проблеме недовољним улагањем у своју будућу квалификовану радну снагу. Ако Немачка уклони најнижу пречку каријерне лествице, не би требало да се изненади ако касније нико не стигне до врха.

🎯🎯🎯 B2B индустријски центар вођен подацима као квази-интерно решење

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем - Слика: Xpert.Digital

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде: