AI sa Australia: 70% sa malalaking negosyo, 31% sa maliliit

Sa magkasanib na pahayag ng mga ministro noong Oktubre 20, 2026, inanunsiyo nina Amanda Rishworth at Andrew Giles ang paglabas sa Australia ng Pathways to Success – Jobs and Skills Report 2026 ng Jobs and Skills Australia: gumagamit ng AI ang 70% ng malalaking negosyo laban sa 31% ng maliliit, habang inilarawan ni Giles ang layunin ng pamahalaan bilang “a more connected jobs and skills system”. Inilalagay ng agwat sa sentro ng usapin ang kakayahan ng employer na maglaan ng tao, oras at suporta upang magamit ang teknolohiya sa trabaho.

Sa buong ulat, ang humigit-kumulang 31% ay tumutukoy sa mga negosyong may mas kaunti sa limang empleyado at ang halos 70% ay sa may 200–500 empleyado; bumaba rin ang bahagi ng mga occupation na may skills shortage mula 36% noong 2023 tungong 29% noong 2025. Magkaibang sukatan ang AI adoption ng negosyo at kakulangan sa manggagawa. Para sa employer na nagpaplano ng kasanayan, mahalagang makita kung paano nagiging bahagi ng gawain ang AI, hindi lamang kung may gumagamit nito.

Kung saan nakikita ang agwat sa AI adoption

Mas madalas mag-ulat ng paggamit ng AI ang mas malaking negosyo, ngunit hindi ipinapakita ng paghahambing na laki lamang ang sanhi. Maaaring mas madaling magtalaga ng taong mamamahala sa pagpasok ng bagong tool kapag maraming kawani at magkakahiwalay ang mga tungkulin. Sa maliit na negosyo, maaaring ang taong susubok sa AI ang siya ring kailangang magpatuloy sa araw-araw na operasyon. Paliwanag ito sa posibleng hadlang, hindi sukat ng epekto ng bawat salik.

Kasabay ng laki ng negosyo ang pagkakaiba ayon sa lokasyon. Mas mataas ang iniulat na adoption sa mga negosyong nasa metropolitan areas kaysa sa mga nasa rehiyon sa bawat pangkat ng laki. Iniuugnay ng pagsusuri ang kakayahang umangkop sa access sa kapital, digital infrastructure at kasanayan ng workforce. Hindi nito ibinubukod kung gaano kalaki ang ambag ng bawat isa sa agwat, kaya hindi sapat ang dalawang porsiyento upang sabihing pagsasanay lamang ang dahilan.

May pagkakaiba rin sa uri ng gawain. Nangunguna sa datos ang services at mining, kasunod ang health and education, retail at manufacturing. May mga negosyong maaaring gumamit ng AI sa pagproseso ng impormasyon o paggawa ng nilalaman; sa iba, mas kaunti ang gawaing angkop dito o mas mahirap ihanda ang kinakailangang datos. Kaya ang parehong bilang ng empleyado ay hindi nangangahulugang magkapareho ang pagkakataong magamit ang AI.

Ang pagsasanay ay kailangang may puwang sa trabaho

Pagsasanay ng mga manggagawa sa Australia na nag-uugnay ng bagong kasanayan sa aktuwal na gawain.

Hindi awtomatikong nagiging bagong kakayahan ng kompanya ang access ng kawani sa isang AI tool. Kailangang malaman kung aling gawain ang maaari nitong tulungan, anong impormasyon ang maaaring ipasok, at sino ang susuri sa magiging resulta. Kung hindi nakalaan ang oras para sa pagkatuto at pagsusuri, maaaring manatili sa paisa-isang eksperimento ang paggamit kahit may subscription na ang negosyo.

Mahalaga rin ang disenyo ng tungkulin. Kapag tumutulong ang AI sa unang bersiyon ng isang output, kailangan pa ring malinaw kung sino ang magwawasto, magpapasya at mananagot sa ipapasa sa kliyente o gagamitin sa operasyon. Maaaring matutong gumamit ng tool ang isang manggagawa ngunit wala siyang puwang sa iskedyul upang suriin ang output nito. Sa ganitong sitwasyon, ang hadlang ay nasa pagkakaayos ng trabaho pati sa kasanayan ng tao.

Sa pag-uulat ng HRD Australia tungkol sa bagong ulat, mas malaki ang potensiyal ng AI na baguhin at dagdagan ang mga gawain kaysa awtomatikong palitan ang buong trabaho. Nagiging mas mahalaga tuloy ang paghuhusga ng manggagawa sa paggamit ng output at ang pag-angkop ng proseso sa bagong paraan ng paggawa. Para sa maliit na employer, konkretong usapin ito ng oras: sino ang matututo, sino ang gagabay, at kailan magagawa ang pagsusuri habang nagpapatuloy ang regular na serbisyo.

Mas mababang shortage, patuloy na pangangailangan sa kasanayan

Pagbaba ng bahagi ng mga occupation na may skills shortage sa Australia mula 36% noong 2023 tungong 29% noong 2025.

Ang pagbaba ng bahagi ng mga occupation na may shortage ay hindi katumbas ng pagkawala ng pangangailangang sanayin ang kasalukuyang workforce. Sinusukat ng shortage kung saan nahihirapang punan ang pangangailangan sa manggagawa; ibang tanong kung kayang gamitin ng mga taong nasa trabaho na ang mga bagong tool. Maaaring gumaan ang paghahanap ng tauhan sa kabuuan habang nagbabago naman ang kasanayang kailangan sa loob ng isang tungkulin.

Binibigyang-diin ng pagsusuri ang pagkatuto habang nagtatrabaho at ang mas mahusay na paggamit sa kasanayang mayroon na ang mga tao. May halaga ang pormal na pagsasanay, ngunit natututuhan din ang ilang gawain sa aktuwal na paggamit, puna ng kasamahan at pagwawasto ng resulta. Nakadepende ang ganitong pagkatuto sa suporta ng employer: kailangang may pagkakataong subukan ang natutuhan at may taong makapagsasabi kung ang output ay sapat para sa layunin ng trabaho.

Kasama rito ang paglipat ng mga tao sa tungkuling mas gumagamit ng kanilang kakayahan. Kung nagbabago ang gawain dahil sa AI ngunit hindi nagbabago ang saklaw ng tungkulin o paraan ng pagtasa sa kalidad, maaaring hindi mapakinabangan ang bagong kasanayan. Dito nagtatagpo ang workforce planning at job redesign: kailangang tumugma ang matututuhan ng kawani sa trabahong maaari niyang gawin pagkatapos.

Mga tanong na mahalaga sa maliit na employer sa Pilipinas

Ang datos ng negosyo sa Australia ay hindi lokal na adoption rate para sa Pilipinas. Mas kapaki-pakinabang sa isang Philippine SME ang mga tanong na inilalantad ng agwat kaysa ang paglipat ng mga porsiyento sa ibang labor market:

Datos at access: May maaasahang impormasyong kailangan para sa gawaing tutulungan ng AI, at malinaw ba kung alin ang maaaring ibahagi sa tool?
Oras sa pagsasanay: Sino ang magkakaroon ng panahon upang matutong gumamit ng tool at magsuri ng output nang hindi napapabayaan ang pangunahing gawain?
Disenyo ng trabaho: Aling bahagi ng proseso ang maaaring baguhin, at sino ang may huling pasya kapag mali o hindi angkop ang mungkahi ng AI?
Suporta ng manager: May taong magtatakda ng pamantayan, magbibigay ng puna at mag-aayos ng proseso kapag may nakitang problema?

Magkakaugnay ang mga sagot. Kung mayroon nang angkop na datos ngunit walang oras para sa pagsasanay, hindi sapat ang maayos na access. Kung may bihasang kawani ngunit hindi malinaw ang pananagutan sa huling output, mahirap gawing regular na bahagi ng serbisyo ang AI. Para sa maliit na employer, ang pinakamahalagang bunga ng paghahambing ay ang pangangailangang itugma ang tool, pagkatuto at tungkulin sa kapasidad ng sarili nitong negosyo.

Basahin din: