AI kao kolega, ne kao zamena: kako organizovati timski rad sa AI alatima

AI nije zaposleni koji može da preuzme punu odgovornost, već digitalni saradnik koji može da proširi kapacitet tima. Najbolje rezultate daje kada ljudi zadrže odluke, kontekst i proveru, dok AI preuzima pripremu, rutinske zadatke, analizu velikog broja informacija i prve nacrte. Timovi koji žele stvarnu korist moraju da definišu koje zadatke AI sme da radi, koje podatke ne sme da vidi, ko proverava rezultat i kako se greške beleže i ispravljaju.

Rečenica „AI će zameniti ljude“ zvuči dovoljno dramatično da puni konferencijske sale, društvene mreže i naslovne strane. Problem je što je u stvarnom radu previše pojednostavljena. AI ne dolazi samo po radna mesta. Dolazi po zadatke, rutine, način na koji se donose odluke i po ogroman deo administrativnog posla koji su ljudi godinama prihvatali kao neizbežan.

Zato je korisnije postaviti drugo pitanje: kako da AI postane dobar kolega, a ne loša zamena za stručnost?

Dobar AI saradnik ne sedi na mestu čoveka. On priprema sastanak, sređuje beleške, pronalazi informacije, pravi prvi nacrt, poredi opcije, predlaže test slučajeve, prepoznaje ponavljanje i upozorava da nešto nedostaje. Čovek, sa druge strane, postavlja cilj, procenjuje kontekst, proverava činjenice, donosi odluku, preuzima odgovornost i snosi posledice.

Ta podela rada nije romantična priča o „čoveku i mašini“. Ona je praktična potreba. AI može da napiše ubedljiv, lepo strukturiran i potpuno netačan tekst. Može da predloži kod koji prolazi kroz demo, a otvara bezbednosnu rupu u produkciji. Može da sažme sastanak, ali izostavi politički važnu nijansu koju je čovek razumeo iz tona razgovora. Zato pitanje nije da li tim koristi AI, već da li ume da njime upravlja.

Microsoftov Work Trend Index za 2025, zasnovan na istraživanju među 31.000 profesionalaca iz 31 zemlje, opisuje rast hibridnih timova ljudi i AI agenata; 82 odsto lidera očekuje da će koristiti AI rešenja u narednih 12 do 18 meseci, dok 46 odsto navodi da njihova organizacija već automatizuje poslovne tokove uz AI agente. To govori da AI više nije eksperiment za pojedince. Postaje deo organizacionog dizajna.

AI nije kolega od krvi i mesa

Nazivati AI „kolegom“ može biti korisna metafora, ali samo ako se razume njena granica. AI nema odgovornost, profesionalnu etiku, poslovni interes, intuiciju stečenu radom sa klijentima niti sposobnost da zaista razume posledice loše odluke.

On nema iskustvo u ljudskom smislu. Ima obrazac.

Zbog toga AI ne treba tretirati kao stručnjaka koji „zna“, već kao sistem koji može da pomogne u obradi informacija i generisanju mogućih odgovora. Nekada će biti briljantno koristan. Nekada će zvučati sigurno, a grešiti. Najopasniji deo nije kada kaže „ne znam“, već kada izmisli odgovor sa tonom samopouzdanja.

To naročito važi za generativne modele, odnosno Generative AI (generativnu veštačku inteligenciju). Oni su izuzetno dobri u radu sa jezikom, nacrtima, sumiranjem, klasifikacijom, kodom i pronalaženju obrazaca. Ali nisu garant istinitosti, poslovne logike ili pravne ispravnosti.

Zato se u timskom radu mora jasno razdvojiti:

Ovo nije pokušaj da se umanji značaj AI-ja. Naprotiv. Najveća vrednost nastaje kada mu se dodeli posao u kome zaista može da bude odličan, umesto da se od njega očekuje ono što ne može odgovorno da radi.

Anthropic Economic Index prati načine na koje korisnici koriste Claude i razlikuje augmentation (pojačavanje ljudskog rada) od automation (automatizacije). Platforma eksplicitno prati da li ljudi sa AI-jem sarađuju ili mu delegiraju zadatke, što dobro pokazuje da se uticaj AI-ja na posao ne može svesti na prostu priču o „zameni čoveka“.

Prestanite da merite broj alata

Najgora moguća AI strategija je kupovina što više pretplata. Jedan tim koristi ChatGPT, drugi Copilot, treći Claude, četvrti Gemini, neko ubaci alat za sastanke, neko generator slika, neko automatizaciju i neko privatni nalog koji je otvorio bez znanja IT-ja.

Posle nekoliko meseci firma ne zna:

• Koji alat koristi koje podatke.

• Da li zaposleni unose poverljive informacije.

• Ko plaća licence i koliko se stvarno koriste.

• Da li postoji zajednički standard za proveru rezultata.

• Koji tim je ostvario korist, a ko samo proizvodi više materijala.

• Ko je odgovoran kada AI napravi štetu.

To se često naziva shadow AI (neformalna, neodobrena upotreba AI alata). Problem nije u tome što su zaposleni radoznali. Problem je što organizacija kasni za realnošću rada, pa ljudi sami nalaze prečice.

Zabrana bez alternative retko rešava situaciju. Ako zaposleni moraju brzo da obrade dokument, analiziraju tabelu ili pripreme nacrt, a firma im ne nudi bezbedan i odobren način, oni će koristiti prvi dostupan javni alat. Tada problem više nije produktivnost, nego privatnost, vlasništvo nad podacima i kontrola rizika.

Zato je bolje imati mali broj jasno odobrenih rešenja, nego desetine nekontrolisanih. ITNetwork je već pisao o AI alatima za poslovanje koji pokrivaju sadržaj, prodajni outreach, sastanke i korisničku podršku. Međutim, izbor platforme je tek početak. Ključno pitanje je: za koji konkretan posao je tim koristi i kako se proverava rezultat?

AI strategija mora početi od posla

Kompanije često prvo pitaju: „Koji AI alat da uzmemo?“ Ispravnije pitanje je: „Koji zadatak nam danas uzima najviše vremena, ponavlja se često i ima jasna pravila kvaliteta?“

To je razlika između tehnologije kao igračke i tehnologije kao poslovne infrastrukture.

Dobar početak su zadaci koji su:

• Ponavljajući i vremenski zahtevni.

• Zasnovani na već postojećim dokumentima ili strukturisanim podacima.

• Dovoljno niskog rizika za pilot-projekat.

• Laki za proveru od strane stručnjaka.

• Merljivi pre i posle uvođenja AI-ja.

Na primer, marketinški tim može koristiti AI da pripremi prve verzije opisa kampanje, sažme istraživanja, predloži varijante naslova i pretvori jedan stručni tekst u više formata. Međutim, osoba odgovorna za sadržaj mora da proveri činjenice, ton, brend, originalnost i pravnu bezbednost objave.

Razvojni tim može koristiti AI za generisanje testova, objašnjenje nasleđenog koda, pripremu dokumentacije ili predlog refaktorisanja. Ali AI-generisani kod ne sme biti automatski spojen u glavnu granu bez pull request procesa, pregleda koda, automatizovanih testova i bezbednosnih provera.

Projektni tim može koristiti AI za rezime sastanka, izdvajanje rizika i kreiranje nacrta plana. Ali zapisnik mora potvrditi osoba koja je vodila sastanak, posebno kada se zaključci odnose na budžet, rokove, ugovorne obaveze ili odgovornost klijenta.

Dobro pravilo glasi: AI treba prvo da dobije zadatak koji je dosadan, ali proverljiv. Tek posle dokazane vrednosti treba mu dati kompleksniju ulogu.

Napravite mapu zadataka

Umesto da razmišljate o radnim mestima, posmatrajte poslove kao skup zadataka. Jedna osoba u marketingu ne radi „marketing“; ona istražuje publiku, piše brief, planira kampanje, analizira rezultate, razgovara sa klijentima, koordinira dizajn, prati konkurenciju i donosi odluke. Neki od tih zadataka pogodni su za AI, neki nisu.

Isto važi za programera, advokata, HR menadžera, prodavca, računovođu i projektnog menadžera.

Korisna matrica izgleda ovako:

Ovakva mapa tera organizaciju da postavi granice. Nije dovoljno reći „AI je koristan za marketing“ ili „AI će pomoći HR-u“. Potrebno je definisati da li AI sme da kreira prvi nacrt oglasa, da li sme da analizira javno dostupne podatke, da li sme da vidi CV-jeve, da li sme da rangira kandidate i ko ima pravo da donese konačnu odluku.

Razlika između pomoći i autonomije mora biti napisana, ne pretpostavljena.

Pravilo: čovek proverava ono što AI proizvodi

Najveća zabluda je da proveru treba raditi samo kada AI „deluje sumnjivo“. Ne. Provera je deo procesa, naročito kada rezultat odlazi klijentu, utiče na novac, bezbednost, reputaciju ili pravne obaveze.

AI može proizvesti nekoliko vrsta problema:

• Hallucination (halucinacija): izmišljena činjenica, izvor, funkcionalnost ili zaključak.

• Pogrešna interpretacija konteksta: tačan podatak, ali primenjen na pogrešnu situaciju.

• Zastarelost: odgovor zasnovan na starim informacijama, pravilima ili dokumentaciji.

• Bias (pristrasnost): obrazac koji favorizuje ili diskriminiše određene grupe.

• Curanje podataka: unos poverljivih sadržaja u neodobreni javni servis.

• Lažna preciznost: odgovor koji zvuči detaljno i stručno, iako nije proverljiv.

• Gubitak stručnosti: tim prestaje da razmišlja jer „AI obično pogodi“.

Upravo poslednji problem je podmukao. Ako zaposleni samo kopiraju rezultat iz AI alata, firma kratkoročno možda ubrza isporuku. Dugoročno gubi sposobnost da samostalno procenjuje kvalitet, prepoznaje grešku i rešava neuobičajene situacije.

Zato human-in-the-loop (čovek u kontrolnoj petlji) ne znači samo „neko je tu negde“. Znači da postoji imenovana osoba koja pre objave, slanja, izvršavanja ili donošenja odluke proverava rezultat prema unapred određenim kriterijumima.

Za sadržaj to može biti provera izvora, činjenica, tona, autorskih prava i brend smernica. Za kod to su testovi, bezbednosna analiza, pregled promena i procena performansi. Za finansije to su pravila, dozvole, iznosi i trag odobrenja. Za HR to su usklađenost sa politikama, obrazloženje odluke i zaštita od diskriminacije.

Dajte AI-u ograničen pristup

Najneodgovornija stvar koju kompanija može da uradi jeste da poveže AI sa svim internim sistemima i kaže mu da „pomaže“. Pomoć bez granica je bezbednosni incident koji samo još nije postao vidljiv.

AI mora da dobije minimum podataka i ovlašćenja potrebnih za zadatak. Taj princip se u bezbednosti naziva least privilege (najmanje neophodnih privilegija).

Ako AI alat sažima sastanke, ne mora automatski da ima pristup svim ugovorima, privat HR dokumentima i finansijskim izveštajima. Ako pomaže timu za korisničku podršku, ne mora imati pravo da menja bankovne podatke korisnika. Ako generiše marketinške predloge, ne mora imati pristup kompletnom CRM-u i listi kupaca.

Potrebna su najmanje sledeća pravila:

• Koji alati su odobreni za poslovnu upotrebu.

• Koje kategorije podataka se ne smeju unositi u javne AI alate.

• Kada je obavezan poslovni, Enterprise nalog sa ugovorom i administrativnom kontrolom.

• Ko ima pravo da povezuje AI sa internim sistemima.

• Koje radnje AI može samo da predlaže, a koje može da izvrši.

• Kako se čuvaju logovi, odnosno evidencija upita, odgovora i akcija.

• Ko prijavljuje incident i kako se greška analizira.

NIST-ov AI Risk Management Framework definiše dobrovoljni okvir za upravljanje rizicima AI sistema i naglašava karakteristike pouzdanog AI-ja, uključujući validnost, bezbednost, transparentnost, privatnost i upravljanje štetnim posledicama. U svakodnevnom jeziku to znači: nemojte koristiti AI samo zato što je impresivan. Koristite ga tamo gde možete da objasnite šta radi, na kojim podacima radi, ko ga kontroliše i šta se dešava kada pogreši.

Nove uloge u timu

AI neće nužno ukinuti potrebu za ljudima, ali će promeniti raspodelu posla. Neko ko je ranije trošio pola dana na pripremu nacrta sada može više vremena posvetiti analizi, klijentu, kvalitetu ili strategiji. To je prilika – ali samo ako organizacija svesno promeni očekivanja.

Ako AI skrati administrativni posao, a menadžment samo poveća količinu posla bez boljih procesa, zaposleni neće doživeti tehnologiju kao pomoć. Doživeće je kao novi instrument pritiska.

U praksi se pojavljuju nove odgovornosti:

• AI champion (interni nosilac AI prakse): osoba koja okuplja primere dobre upotrebe, vodi edukaciju i prepoznaje rizike.

• AI product owner (vlasnik AI proizvoda): definiše poslovni problem, prioritete i merila uspeha.

• Prompt designer ili stručnjak za instrukcije: ne nužno posebna pozicija, već osoba koja ume da precizno strukturira zadatak, kontekst, ograničenja i očekivani format.

• AI reviewer (osoba za proveru AI rezultata): ekspert koji potvrđuje činjenice, kvalitet i usklađenost sa pravilima.

• Data steward (staratelj nad podacima): odgovara za kvalitet, pristup i pravilnu upotrebu podataka.

• AI governance tim ili odbor: postavlja pravila za bezbednost, privatnost, etiku i odgovornost.

Nije potrebno da mala firma odmah formira šest novih odeljenja. Ali svaka organizacija, bez obzira na veličinu, mora znati ko odlučuje o alatu, ko odobrava pristup podacima, ko prati rezultate i ko odgovara kada AI napravi problem.

Microsoftovo istraživanje navodi da lideri očekuju da će timovi u narednih pet godina redovno trenirati i upravljati AI agentima kao delom svojih odgovornosti, dok je poznavanje AI agenata među liderima veće nego među zaposlenima. To je upozorenje: ako se obuka svede na slanje linka ka novom alatu, jaz između ambicije rukovodstva i stvarne sposobnosti tima će samo rasti.

Razvoj softvera: AI ubrzava, ali ne potpisuje release

U softverskom razvoju AI već ima opipljivu vrednost. Može da objasni nepoznatu bazu koda, generiše boilerplate (ponavljajući osnovni kod), predloži testove, pripremi dokumentaciju, pomogne u refaktorisnju, napiše SQL upit ili pronađe potencijalni problem u logovima.

Za razvojne timove to može biti ozbiljna ušteda vremena. ITNetwork navodi da AI alati postaju važni partneri programerima kroz pomoć pri pisanju i optimizaciji koda, otklanjanju grešaka, dokumentaciji i automatizaciji ponavljajućih zadataka.

Ali upravo ovde je opasnost posebno velika. AI kod može izgledati kvalitetno zato što je sintaksno uredan, a da ipak ima:

• Bezbednosni propust.

• Pogrešnu obradu grešaka.

• Nedovoljno validirane ulaze.

• Neefikasne upite prema bazi.

• Zavisnost od zastarele biblioteke.

• Neusklađenost sa poslovnim pravilima.

• Kod koji radi u izolaciji, ali ruši postojeću arhitekturu.

Zato tim treba da ima jasna pravila:

1. AI-generisani kod prolazi isti review kao i kod koji je napisao čovek.

2. Nema automatskog merge-a samo zato što je rezultat delovao brzo ili „pametno“.

3. Tajne, API ključevi, produkcioni podaci i interni kod ne unose se u javne alate bez eksplicitnog odobrenja.

4. Svaki AI predlog mora biti testiran u odgovarajućem okruženju.

5. Razvojni tim mora razumeti kod koji pušta u produkciju.

Poslednja stavka je presudna. Ako niko u timu ne razume šta se dešava, onda nemate automatizaciju. Imate zavisnost od sistema kome ne možete da postavite odgovornost.

Marketing i sadržaj: AI ne sme da postane fabrika praznih reči

U marketingu AI može da ubrza pripremu kampanja, istraživanje tema, analizu komentara, varijante oglasa, strukturu newsletter-a, SEO predloge i obradu podataka iz kampanje. Za male timove to je ogromna pomoć.

Ali AI je već proizveo i novu vrstu digitalnog otpada: beskonačne tekstove bez originalnog iskustva, iste LinkedIn objave sa „šokantnim“ uvodom, generičke vizuale i sadržaj koji zvuči kao da je pisan za algoritam, a ne za čoveka.

To je poslovni problem, ne samo kreativni. Publika oseća kada brend govori bez iskustva. Google, korisnici i budući AI pretraživači sve više vrednuju sadržaj koji pokazuje Experience, Expertise, Authoritativeness, Trustworthiness – E-E-A-T (iskustvo, stručnost, autoritet i pouzdanost).

AI može pripremiti konstrukciju. Ne može umesto tima da stekne iskustvo, sprovede intervju sa klijentom, prikupi originalne podatke, prizna neuspeh iz prakse ili zauzme odgovoran stav.

Zato je dobar sadržajni proces sledeći:

1. Čovek definiše publiku, cilj, stav i vrednost teksta.

2. AI pomaže u istraživanju, strukturi, pitanjima i prvoj verziji.

3. Stručnjak dodaje iskustvo, konkretne primere i proverljive izvore.

4. Urednik proverava tačnost, ton, jasnoću i usklađenost sa brendom.

5. Pre objave se proveravaju linkovi, tvrdnje, autorska prava i ažurnost.

AI treba da skrati prazne ekrane i rutinske korake. Ne treba da postane izgovor da se objavljuje sadržaj koji niko stvarno ne bi želeo da pročita.

Sastanci i projektni rad

Sastanci su jedno od najprirodnijih mesta za AI asistenciju. Sistem može da transkribuje razgovor, sažme ključne tačke, izdvoji zadatke, predloži vlasnike aktivnosti i podseti tim na rokove. Za remote timove to može biti značajna prednost.

Ali zapisnik nije isto što i istina. AI često ne zna da razlikuje zaključak od pretpostavke, šalu od obaveze, privremeni predlog od konačne odluke ili politički osetljivu formulaciju od običnog komentara.

Zato se posle sastanka mora imenovati jedna osoba koja potvrđuje:

• Šta je stvarno odlučeno.

• Ko je vlasnik kojeg zadatka.

• Koji je rok.

• Koje zavisnosti i rizici postoje.

• Koji deo razgovora ne sme da se deli dalje.

Dobro korišćen AI može da skrati vreme administracije posle sastanka. Loše korišćen AI može da napravi zvaničan dokument koji pogrešno predstavlja dogovor i izazove konflikt između tima i klijenta.

Kako uvesti AI bez haosa

Uvođenje AI-ja ne treba organizovati kao „veliko lansiranje“. Mnogo je pametnije krenuti sa kontrolisanim pilotima.

Praktičan plan može da izgleda ovako:

1. Odaberite jedan problem. Na primer: previše vremena se troši na rezime sastanaka, pripremu ponuda, odgovore na česta pitanja, analizu dokumenata ili pisanje testova.

2. Izmerite početno stanje. Koliko traje zadatak danas? Koliko grešaka nastaje? Koliko puta zaposleni moraju da ponavljaju isti posao?

3. Odaberite mali tim za pilot. Uključite ljude koji poznaju proces, ne samo one koji vole nove alate.

4. Napišite jasna pravila. Koje podatke smeju da koriste, šta AI može da uradi, šta mora da proveri čovek i gde se prijavljuju problemi.

5. Napravite šablone i primere. Dobar prompt nije magična rečenica, već jasan opis cilja, konteksta, ograničenja, dostupnih izvora i željenog formata.

6. Merite rezultat. Pratite vreme, kvalitet, broj ispravki, zadovoljstvo zaposlenih i uticaj na korisnika ili prihod.

7. Objavite lekcije. I uspešne i neuspešne primere. Timovi najbrže napreduju kada vide kako su kolege rešile realan problem.

8. Širite samo ono što radi. Ako AI ne donosi jasnu vrednost, ne treba ga braniti zato što je trend.

Budućnost: AI agenti, ali ne bez nadzora

Sledeći korak nisu samo chat prozori koji odgovaraju na pitanja, već AI agents (AI agenti) koji mogu da izvršavaju višekoračne zadatke. Oni će preuzimati informacije iz više sistema, pripremati nacrte, otvarati zahteve, pokretati workflow-e, proveravati statuse i u određenim granicama izvršavati radnje.

ITNetwork je pisao o agentic AI sistemima koji, za razliku od klasičnih alata, mogu samostalnije da planiraju i iniciraju akcije, ali zahtevaju pažljiv nadzor, jasne kontrolne mehanizme i evidenciju odluka. To je važan pravac, ali i razlog da firme sada uspostave disciplinu.

Ako današnji tim ne zna ko proverava AI nacrt, sutra neće znati ko kontroliše AI agenta koji menja podatke, komunicira sa kupcima ili pokreće poslovni proces. Tehnološka sposobnost raste brže od organizacione zrelosti. Zato mnoge firme neće imati problem zato što je AI preslab, već zato što su mu dale previše slobode u loše uređenom sistemu.

U budućnosti će važno pitanje biti odnos ljudi i agenata u timu. Ne u smislu da li je „jedan agent jednak jednom zaposlenom“, jer nije. Već: koji zadaci se delegiraju, ko definiše standard kvaliteta, ko prati izuzetke, ko ima pravo da prekine automatizaciju i ko preuzima odgovornost prema kupcu, regulatoru i zaposlenima?

Kolega koji nema odgovornost nije zamena

AI može biti najbrži član tima. Može raditi bez pauze, obraditi veliki broj dokumenata, generisati deset predloga za nekoliko sekundi i pomoći početniku da brže savlada rutinske zadatke. Ali ne može da bude vlasnik odnosa sa klijentom, ne može da snosi posledicu loše odluke i ne može da zameni profesionalni sud.

Zato je najzdraviji pristup jednostavan: AI treba tretirati kao kolegu pripravnika sa ogromnom brzinom, širokim znanjem i povremenim ozbiljnim samopouzdanjem bez pokrića. Dajte mu jasno definisan zadatak. Obezbedite mu proverene izvore. Ograničite pristup podacima. Pregledajte rezultat. Ne dozvolite mu da sam donosi odluke koje utiču na ljude, novac, bezbednost i reputaciju.

Kompanije koje AI uvedu na taj način neće nužno imati najmanje zaposlenih. Imaće bolje iskorišćene ljude: manje vremena potrošenog na prepisivanje, sortiranje, traženje i administriranje; više vremena za rešavanje problema, komunikaciju, kreativnost, procenu rizika i izgradnju odnosa.