Kratak odgovor: Umjetna inteligencija uglavnom rekonfigurira rad automatizacijom dijelova zadataka, ubrzavanjem rezultata i podizanjem očekivanja - posebno na početnim pozicijama. Ako naučite koristiti umjetnu inteligenciju i provjeravati njezine rezultate, veća je vjerojatnost da ćete dobiti prednost; ako je vaš posao uglavnom repetitivna proizvodnja prvog prolaza, izloženiji ste riziku kada timovi usvoje umjetnu inteligenciju.
Ključne zaključke:
Promjena zadataka : Očekujte automatizaciju ponovljivog rada, s ulogama koje se razvijaju, a ne nestaju.
Ljestvica početne razine : Juniori se mogu suočiti s manje otvorenih radnih mjesta i višim zahtjevima za kompetencijama od prvog dana.
Verifikacija : Razviti vještinu provjere činjenica, brojeva, rubnih slučajeva i usklađenosti s pravilima.
Prijeđite na odluke : Približite se ciljevima, ograničenjima, kompromisima i odgovornosti za rezultate.
Dokaz rada : Pratite ušteđeno vrijeme, smanjene pogreške i rezultate kako biste ostali vidljivo vrijedni.
Članci koje biste možda željeli pročitati nakon ovog:
🔗 Hoće li umjetna inteligencija zamijeniti računovođe?
Istražite kako automatizacija mijenja računovodstveni rad i buduće uloge.
🔗 Može li umjetna inteligencija zamijeniti kibernetičku sigurnost?
Procijenite utjecaj umjetne inteligencije na kibernetičku obranu, rizike i ljudski nadzor.
🔗 Hoće li umjetna inteligencija zamijeniti inženjere podataka?
Pogledajte koje zadatke podatkovnog inženjerstva umjetna inteligencija može automatizirati već danas.
🔗 Hoće li umjetna inteligencija zamijeniti agente osiguranja?
Saznajte kako bi umjetna inteligencija mogla preoblikovati prodaju osiguranja i korisničku podršku.
1) Ljudski odgovor na pitanje „Kako umjetna inteligencija utječe na radna mjesta?“ (ne onaj dramatičan) 😅
Preskočimo filmsku verziju u kojoj roboti preko noći uzimaju sve. Pravi učinak obično se postiže ovako:
-
Zadaci se automatiziraju, ne cijeli poslovi (u početku). OECD
-
Posao se ubrzava za ljude koji nauče dobro koristiti umjetnu inteligenciju. NBER
-
Rad na početnoj razini se najviše mijenja jer često uključuje zadatke koji se ponavljaju. IMF
-
Nove uloge pojavljuju se jer netko mora implementirati, nadzirati, mjeriti i popravljati tijekove rada vođene umjetnom inteligencijom. Svjetski ekonomski forum
-
Definicija "dobrog zaposlenika" mijenja se od "brze ruke" do "pametne prosudbe". Svjetski ekonomski forum
Dakle, kada netko pita: Kako umjetna inteligencija utječe na radna mjesta?, najjasniji odgovor je:
umjetna inteligencija mijenja oblik rada - i nagrađuje ljude koji ga mogu voditi, umjesto da ga ignoriraju. MMF
I da, neke uloge se smanjuju. Neću to uljepšavati emojijem s motivacijskog postera. Ali priča je više poput preuređenja kuće nego rušenja grada buldožerom 🧱🏠.
2) Tri načina na koje promjene umjetne inteligencije funkcioniraju: zamjena, preoblikovanje ili podizanje ljestvice 📈
Većina utjecaja na posao spada u tri kategorije:
A) Zamijenite (dio zadataka)
Ovo je kada umjetna inteligencija obrađuje dio ponavljajućeg izlaza:
-
osnovno raspoređivanje
-
sažeci prvog nacrta
-
jednostavni odgovori kupaca
-
rutinsko čišćenje podataka
-
pisanje temeljeno na predlošcima
Rijetko se radi o „zamjenjivanju cijele osobe“, već o „uklanjanju 20-40% onoga što su prije radili.“ OpenAI OECD
Što zvuči sjajno dok ne shvatite da su neki ljudi opravdavali broj zaposlenih s 20-40%.
B) Preoblikovanje (posao ostaje, tijek rada se mijenja)
Ovo je najčešći. I dalje obavljate posao, ali:
-
nadgledate izlaze
-
uređujete i provjeravate
-
postavljate ograničenja
-
rješavate rubne slučajeve
-
donosiš posljednje odluke
Mnogi ljudi postanu „recenzenti“ bez da dobiju titulu ili povišicu, što... nije idealno, ali je stvarno.
C) Podignite ljestvicu (isti naziv radnog mjesta, veća očekivanja)
Ovo je suptilno. Timovi usvajaju AI alate i odjednom "prosječni učinak" postaje "minimalno prihvatljiv".
Posao se ne čini lakšim. Čini se bržim... i zauzetijim 😵💫.
Dakle, da - Kako umjetna inteligencija utječe na poslove? Ponekad tako što isti posao čini kao traka za trčanje koja se tiho ubrzava.
3) Koji su poslovi najviše pogođeni - i zašto se radi o zadacima, a ne o prestižu 🎯
Dobro pravilo: što je zadatak predvidljiviji, temeljen na tekstu ili prepun uzoraka, to ga umjetna inteligencija više može pomoći ili automatizirati. To ne znači da posao nestaje. To znači da se "težište" posla pomiče. OpenAI ILO
Više izloženih vrsta zadataka
-
ponavljajuće izvještavanje
-
predlošci e-poruka i prijedloga
-
osnovna istraživanja i sažeci
-
rutinske provjere kvalitete
-
unos i klasifikacija podataka
-
standardne varijacije slika (promjena veličine, uklanjanje pozadine, brze izmjene)
Više zaštićenih vrsta zadataka (za sada... otprilike)
-
odluke s visokim ulozima
-
složeno međuljudsko pregovaranje
-
praktičan fizički rad u nepredvidivim okruženjima
-
dvosmislene odluke vodstva
-
posao koji zahtijeva duboki kontekst i povjerenje u McKinsey
I čisto da budem dosadan: posao može uključivati oboje. Vaša uloga može biti „sigurna“, dok je polovica vaših tjednih zadataka u osnovi švedski stol za automatizaciju.
4) „Tihi“ utjecaj: početne uloge i nedostajuće ljestve 🪜😬
Ovaj dio je jako važan i ljudi o tome ne pričaju dovoljno.
Postoje mnoge početne uloge jer organizacije trebaju:
-
netko tko će napisati prvu verziju
-
netko tko će obrađivati rutinske ulaznice
-
netko tko će sastavljati bilješke i izvješća
-
netko tko će obaviti „naporan, ali potreban“ posao
Umjetna inteligencija može obaviti dio toga. Što znači da tvrtke mogu zaposliti manje juniora ili im dati drugačiji posao (više osiguranja kvalitete, više koordinacije, više korištenja alata). IMF NBER
Rizik je efekt „slomljenih ljestava“:
-
manje ulaznih točaka
-
manje prilika za učenje osnova
-
manje mentora jer su timovi vitkiji
-
veća očekivanja za kompetenciju prvog dana
Ako ste na početku karijere, pitanje "Kako umjetna inteligencija utječe na poslove?" često se prevodi kao: možda ćete morati pokazati praktične sposobnosti ranije nego što su ljudi to činili prije.
Nepošteno? Ponekad. Istina? Često. 🤷
5) Nova radna mjesta koja stvara umjetna inteligencija (i ona često zanemarena) 🧠✨
Svaki val tehnologije ubija neke zadatke i stvara druge. Umjetna inteligencija nije iznimka, ali novi poslovi mogu izgledati... neglamurozno na prvi pogled. Svjetski ekonomski forum
Evo područja koja se obično šire:
-
AI operacije i dizajn tijeka rada : pretvaranje „trebali bismo koristiti AI“ u stvarne korake koje ljudi slijede
-
Kvaliteta i evaluacija umjetne inteligencije : rezultati testiranja, pouzdanost bodovanja, praćenje pogrešaka
-
Upravljanje podacima : osiguravanje da postoje ispravni podaci, da su čisti i da se s njima etički postupa
-
Sigurnost i usklađenost : sprječavanje curenja, zlouporabe i katastrofa tipa "ups, zalijepili smo povjerljive stvari"
-
Uloge čovjeka u petlji : pregled, ispravljanje, odobravanje rezultata s velikim utjecajem ILO
-
Obuka i osposobljavanje : podučavanje timova pravilnom korištenju alata (ovo je veće nego što zvuči) Svjetski ekonomski forum
Također, jedna nišna stvar: ljudi koji mogu napisati jasne interne smjernice postaju neočekivano vrijedni. Kao, politika, ali praktična. Nije zabavno na zabavama, ali je praktično na poslu 📝.
6) Što čini dobru verziju plana karijere otpornog na umjetnu inteligenciju? 🧭🤝
Ovo je dio koji svi žele: priručnik. I ne, priručnik nije "naučiti programirati" (ponekad korisno, ponekad potpuno nebitno). Dobra verzija plana karijere otpornog na umjetnu inteligenciju ima nekoliko sastojaka:
1) Birate "groznicu", a ne jednu vještinu
Zamislite stog poput:
-
znanje domene (vaša industrija)
-
tečnost u radu s alatima (AI + osnovni alati)
-
komunikacija (objašnjenje odluka)
-
prosudba (znanje u što vjerovati)
-
pouzdanost (ljudi računaju na vas)
Jedna vještina je svijeća. Hrpa je logorska vatra 🔥. Malo nesavršena metafora, ali shvaćate.
2) Približavate se odlukama
Umjetna inteligencija je dobra u stvaranju opcija. Ljudi ostaju vrijedni kada:
-
definirati ciljeve
-
postaviti ograničenja
-
birati kompromise
-
preuzeti odgovornost za rezultate BLS
Ako je vaš posao uglavnom "proizvesti stvar", počnite se preusmjeravati na "odlučiti što bi stvar trebala biti"
3) Izrađujete dokaz rada
Ne vibracije. Dokaz.
-
metrike prije/poslije
-
ušteđeno vrijeme
-
smanjene pogreške
-
poboljšano zadovoljstvo kupaca
-
dokumentirani procesi
Zadrži malu datoteku hvalisanja. Znam, osjeća se neugodno. Učini to svejedno 😬.
4) Učite vještinu provjere
Ovo je podcijenjena supermoć:
-
provjera haluciniranih činjenica
-
uočavanje nedostajućih rubnih slučajeva
-
interna provjera brojeva i izvora
-
znati kada reći „ne, ponovi ovo“
Budućnost pripada dobrim urednicima. Ne samo pisanju - i odlukama.
7) Tablica usporedbe: najbolji načini na koje ljudi koriste umjetnu inteligenciju na poslu (i zašto neki rade bolje) 🧾🤖
Evo praktičnog "izbornika" pristupa. Nije savršen. Ali je praktičan.
| Alat / Pristup | Publika | Cijena | Zašto to funkcionira |
|---|---|---|---|
| Pomoćnik u chatu za izradu nacrta + ideje | Znanstveni radnici, studenti, menadžeri | Besplatno uz mjesečnu naknadu | Brzi prvi nacrti, dobra brainstorming ideja - ali ipak morate provjeriti… ozbiljno |
| Pomoćnik u pisanju i uređivanju | Marketinški stručnjaci, komunikacije, ljudski resursi | Niska mjesečna | Pretvara grube nacrte u čišće, štedi vrijeme; može postati malo jednolično |
| Bilješke sa sastanka + izdvajanje zadataka | Voditelji timova, prodaja, operacije | Često u paketu | Bilježi odluke, smanjuje trenutke "što smo se dogovorili??" 😵 |
| Prijedlozi za odgovore korisničke podrške | Timovi za podršku | Na temelju korištenja | Ubrzava odgovor, poboljšava dosljednost - rizično ako je politika stroga |
| "Kopilot" za proračunske tablice i podatke | Analitičari, financije, operacije | Varira | Izvrsno za sažetke + formule, ponekad krivo shvaća kontekst (dosadno) |
| Pomoćnik za kodiranje | Inženjeri, analitičari, hobi programeri | Besplatno do mjesečno | Ubrzava standardni rad, pomaže u otklanjanju pogrešaka, još uvijek zahtijeva ljudsku provjeru |
| Alat za izradu automatizacije (AI + tijekovi rada) | Operacije, RevOps, osnivači | Sredinom mjeseca | Povezuje alate i smanjuje ponavljajući rad; postavljanje zahtijeva strpljenje |
| Pitanja i odgovori baze znanja (interno) | Veći timovi | Viši trošak | Pomaže ljudima brže pronaći interne odgovore - samo onoliko koliko su dobri podaci |
Priznanje o neobičnosti formatiranja: cijene su namjerno nejasne jer se stvarne cijene mijenjaju, a ljudi se svađaju oko toga što znači „isplati se“. Oboje je istinito.
8) Vještine koje se "kompliciraju" kada je umjetna inteligencija posvuda 📚⚙️
Ako želite kratak popis vještina koje ostaju vrijedne čak i kada se alati mijenjaju, ovo su one na koje bih se kladio (na temelju mnogo praktičnog promatranja i onoga što dosljedno funkcionira u timovima): Svjetski ekonomski forum
Prosudba i kritičko razmišljanje 🧠
-
uočavanje loših pretpostavki
-
traženje pravog daljnjeg postupka
-
prepoznavanje kada je izlaz uvjerljiv, ali pogrešan
Jasna komunikacija 🗣️
-
jasno pisanje odluka
-
objašnjavanje kompromisa
-
prevođenje tehničkih stvari za netehničke ljude
Sistemsko razmišljanje 🔁
-
razumijevanje tijekova rada od početka do kraja
-
identificiranje uskih grla
-
poboljšanje procesa, ne samo rezultata
Empatija dionika 🤝
-
znati što ljudima zapravo treba
-
suočavanje s otporom bez kretena
-
usklađivanje timova koji žele različite stvari
Tečnost u korištenju alata (ne opsesija alatima) 🧰
Naučiti:
-
kako učinkovito potaknuti
-
kako procijeniti rezultate
-
kako integrirati umjetnu inteligenciju u svoj tijek rada (BLS)
Nemoj postati osoba koja priča samo o alatima. Nitko tu osobu ne poziva na ručak. (U redu, ponekad to učine, ali znaš što mislim) 🍜
9) Kako koristiti umjetnu inteligenciju bez da postanete zamjenjivi dio 😬➡️😎
Ovo je važno. Jer postoji zamka: ako koristite umjetnu inteligenciju samo za brže obavljanje najlakših dijelova, mogli biste slučajno učiniti da vaša uloga izgleda jednostavnije nego što jest.
Umjesto toga isprobajte ove strategije:
Budite "vlasnik" rezultata
Umjesto „Generirao sam 10 opcija“, prijeđite na:
-
„Odabrao/la sam najbolju opciju na temelju X“
-
„Potvrdio sam ovo u odnosu na ograničenja Y“
-
„Testirao sam ga s korisničkom grupom Z“
Vlasništvo je ljepljivo. Izlaz je sklizak.
Dokumentirajte svoj proces
Zapišite:
-
što si učinio
-
zašto si to učinio/učinila
-
što se promijenilo
-
što si naučio/la
Štiti vas od razgovora tipa "svatko bi to mogao učiniti".
Postanite most između umjetne inteligencije i stvarnosti 🌍
Stvarnost uključuje:
-
politika
-
glas brenda
-
nijansa kupca
-
pravna ograničenja
-
timska politika (da, politika - ne ona vladina)
Umjetna inteligencija se prirodno ne nosi s tim neredom. Ljudi to rade.
Razviti specijalnost koju umjetna inteligencija podržava, ali ne zamjenjuje
Primjeri:
-
marketing svjestan usklađenosti
-
zdravstvene operacije (visoki kontekst)
-
analiza kibernetičke sigurnosti (visoki ulozi)
-
strategija prodaje poduzeća (s naglaskom na odnose)
-
upravljanje proizvodima (kompromisi i usklađivanje)
Dakle, opet, kako umjetna inteligencija utječe na radna mjesta? Ponekad vas prisiljava da se popnete u lancu vrijednosti... čak i ako to niste tražili.
10) U čemu poslodavci griješe (i što pametni timovi rade umjesto toga) 🏢🛠️
Ako upravljate ljudima ili gradite timove, umjetna inteligencija može biti dar ili glavobolja usporenog snimka.
Uobičajene pogreške:
-
uvođenje alata bez obuke
-
mjerenje „aktivnosti“ umjesto ishoda
-
pod pretpostavkom da su izlazi umjetne inteligencije automatski prihvatljivi
-
smanjenje broja zaposlenih prije redizajna radnih procesa
-
ignoriranje udara na moral kada se ljudi osjećaju zamjenjivima
Pametniji potezi:
-
definirati gdje je umjetna inteligencija dopuštena, a gdje nije
-
stvoriti standarde recenzija (kako izgleda „dobro“)
-
ulagati u obuku i interne priručnike
-
dodijeliti odgovornost za praćenje kvalitete i rizika
-
poboljšanja procesa nagrađivanja, ne samo brzina Svjetski ekonomski forum
Još jedna stvar: ako želiš posvojenje, nemoj sramotiti ljude koji su oprezni. Oprez može biti mudrost. Ili strah. Obično oboje 😅.
11) Brza često postavljana pitanja: pitanja koja ljudi šapuću na sastancima 🤫
„Hoće li mi umjetna inteligencija uzeti posao?“
Moglo bi se raspasti na komadiće. Vaša najbolja obrana je postati osoba koja:
-
dobro koristi umjetnu inteligenciju
-
ispravno provjerava
-
razumije poslovni kontekst
-
može koordinirati ljude MMF-a
„Je li dovoljno naučiti alate umjetne inteligencije?“
Ne. Alati se mijenjaju. Osnove ostaju. Naučite alate, da, ali ih povežite s vještinama poput prosudbe, sistemskog razmišljanja i komunikacije.
„Što ako mrzim umjetnu inteligenciju?“
Ne moraš ga voljeti. Samo ti treba radni odnos s njim. Kao onaj kolega s posla koji je dosadan, ali spretan.
„Koji je najsigurniji karijerni put?“
Ništa nije savršeno sigurno. Ali uloge s visokim kontekstom, povjerenjem, odgovornošću i ljudskim odnosima obično su otpornije. McKinsey OECD
12) Završni sažetak - kako umjetna inteligencija utječe na radna mjesta? ✅🤖
Umjetna inteligencija nije jednokratni događaj. To je postupno preuređenje zadataka, očekivanja i tijekova rada. Neke se uloge smanjuju, neke šire, mnoge se razvijaju. Svjetski ekonomski forum MMF
Ljudi koji se obično najbolje snalaze:
-
Tretiraj umjetnu inteligenciju kao kolegu, a ne kao čarobni štapić 🪄
-
naučite provjeravati i uređivati, ne samo generirati
-
približiti se odlukama i odgovornosti
-
izgradite skup vještina umjesto da jurite za jednim trendom
-
utjecaj i rezultati dokumenta
A ako se još uvijek pitate, kako umjetna inteligencija utječe na radna mjesta? evo kratkog sažetka:
Umjetna inteligencija nagrađuje prilagodljivost, jasno razmišljanje i odgovornost - a kažnjava ponavljanje koje nije vezano uz prosudbu. OpenAI BLS
Nije uvijek fer. Nije uvijek zabavno. Ali izvedivo… i, ponekad, čak i uzbudljivo 😄.
Često postavljana pitanja
Kako umjetna inteligencija utječe na poslove u svakodnevnom uredskom radu?
U većini radnih mjesta, umjetna inteligencija ne zamjenjuje cijele poslove preko noći - zamjenjuje dijelove zadataka. To se obično očituje kao brži prvi nacrti, brži sažeci i automatiziraniji administrativni rad. S vremenom se mnoge uloge pomiču prema pregledavanju, provjeri i donošenju konačne odluke. Ljudi koji najviše dobiju obično su oni koji nauče upravljati rezultatima umjetne inteligencije, umjesto da alate tretiraju kao pozadinsku buku.
Koja su radna mjesta najviše pogođena umjetnom inteligencijom i zašto?
Poslovi su najviše pogođeni kada je veliki dio posla predvidljiv, temeljen na tekstu ili prepun obrazaca - zamislite rutinsko izvještavanje, predloške e-pošte, sažetke osnovnih istraživanja i klasifikaciju podataka. To ne znači automatski da uloga nestaje, ali se mijenja "težište". Izoliraniji zadaci obično uključuju procjenu s visokim ulozima, nijansiranu ljudsku interakciju, povjerenje i složenost na terenu.
Hoće li mi umjetna inteligencija uzeti posao ili samo dijelove?
Uobičajeni ishod je da umjetna inteligencija preuzima dijelove posla - često repetitivni posao "prvog prolaza" - dok ljudi zadržavaju vlasništvo nad odlukama, rubnim slučajevima i odgovornošću. Rizik je da ako 20-40% zadataka nestane, neki timovi smanje broj zaposlenih umjesto da redizajniraju tijekove rada. Sigurnija je pozicija postati osoba koja dobro koristi umjetnu inteligenciju, rigorozno provjerava i razumije poslovni kontekst.
Zašto se početne uloge toliko mijenjaju s umjetnom inteligencijom?
Mnoge početne uloge su povijesno postojale za obradu prvih nacrta, rutinskih zahtjeva i obrade "zauzetih, ali potrebnih". Umjetna inteligencija sada može pokriti dijelove toga, pa tvrtke mogu zaposliti manje mlađih zaposlenika ili preusmjeriti mlađi rad prema osiguranju kvalitete, koordinaciji i tijekovima rada vođenim alatima. To može stvoriti efekt "prekidnih ljestvi", s manje ulaznih točaka i većim očekivanjima prvog dana. Ljudima na početku karijere često je potreban dokaz praktične sposobnosti ranije nego prije.
Koje nove poslove stvara umjetna inteligencija, a ljudi ih previđaju?
Osim blještavih naslova, rast se često očituje u operacijama umjetne inteligencije, dizajnu tijeka rada, evaluaciji kvalitete i pregledu uz sudjelovanje ljudi. Timovima je također potrebno upravljanje podacima, nadzor sigurnosti i usklađenosti te interna obuka kako bi se alati usvojili bez curenja ili izbježivih pogrešaka. Ljudi koji mogu napisati jasne interne smjernice i priručnike postaju iznenađujuće vrijedni. Netko mora "korištenje umjetne inteligencije" pretvoriti u siguran, ponovljiv proces.
Koji je realističan plan karijere otporan na umjetnu inteligenciju (bez jurenja za hirom)?
Čvrst plan izgleda kao izgradnja skupa vještina: poznavanje domene, tečnost u korištenju alata, komunikacija, prosudba i pouzdanost. Približite se odlukama - definirajte ciljeve, postavite ograničenja, odaberite kompromise i preuzmite odgovornost za ishode. Zadržite dokaze o radu poput ušteđenog vremena, smanjenja pogrešaka i poboljšanja procesa. Podcijenjena supermoć je verifikacija: hvatanje halucinacija, propuštenih rubnih slučajeva i krivih brojeva.
Kako mogu koristiti umjetnu inteligenciju na poslu, a da ne postanem zamjenjivi dio?
Ako koristite umjetnu inteligenciju samo za brže obavljanje najlakših dijelova, možete slučajno učiniti svoju ulogu jednostavnijom. Preokrenite se na vlasništvo: objasnite što ste odabrali, zašto ste to odabrali i kako ste to validirali. Dokumentirajte svoj proces kako se ne bi zaglavilo "svatko to može učiniti". Postanite most između umjetne inteligencije i praktičnih ograničenja poput politike, glasa brenda, nijansi kupaca i pravnog rizika.
Koje se vještine najviše uspoređuju kada je umjetna inteligencija posvuda?
Prosudba i kritičko razmišljanje se spajaju jer umjetna inteligencija može proizvesti uvjerljive rezultate koji su i dalje pogrešni. Jasna komunikacija je važnija jer timovima trebaju jasno napisane odluke i kompromisi. Sistemsko razmišljanje pomaže vam da poboljšate tijek rada od početka do kraja, a ne samo da ubrzate jedan korak. Tečno poznavanje alata također pomaže - ali ne i opsesija alatima; trajna prednost je znanje kako potaknuti, procijeniti i odgovorno integrirati umjetnu inteligenciju.
U čemu poslodavci često griješe prilikom usvajanja alata umjetne inteligencije?
Uobičajena pogreška je uvođenje alata bez obuke, standarda pregleda ili jasnih granica gdje je dopuštena umjetna inteligencija. Neki timovi smanjuju broj zaposlenih prije redizajniranja radnih procesa, a zatim završavaju s problemima kvalitete i moralom. Jači timovi definiraju zaštitne ograde, postavljaju „kako izgleda dobro“, ulažu u priručnike i dodjeljuju odgovornost za praćenje rizika. Usvajanje se poboljšava kada se oprez tretira kao vrijednost, a ne kao otpor.
Reference
-
Međunarodna organizacija rada (ILO) - ilo.org
-
Međunarodna organizacija rada (ILO) - ilo.org
-
Organizacija za ekonomsku suradnju i razvoj (OECD) - oecd.org
-
Organizacija za ekonomsku suradnju i razvoj (OECD) - oecdskillsandwork.wordpress.com
-
Nacionalni ured za ekonomska istraživanja (NBER) - nber.org
-
Međunarodni monetarni fond (MMF) - imf.org
-
Međunarodni monetarni fond (MMF) - imf.org
-
Svjetski ekonomski forum - Izvješće o budućnosti radnih mjesta 2023. - weforum.org
-
Svjetski ekonomski forum - Izvješće o budućnosti poslova 2025.: Izgledi za vještine - weforum.org
-
OpenAI - GPT su GPT - openai.com
-
McKinsey & Company - mckinsey.com
-
Američki Zavod za statistiku rada (BLS) - Procjena utjecaja novih tehnologija na tržište rada - bls.gov
-
Američki Zavod za statistiku rada (BLS) - Uključivanje utjecaja umjetne inteligencije u projekcije zaposlenosti BLS-a - bls.gov