Запослени желе више AI алата — забране већ гурају рад у сенку

У саопштењу од 9. октобра 2026. компанија Cognizant из Тинека у Њу Џерзију наводи да четири од пет испитаних запослених желе више простора за употребу AI-ја на послу, а њен извршни директор Рави Кумар С каже: „Our research finds that people are ahead of their employers“.

Према извештају AI Brief-а, између 72% и 82% радника у различитим групама сматра да им понуђени AI алати не одговарају, док 87% припадника групе најбржих усвајача, назване Architects, каже да користи неодобрене алате када одобрени не завршавају посао. Ограничење избора алата, дакле, код дела испитаника већ прати заобилажење одобреног поступка.

Жеља за AI-јем и могућност употребе нису исто

У пуном истраживачком извештају, заснованом на одговорима више од 10.000 радника, Cognizant разликује седам група запослених и налази да је њихов однос према технологији, ризику и послу приближно шест пута јачи показатељ употребе AI-ја од положаја у организационој хијерархији. Истраживачи разлику између жељене и стварне употребе називају „јазом активације“.

Тај јаз описује неискоришћену намеру, а не готов резултат који би настао чим послодавац отвори приступ новом сервису. Радник може да види задатак за који би AI био користан, али да нема одговарајући алат, довољно знања или поверења у добијени одговор. Зато заинтересованост запослених и спремност организације треба посматрати одвојено.

Разлика међу групама објашњава зашто једно правило за све постиже мало. Неки запослени већ користе AI интензивно и траже решење које разуме њихов задатак. Другима недостаје јасан разлог да га укључе у рад. У оба случаја формално доступан алат може да остане по страни, али узрок и одговор послодавца нису исти.

Зашто најактивнији излазе из одобрених канала

За раднике који су већ навикли да користе AI пресудно је да ли одобрени сервис познаје контекст компаније и конкретног задатка. Извештај као препреке издваја и слабу могућност прилагођавања, лоше уклапање у постојећи поступак и непоуздан одговор. Ако запослени мора дуго да поправља резултат или да га ручно преноси између система, дозвола за употребу не решава проблем употребљивости.

Податак о групи Architects има јасну границу: он описује најбрже усвајаче у истраживању, а не све запослене. Ипак, њихово понашање показује механизам рада у сенци. Када одобрена опција не помаже, део радника прелази на сервис који није прошао поступак одобравања, уместо да одустане од AI-ја. То је разлог да се ограничења процењују и по томе куда усмеравају рад, а не само по томе шта пише у правилима.

Рад ван одобреног канала смањује увид послодавца у податке које запослени уноси, начин на који је добио одговор и проверу тог одговора. То не значи да је свака неодобрена употреба довела до цурења података или погрешне одлуке. Значи да се контроле предвиђене за одобрени алат не преносе саме на други сервис, чак и када коначни радни задатак изгледа уредно завршен.

Обука не поправља алат који промашује задатак

Истраживање бележи разлике у томе како групе запослених оцењују и завршавају обуку. Посебно је упадљиво што су међу онима који најбоље прихватају обуку и радници који користе неодобрене сервисе. Вештина да се AI употреби, према томе, не уклања препреку ако послодавац нуди алат који не може да обави посао који се од њега тражи.

Обука и избор алата решавају различита питања. Обука може да помогне запосленом да процени одговор и препозна када је потребна људска провера. Одобрени алат мора да има приступ одговарајућем контексту, да се уклопи у поступак и да омогући рад унутар правила за податке. Када један део недостаје, број људи који су завршили курс даје непотпуну слику о стварној употреби.

Шта послодавац треба да мери и мења

Налази се могу превести у четири повезане мере за тимове. Ово је уреднички оквир за примену резултата истраживања, а не пакет мера чији је учинак Cognizant тестирао:

• Одобрени алати: уз сваки чест задатак треба везати употребљиву одобрену опцију и забележити где она запиње. Списак сервиса мало помаже ако ниједан не познаје податке и поступак неопходне за тај посао.
• Обука: вежба треба да прати стварни задатак и проверу његовог резултата. Сам завршетак обуке не показује да ли запослени уме да уочи нетачан, непотпун или неупотребљив одговор.
• Правила за податке: тим мора да зна које податке сме да унесе у одобрени алат, који захтевају додатну заштиту и који не смеју да оду у спољни сервис. Јасна граница је нарочито важна када доступни алат не одговара задатку.
• Пријава лоших резултата: запосленима треба канал кроз који могу да покажу где одобрени алат греши или тражи превише исправки. Таква пријава даје послодавцу конкретан разлог да поправи алат или поступак пре него што заобилазни пут постане уобичајен.

Учесталост пријављивања у сервис говори колико се алат отвара, али не и да ли помаже. Корисније је пратити колико одговор захтева исправки, да ли пролази људску проверу и на ком кораку радник одустаје од одобрене опције. То су показатељи квалитета рада и уклапања алата у задатак, док сам број корисника може да расте и уз исто незадовољство.

За послодавце у Србији глобално истраживање није мера удела домаћих радника који користе неодобрене сервисе. Његова непосредна последица је конкретније питање за сваки тим: може ли запослени да заврши свој задатак одобреним алатом и да пријави где тај пут отказује? Тамо где одговор остаје невидљив, послодавац о недостатку алата може сазнати тек пошто је рад већ прешао у други сервис.

Прочитајте и:

• Половина запослених није спремна за AI — проблем је у руководству
• Kajabi или Thinkific: јефтинији курс може да тражи више алата
• Како ограничити AI агента пре него што prompt injection стигне до алата