AI vještine rastu svugdje, ali jedan tečaj ne rješava razliku među poslovima

SHRM je u priopćenju od 22. rujna 2026. objavio da je udio aktivnih oglasa za IT i računalna zanimanja s navedenim AI vještinama porastao u svih 27 promatranih zemalja; James Atkinson iz SHRM-a pritom je rekao da se potražnja „is not unfolding uniformly across markets or occupations”. Analiza pokazuje što poslodavci navode u oglasima, a ne koliko je ljudi s tim znanjem zaposleno.

Za kandidata odgovor ovisi o poslu: u oglasima se pojavljuju široki pojmovi poput umjetne inteligencije i strojnog učenja, zatim generativni AI i računalstvo u oblaku te konkretniji alati PyTorch i TensorFlow. Te oznake same ne govore traži li tvrtka razvoj modela, primjenu postojećeg alata ili provjeru njegova rezultata. Potvrda o završenom tečaju zato ne može sama pokazati da kandidat zna obaviti zadatak naveden uz AI zahtjev.

Rast u oglasima ne izgleda jednako u svakom zanimanju

U SHRM-ovu prikazu istraživanja prosječni udio tehničkih oglasa koji spominju AI kreće se od 7 % u Austriji do 28,5 % u SAD-u, dok se medijan udjela po skupinama zanimanja proteže od 4,7 % za mrežnu i sistemsku podršku do 55,1 % za analizu podataka i matematiku. Prva usporedba govori o tržištima, a druga o skupinama poslova. Nacionalni prosjek zato ne opisuje nužno zanimanje za koje se pojedinac prijavljuje.

Promatrani su aktivni oglasi, uspoređeni s prethodnim godišnjim razdobljem. Jedan oglas može navesti više vještina, a spominjanje AI-ja ne govori koliko će se često tehnologija koristiti nakon zapošljavanja. Rast udjela opisuje promjenu u objavljenim zahtjevima; iz njega se ne može zaključiti da je u svakom zanimanju porastao i broj otvorenih mjesta.

Razlika je važna i unutar IT-a. U oglasu za analizu podataka AI zahtjev može stajati uz obradu podataka i procjenu izlaza modela; u mrežnoj podršci može pratiti posve druge odgovornosti. To su mogući primjeri zadataka, a ne opis svakog oglasa u tim skupinama. Za izbor onoga što treba naučiti opis odgovornosti korisniji je od samog postotka u međunarodnoj usporedbi.

Opći naziv, specijalizirani alat i suradnja traže različit dokaz

Izraz „umjetna inteligencija” u oglasu širok je signal: ne određuje metodu, alat ni očekivani rezultat. Strojno učenje sužava područje, a PyTorch i TensorFlow upućuju na konkretnije tehničko okruženje. Ni ime alata, međutim, ne otkriva treba li kandidat izgraditi model, prilagoditi postojeći sustav ili razumjeti kako se provjerava njegov izlaz.

U nalazima se spominju i generativni AI te AI agenti. U pojedinom oglasu važna je radnja uz takav zahtjev: pisanje koda, izrada nacrta teksta, obrada podataka i nadzor automatiziranog postupka traže različite kriterije kvalitete. To su mogući načini tumačenja opisa posla, a ne tvrdnja da je istraživanje izmjerilo uspješnost tih postupaka.

Uz tehničke zahtjeve pojavljuju se i socijalne vještine, uz velike razlike među zemljama. Uloga koja traži objašnjavanje rezultata kolegama ili dogovor o prihvatljivom izlazu uključuje drukčiji dio posla od samog pokretanja alata. Radni primjer zato može pokazati i prosudbu: gdje je kandidat provjerio rezultat, što je promijenio i koje bi ograničenje objasnio timu prije uporabe.

Hrvatski oglasi mogu usmjeriti izbor vještine

Međunarodni prosjek nije prognoza za pojedino radno mjesto u Hrvatskoj. Za lokalnu odluku korisniji je mali, ručno prikupljen uzorak oglasa za isto zanimanje i područje; analiza displacement.ai predlaže deset aktualnih oglasa, odvajanje obveznih uvjeta od poželjnih te uklanjanje duplikata. Taj je postupak pomoć pri izboru gradiva, a udjeli dobiveni iz takvog uzorka nisu statistika hrvatskog tržišta rada.

Bilješka za svaki oglas može sadržavati:

• Naziv radnog mjesta, lokaciju, datum pregleda i poveznicu na izvorni oglas.
• Doslovan AI zahtjev i oznaku je li obvezan ili poželjan.
• Radnju uz zahtjev: što treba izraditi, održavati, koristiti ili provjeriti.
• Imenovani alat, očekivani rezultat i način suradnje, ako su navedeni.

Važno je sačuvati formulaciju poslodavca jer se pod istim nazivom zanimanja mogu naći različite odgovornosti. Ako se u nekoliko objava ponavlja provjera točnosti izlaza, taj se zadatak može izdvojiti od oglasa koji traži treniranje modela, makar oba spominjala AI. Poželjno iskustvo s alatom ne treba pritom pretvoriti u obvezni uvjet samo zato što stoji u istom odlomku. Nalaz takvog uzorka ovisi o odabranoj lokaciji, platformi i trenutku prikupljanja.

Radni primjer pokazuje više od naziva tečaja

Iz zadatka koji se ponavlja u oglasima može nastati mali radni primjer: navesti ulaz, pokazati što je napravljeno, opisati provjeru i jasno označiti vlastite ispravke. Uvjetan primjer za razvoj softvera bila bi kratka promjena koda uz testove i objašnjenje koji je prijedlog AI alata prihvaćen, a koji odbačen. Za analitički posao primjer bi mogao pokazati kako su pregledani podaci i prepoznat nepouzdan rezultat, ako upravo to traže oglasi za željenu ulogu.

Tečaj ima smisla kada poučava postupku potrebnom za takav zadatak, no potvrda o pohađanju sama ne opisuje što kandidat može izvesti. SHRM-ova analiza nije uspoređivala obrazovne programe niti mjerila učinak radnih primjera pri zapošljavanju. Povezivanje ponavljanog zahtjeva s provjerljivim rezultatom urednički je prijedlog za izbor vještine: kandidat može pokazati vlastiti postupak i prosudbu, a zatim prema konkretnom poslu odlučiti što još treba uvježbati.

Pročitajte i:

• AI koristi 62% hrvatskih tvrtki, ali samo 16% ima ili gradi strategiju