AI алати су стигли, али је 69% фирми већ одустало од пројекта

Pluralsight је у саопштењу од 30. септембра 2026. навео да је 69% анкетираних организација у претходној години одустало од технолошког пројекта због мањка вештина, док је 96% уложило у AI алате за бар део запослених. Само 52% организација сматра да је већина или цела њихова радна снага AI писмена. Анкета је обухватила 1.500 технолошких руководилаца, стручњака и људи задужених за обуку у САД, Уједињеном Краљевству и Аустралији.

Одговор о прекинутим пројектима односи се на недостатак технолошких вештина уопште, а не само на AI. То је важна разлика за фирме које су већ набавиле алате: приступ технологији показује да запослени могу да је користе, али сам по себи не показује да умеју да заврше посао који од ње зависи. Истраживање бележи пријављена искуства организација, а не независну проверу сваког прекинутог пројекта.

Улагање у алате претекло је спремност тимова

Највећи раскорак је између тога што је алат доступан и тога што његова употреба тражи у стварном пројекту. Запослени може да добије приступ AI систему, а да и даље нема довољно знања да припреми податке, процени добијени резултат или препозна када је потребна људска одлука. Зато податак о куповини не треба читати као податак о способности целог тима.

Мањак вештина најтеже погађа пројекте у облачној инфраструктури, сајбербезбедности и области AI и машинског учења. Ти послови често траже више повезаних способности: исправан резултат једног корака није довољан ако тим не уме да га уклопи у постојећи систем или безбедно одржава. Прекинут пројекат зато не говори нужно да је алат заказао; може да покаже да су захтеви посла били већи од способности које је организација могла да примени.

Последица се јавља и пре одустајања. Када се недостатак знања открије усред извођења, тим мора да успори рад, промени план или потражи помоћ ван организације. То су различити исходи истог проблема, па проценат одусталих пројеката не обухвата и сва кашњења, додатне трошкове или послове који су завршени уз накнадно ангажовање стручњака.

Завршен курс не показује да је знање применљиво

Према обради CIO Dive, више од три четвртине технолошких руководилаца видело је запослене који су завршили обуку или стекли сертификат, а затим нису умели да примене то знање на послу; директорка Pluralsight Ерин Гајдало упозорила је да је „there is significant risk in blindly assuming that teams have the skills needed to complete the project“. Завршетак програма бележи учешће или успех на провери коју је програм задао. Пројекат тражи да се научено употреби у условима који нису унапред решени у лекцији.

Разлика је посебно видљива када је задатак неодређен или када резултат AI алата делује уверљиво, али је погрешан. Тада није довољно знати које дугме треба притиснути: потребно је уочити грешку, објаснити њен утицај и одлучити шта може да се пусти у рад. Сертификат може бити користан запис о учењу, али не замењује демонстрацију таквог поступка на задатку који одговара послу тима.

За руководиоца је зато битно шта се тачно мери после обуке. Број завршених часова и издатих потврда говори о обиму учења; готов задатак са проверљивим квалитетом говори о примени. Ако се та два показатеља помешају, процена спремности за нови пројекат може да изгледа повољно све до тренутка када тим наиђе на стварно ограничење.

Британске фирме пријављују спољне трошкове

У британском пресеку, који је објавио TechRadar, 40% организација морало је неочекивано да повери посао спољним стручњацима јер нису имале потребне вештине унутар тима. Још 39% навело је да није испоручило важан пројекат, а 27% да је изгубило клијента или уговор. То су одговори британских испитаника о последицама које су искусили, а не проценти за све фирме у земљи.

Исти британски пресек наводи да 35% технолошких руководилаца процењује да их јаз у вештинама може коштати најмање 380.000 фунти годишње. Износ је процена дела испитаника, не просечан трошак сваке британске фирме. За мањи тим је посебно значајно то што изненадно ангажовање спољне помоћи мења и буџет и распоред рада: задаци које је требало завршити интерно добијају новог извршиоца тек пошто је проблем већ откривен.

Шта би показала провера на стварном задатку

Подаци о курсевима и прекинутим пројектима упућују на једноставнију меру спремности: да ли тим уме да уради посао због којег се алат или обука набављају. Један могућ оквир за малу технолошку фирму почиње ограниченим задатком пре обуке, са унапред одређеним критеријумом квалитета. Он показује почетно стање и открива која способност недостаје, без претпоставке да свим запосленима треба исти курс.

Условно, ако тим планира да користи AI за разврставање корисничких захтева, почетни задатак може да покаже уме ли запослени да препозна нејасан захтев и издвоји случај који тражи људску одлуку. После обуке исти тип посла може да се понови на новом узорку. Корисна демонстрација обухвата коначан резултат, уочене грешке и начин на који су исправљене, а не само потврду да је курс завршен.

Трећи део оквира је пословни исход: квалитет обрађених захтева, време потребно за рад или обим накнадних исправки. То су предлози показатеља за конкретан задатак, а не метод чију је делотворност анкета измерила. Њихова вредност је у томе што повезују научену вештину са испоруком коју фирма очекује пре нове куповине алата или новог циклуса обуке.

Анкетирани су у САД, Уједињеном Краљевству и Аустралији, па ови проценти не описују Србију. Домаћа фирма може да провери сопствену спремност тек на својим задацима и својим исходима. Ако запослени после обуке не може да покаже бољи резултат у послу за који је алат набављен, број лиценци и потврда остаје податак о уложеном новцу, а не о способности да се пројекат испоручи.

Прочитајте и:

• EvilTokens је угашен, али клонови већ заобилазе MFA
• Технолошко запошљавање успорава, али људске вештине воде
• РАС даје до 15 милиона по фирми за улазак у ланце добављача