Ljudski resursi su oduvek predstavljali jedan od najsloženijih i najvažnijih aspekata poslovanja malih i srednjih preduzeća (MSP) u Srbiji. U uslovima tržišta gde se za svakog kvalitetnog kandidata bori više poslodavaca, a fluktuacija zaposlenih značajno utiče na poslovne rezultate, efikasnost regrutacije i upravljanja ljudima postaje pitanje opstanka. Tradicionalni pristupi – ručno pregledanje kandidatura, duga selekcija, subjektivne procene – ne mogu više da odgovore ni na brzinu ni na zahteve savremenog tržišta rada.
Veštačka inteligencija (AI) se u ovoj oblasti više ne tretira kao eksperimentalna novina ili „luksuz velikih HR odeljenja“, već ulazi u svakodnevicu i malih i većih firmi. Ono što je do juče zahtevalo sate analiza i nekoliko krugova intervjua, danas je moguće obraditi kroz AI alate koji automatski sortiraju, procenjuju i predviđaju ishode selekcije – i to za deo cene tradicionalnih postupaka.
Tri ključne oblasti gde AI menja HR za mala preduzeća u Srbiji
- Automatizovana selekcija i sortiranje kandidata
U tradicionalnom regrutacionom procesu, tipičan HR specijalista u Srbiji ručno pregleda pedesetak do nekoliko stotina prijava po konkursu. AI sistemi za obradu dokumenata i analizu životopisa mogu automatski razvrstati kandidate po kriterijumima relevantnim za konkretan posao: iskustvo, obrazovanje, posečene veštine, ali i „skrivene“ signale o potencijalu za učenje ili timski rad. Domaće agencije za zapošljavanje koje su prešle na AI sortiranje skratile su vreme selekcije sa 10+ radnih dana na 2–3 dana, uz smanjenje subjektivnih „propusta“ za čak 30%. Jedna novosadska IT firma je kroz AI filtering uspela da dođe do 3 puta boljeg „matcha“ kandidata za trainees u poređenju sa ručnim pregledom.
- Prediktivna analitika fluktuacije zaposlenih
Najveći trošak promene kadrova leži u nevidljivim gubicima: kasniji projekti, skup onboarding, gubitak know-how-a. AI omogućava MSP-ovima analizu obrazaca fluktuacije kroz podatke o angažovanosti, učestalosti bolovanja, nivoima komunikacije i produktivnosti. Softveri mogu rano signalizirati „risk zone“ zaposlenih sa povećanom verovatnoćom napuštanja firme, što menadžmentu daje prostor da reaguje na vreme (povećanjem motivacije, obukom ili promenama uloge). U domaćoj finansijskoj industriji, primena ovakvog AI alata oborila je stopu neželjene fluktuacije za 18% u prvoj godini.
- AI chatbotovi za selekciju i komunikaciju sa kandidatima
AI chatbotovi nisu više samo trend u korisničkoj podršci, već i ključni alati u HR-u. Oni sprovode inicijalne ankete, odgovaraju kandidatima na najčešća pitanja, automatski zakazuju testiranja i selekciona testiranja, a vlasniku biznisa ostavljaju samo finalni, relevantan izbor. Malim firmama to omogućava da bez skupog HR tima održe visok nivo informisanosti i kandidatskog iskustva. Prema podacima iz Srbije, firme koje koriste HR chatbotove imaju i do 40% veći odziv kvalitetnih kandidata u ranoj fazi selekcije.
Povraćaj investicije (ROI) – konkretni domaći efekti
Za mala preduzeća koja tradicionalno nemaju HR odeljenja, AI alati se najčešće licenciraju kroz SaaS modele po ceni od 20 do 80 evra mesečno. Direktan ROI dolazi kroz drastično kraće trajanje procesa (od raspisivanja oglasa do izbora kandidata), manje grešaka u selekciji (značajno niža stopa otpuštanja unutar prvih 6 meseci), i niže troškove eksternih agencija. U tipičnim domaćim scenarijima, firme beleže povraćaj investicije u periodu od dva do pet meseci, posebno ako se koristi više modula (selekcija, fluktuacija, onboarding). Dodatna korist je i u iskustvu kandidata: brža i transparentna selekcija povećava zaposlenost, ali i reputaciju firme na tržištu rada.
Barijere i rizici
Glavne prepreke za široku primenu AI u domaćem HR sektoru nisu više tehničke, već su vezane za organizacionu kulturu i podatke. Najveći izazov ostaje kvalitet podataka: da bi AI pravilno „učio“, potrebno je firmama da imaju konzistentne interne baze (o zaposlenima, performansama, istoriji zapošljavanja). Čest je i otpor HR kadrova, iz osećanja ugroženosti ili navike prema ručnom radu-tu je ključno od samog starta uključiti tim i naglasiti ulogu AI-a kao pomoćnika, a ne zamene.
Sa pravne i etičke strane, rizici se tiču automatizovane diskriminacije: ako se AI modeli treniraju na pristrasnim istorijskim podacima, mogu ponavljati ili pojačavati postojeće stereotipe (npr. po polu, godinama ili regionu). Važno je obezbediti redovnu reviziju modela i (bar za finalnu selekciju) ostaviti odluku čoveku.
Naposletku, usklađenost sa Zakonom o zaštiti podataka o ličnosti i GDPR standardima je ključna, jer se obrađuju osetljivi lični podaci kandidata. Male firme moraju postaviti jasnu politiku: koji podaci se čuvaju, koliko dugo i ko ima pristup.
Sektorska perspektiva i strateški značaj
AI najbrže prodire u HR u IT sektoru, digitalnim agencijama, e-trgovini, a ubrzano ulazi i u trgovinu, bankarstvo i proizvodnju. U oblastima sa velikom fluktuacijom i deficitom kadrova, mogućnost da brzo i objektivno prepoznate talente čini odlučujuću razliku. Male firme, koje tradicionalno nisu imale pristup naprednim HR alatima, sada kroz AI mogu uspostaviti sistem selekcije i zadržavanja kvalitetnih radnika koji su ranije imali samo veliki poslodavci.
Strategijski, svaki HR proces koji se efikasno digitalizuje daje dodatni kapacitet poslovanju: vlasnici i menadžeri mogu se fokusirati na rast i inovacije, umesto na beskrajnu administraciju.
Za MSP u Srbiji, ispravno uvođenje AI u HR podrazumeva odabir jednog kritičnog procesa (najskuplja ili najkritičnija faza regrutacije/selekcije/zadržavanja), definisanje merljive metrike uspeha (npr. vreme odobravanja kandidata, procenat smanjenih otkaza), pilot test sa jasnim poređenjem efekata i jasno razgraničenje gde AI automatizuje, a gde ljudsko iskustvo ostaje presudno.
Pojednostavljeno – AI u domaćem HR-u funkcioniše najbolje kada rešava konkretan, skup i ponavljajući problem, kada ima dovoljno domaćih podataka za obuku i kada proces ostaje transparentan i za kandidate i za menadžment. Prvi koji ovladaju tim pravilima, izgradiće timove brže, objektivnije i sa manje grešaka nego što je to ikad bilo moguće tradicionalnim metodama.
Milena Šović, M.Sc.,CSM, CSPO
AI Implementation Specialist & Content Trainer
