Digitalni poligraf: Kako Prompt Engineering hladnokrvno razotkriva (i automatizuje) HR procese

Koliko puta ste čuli tu frazu? Na razgovoru za posao, menadžer odlučuje na osnovu „stomačnog osećaja“. HR menadžer kaže: „Jednostavno mi je kliknuo, ima dobru energiju.“

Hajde da na portalu ITNetwork.rs, mestu gde se cene podaci i egzaktnost, budemo brutalno iskreni: „stomačni osećaj“ ne postoji.

Ono što zovemo „osećajem“ ili „intuicijom“ je, u 9 od 10 slučajeva, samo lepše ime za nesvesne predrasude (unconscious bias). To je onaj tihi, podmukli glas u glavi koji nam kaže da preferiramo kandidata koji izgleda kao mi, koji je išao u istu školu, koji navija za isti klub, ili koji nas, jednostavno, podseća na nekoga koga volimo.

U tradicionalnom svetu, ova „ljudska greška“ je bila prihvaćena cena poslovanja. Ali u surovom, hiper-konkurentnom svetu IT-ja – posebno u Srbiji, gde traje permanentni „rat za talente“ – loše zapošljavanje nije samo greška. To je finansijska katastrofa. Jedno pogrešno zaposlenje na senior poziciji može koštati kompaniju desetine hiljada evra.

I tako, u očajničkoj potrazi za boljim, bržim i objektivnijim procesom, HR timovi su se okrenuli „spasiocu“: veštačkoj inteligenciji (AI).

Alati kao što su ChatGPT, Gemini i Claude postali su deo svakodnevnog arsenala. Obećanje je bilo magično: AI će nam pomoći da pišemo bolje oglase, brže skeniramo CV-jeve i donesemo odluke zasnovane na podacima, a ne na predrasudama.

A onda je stigao hladan tuš. Ispostavilo se da je AI, kao i mi, fundamentalno pristrasan.

Ovo nije priča o tome kako će AI zameniti HR. Ovo je mnogo kompleksnija, i važnija, priča. Ovo je priča o tome kako je HR, profesija koja se tradicionalno smatrala „mekom“ (soft skill), odjednom postala duboko tehnička disciplina.

Ovo je vodič kroz Prompt Engineering (prompt inženjering ili inženjering upita) – novu super-moć HR profesionalaca. Ovo je veština „šaputanja“ mašini; sposobnost da se AI, koji je po prirodi pristrasan i generički, natera da postane precizan, objektivan i moćan saveznik.

Jer, u bliskoj budućnosti, neće AI zameniti vaš HR tim. Zameniće ga drugi HR tim – onaj koji je savladao Prompt Engineering.

Poglavlje 1: Anatomija „ljudske greške“ – Zašto je HR-u uopšte potreban AI?

Pre nego što ubacimo mašine, hajde da dijagnostikujemo pacijenta. Tradicionalni HR proces je fundamentalno slomljen. I nije kriv HR menadžer – kriv je ljudski mozak. Naš mozak je mašina za prečice (heuristike), a te prečice u procesu selekcije postaju predrasude.

Problem je što su ove predrasude nevidljive onome ko ih ima.

• Halo Effect (Efekat oreola): Kandidat je diplomirao na prestižnom fakultetu (ili radio u Google-u). Naš mozak automatski pretpostavlja da je sve na njemu briljantno. Počinjemo da mu postavljamo lakša pitanja, tražeći potvrdu njegove genijalnosti.
• Confirmation Bias (Pristrasnost potvrđivanja): HR menadžer baci pogled na CV. U prvih 6 sekundi stvori utisak („ovaj kida“ ili „ovaj je prosek“). Ostatak intervjua provede nesvesno tražeći dokaze koji potvrđuju tu prvu, često pogrešnu, impresiju.
• Similarity Bias (Pristrasnost sličnosti): „Vidi, i on je iz Niša!“, „I on voli CrossFit„, „Završili smo isti faks!“. Ovo je najopasnija predrasuda u Srbiji. Automatski favorizujemo ljude koji su „naši“, ignorišući možda superiornog kandidata koji je „drugačiji“.

Da stvar bude gora, tu je i problem obima (scale). Za jednu otvorenu poziciju „Medior Python Developer“ u Beogradu, IT kompanija dobije 200+ prijava. Ljudsko biće ne može detaljno da analizira 200 CV-jeva. Realnost je da HR menadžer provede u proseku 6-10 sekundi po CV-ju. To nije selekcija. To je lutrija.

U taj haos ulazi AI, sa tri obećanja:

1. Brzina: Mogu da „pročitam“ 200 CV-jeva za 20 sekundi.
2. Doslednost: Primeniću isti kriterijum na prvog i dvestotog kandidata, bez umora.
3. Objektivnost: Mene ne zanima da li je kandidat lep, odakle je, ili za koga navija. Gledam samo podatke.

Obećanje broj 1 i 2 je ispunio. Ali obećanje broj 3… tu počinju problemi.

Poglavlje 2: Upoznavanje „alata“ – AI nije vaš prijatelj, on je papagaj

Hajde da razbijemo mit. LLM (Large Language Models / Veliki jezički modeli), poput onog koji pokreće ChatGPT, ne misle. Oni ne razumeju. Oni su ultimativni statistički papagaji.

LLM je treniran na celokupnom internetu (do određenog datuma). Kada mu postavite pitanje, on ne „razmišlja“ o odgovoru. On statistički predviđa koja je reč najverovatniji nastavak vaše rečenice, na osnovu milijardi tekstova koje je „pročitao“.

A šta je internet? Ogromna, predivna, ali i duboko toksična arhiva svih naših uspeha, neuspeha, znanja i – svih naših predrasuda.

Internet je seksistički. Internet je rasistički. Internet je pristrasan. I AI je, stoga, po definiciji pristrasan.

Studija slučaja koja ledi krv u žilama: Amazonov AI za regrutovanje

Ovo je mora da se zna priča. Pre nekoliko godina, Amazon je pokušao da napravi AI koji će automatizovati regrutovanje. Nahranili su ga CV-jevima koje je kompanija primila u poslednjih 10 godina. Ideja je bila da AI „nauči“ kako izgleda savršen Amazonov kandidat.

Rezultat? AI je savršeno naučio.

Pošto je IT industrija (i Amazon) u tih 10 godina dominantno zapošljavala muškarce, AI je „naučio“ da su muškarci bolji kandidati. AI je počeo aktivno i sistematski da penalizuje CV-jeve u kojima se pominju reči kao što su „ženski“ (npr. „kapiten ženskog odbojkaškog tima“) ili CV-jeve kandidatkinja koje su išle u ženske škole.

Amazon je morao da ugasi projekat. Njihov AI je postao mašina za automatizaciju seksizma.

Ovo je lekcija koju svaki HR tim mora da nauči: ako „pustite“ AI da radi bez nadzora, on neće rešiti vaše predrasude. On će ih pronaći, naučiti i primeniti milion puta brže i efikasnije od vas.

„Đubre unutra, đubre napolje“ (Garbage in, garbage out). A internet je, nažalost, pun đubreta.

Poglavlje 3: Rađanje „šaptača mašinama“ – Šta je, dođavola, Prompt Engineering?

Ako je AI divlji, nepredvidiv, pristrasan i neverovatno moćan konj, Prompt Engineering je set uzdi, sedla i mamuza.

To je veština davanja instrukcija (promptova) AI-ju. Ali nije to samo „pisanje pitanja“. To je tehnička disciplina koja kombinuje logiku, lingvistiku, psihologiju i programiranje.

To je razlika između:

• Lošeg Prompta: „Napiši mi oglas za posao.“
• Prompt Inženjeringa: „Ponašaj se kao HR ekspert za Raznolikost i Uključivanje (Diversity & Inclusion), sa 10 godina iskustva u srpskom IT sektoru. Tvoj zadatak je da napišeš oglas za posao za poziciju ‘Medior Backend Developer’ koji je 100% rodno neutralan i fokusiran isključivo na veštine…“

Prompt inženjering je način da ograničimo AI. Da ga nateramo da ne koristi svoje pristrasno znanje sa interneta, već da koristi samo kontekst i pravila koja mu mi damo.

Osnovni koncepti koje HR timovi moraju da savladaju:

1. Persona (Role Playing): „Ponašaj se kao…“ (npr. „Ponašaj se kao skeptični Hiring Manager koji traži rupe u CV-ju.“)
2. Kontekst (Context): „Evo ti podaci…“ (npr. „Ovo je naš interni vodič za kulturu kompanije. Koristi samo ovaj ton.“)
3. Ograničenja (Constraints): „Nemoj…“ (npr. „Ne pominji reči kao ‘rockstar’, ‘guru’ ili ‘ninja’.“)
4. Format (Output Format): „Daj mi odgovor u JSON formatu / tabeli / listi.“
5. Chain-of-Thought (CoT): „Razmišljaj korak po korak.“ (Ovo je napredno: terate AI da „objasni svoj rad“, što smanjuje greške).

Naoružani ovim, hajde da vidimo kako HR tim zaista koristi ovo u praksi.

Poglavlje 4: Studija slučaja 1 – Selekcija (Operacija: Skalpel)

Selekcija je mesto gde se rat dobija ili gubi. Evo kako se proces „hakuje“ promptovima.

Zadatak 1: Pisanje inkluzivnog oglasa za posao

• Problem: Loše napisan oglas privlači pogrešne kandidate i odbija one prave. Oglas pun agresivnih, „muških“ fraza („dominiraj tržištem“, „ratnik koda“) dokazano smanjuje broj ženskih aplikacija.
• Loš Prompt (AI-jev default): „Napiši mi oglas za Senior Python Developera.“
• Rezultat (Generički užas): Dobićete tekst prepun fraza kao „tražimo rockstar developera“, „sposoban da radi pod pritiskom“, „dominiraće…“ – tekst koji favorizuje određeni stereotip.
• Dobar Prompt (HR Inženjering):
  Ponašaj se kao HR specijalista za inkluzivnost (Diversity, Equity, and Inclusion - DE&I).
  1.  Analiziraj ovaj opis posla [nalepljen opis posla].
  2.  Identifikuj SVE reči ili fraze koje su rodno pristrasne (gender-biased), starosno diskriminatorne (ageist) ili koriste preterano agresivan korporativni žargon (npr. 'rockstar', 'guru', 'ninja', 'dominirati').
  3.  Prepiši ceo oglas za posao tako da bude 100% neutralan.
  4.  Fokusiraj se ISKLJUČIVO na:
      * Konkretne veštine i tehnologije (npr. "iskustvo sa Django ORM").
      * Benefite timskog rada i saradnje.
      * Prilike za učenje i razvoj.
  5.  Tekst mora biti jasan, sažet i pisan na tečnom srpskom jeziku.
  

• Rezultat: Dobijate oglas koji privlači širi i kvalitetniji spektar kandidata, zasnovan na veštinama, a ne na hvalisanju.

Zadatak 2: „Slepi“ skrining CV-jeva (Borba protiv predrasuda)

• Problem: Gledamo ime (Marko vs. Muhamed). Gledamo adresu (Beograd-Krug Dvojke vs. Borča). Gledamo godine. Predrasude su trenutne.
• Cilj: Naterati hiring menadžera da gleda samo veštine.
• Dobar Prompt (HR Inženjering):
  Tvoj zadatak je da budeš alat za anonimizaciju CV-jeva. Dobićeš 5 CV-jeva [nalepljeni CV-jevi].
  
  Opis posla zahteva ove 4 ključne veštine:
  1.  React.js (min. 3 godine)
  2.  Upravljanje timom (min. 1 godina)
  3.  Engleski jezik (C1)
  4.  Rad sa AWS servisima
  
  Tvoj zadatak:
  1.  Za svaki CV, **potpuno ukloni** sledeće podatke: Ime, Prezime, Adresa, Godine/Datum rođenja, Pol, Nacionalnost, Slika, Imena fakulteta (ostavi samo zvanje).
  2.  Kreiraj tabelu koja prikazuje: "Kandidat 1", "Kandidat 2", itd.
  3.  Za svakog kandidata, na osnovu preostalih podataka, sumiraj njegovo iskustvo u odnosu na 4 ključne veštine u jednoj rečenici.
  4.  Oceni svaku od 4 veštine na skali od 1-5 (0 ako se ne pominje).
  
  Format izlaza: Tabela.
  

• Rezultat: Hiring menadžer dobija čist, uporedni pregled „Kandidata 1“ vs. „Kandidata 2“. Odluka o intervjuu se donosi na osnovu podataka, a ne „stomačnog osećaja“ koji je izazvalo ime ili slika.

Zadatak 3: Generisanje pametnih pitanja za intervju

• Problem: Svi postavljaju ista, dosadna, beskorisna pitanja („Gde se vidite za 5 godina?“, „Koja je vaša najveća mana?“).
• Cilj: Generisati pitanja koja stvarno testiraju veštine i način razmišljanja.
• Dobar Prompt (HR Inženjering):
  Ponašaj se kao Senior Engineering Manager u IT kompaniji.
  Ovo je CV kandidata za [Pozicija]: [Nalepljen anonimizovan CV].
  Ovo je opis posla: [Nalepljen opis].
  
  Generiši 5 **bihejvioralnih pitanja (STAR metod)** koja testiraju veštine iz opisa posla koje *NISU* očigledne ili detaljno opisane u CV-ju.
  
  Generiši 2 **tehnička scenarija** (situaciona pitanja) koja testiraju kandidatov proces rešavanja problema (problem-solving), a ne samo pamćenje sintakse.
  
  Primer: Jedno od pitanja se može ticati rada na projektu sa malim budžetom ili nalaženja rešenja u uslovima visoke konkurencije na lokalnom tržištu.
  

• Rezultat: HR i tehnički tim dobijaju set pitanja koja su duboka, relevantna i specifična za kandidata, što intervju čini 10 puta vrednijim.

Poglavlje 5: Studija slučaja 2 – Onboarding (Više od „Dobrodošao/la“)

Zapošljavanje je samo pola bitke. Zadržavanje (retention) je mesto gde se dobija rat. A onboarding (uvođenje u posao) je ključan. Loš onboarding je najbrži put da izgubite skupog talenta u prvih 6 meseci.

• Problem: Onboarding je često haotičan, nestrukturiran i svodi se na „Evo ti laptop, snađi se.“ Novajlija je izgubljen, anksiozan i neproduktivan.
• Cilj: Kreirati personalizovan, strukturiran i efikasan plan uvođenja u posao.
• Dobar Prompt (HR Inženjering):
  Ponašaj se kao 'Onboarding Buddy' (mentor za onboarding) svetske klase.
  Kreiraj detaljan, personalizovan '30-dnevni plan za onboarding' za novog zaposlenog.
  
  KONTEKST:
  -   Ime zaposlenog: Ana
  -   Pozicija: Junior Marketing Asistent
  -   Tim: Marketing Tim (Beograd)
  -   Direktni menadžer: Marko
  -   Mentor ('Buddy'): Jelena
  -   Alati koje koristimo: Slack, Asana, Google Workspace, HubSpot
  
  PLAN MORA DA SADRŽI (podeljeno po nedeljama):
  1.  **Nedelja 1 (Kultura i Upoznavanje):**
      * Koga Ana *mora* da upozna (i zašto, npr. "Upoznaj Petra iz prodaje - da razumeš kako leadovi funkcionišu").
      * Koja interna dokumenta da pročita (link ka kulturi, procedure).
      * Podešavanje svih naloga (sa jasnim instrukcijama).
  2.  **Nedelja 2 (Alati i Procesi):**
      * Prvi "shadowing" (praćenje) sastanci sa Jelenom.
      * Mali, interni zadatak (npr. "Analiziraj 3 konkurenta i predstavi timu").
  3.  **Nedelja 3 (Prvi Doprinos):**
      * Preuzimanje prvog malog, ali stvarnog zadatka (npr. "Pomozi Jeleni oko newslettera").
  4.  **Nedelja 4 (Feedback i Budućnost):**
      * Prvi formalni 1-na-1 sa Markom (menadžerom).
      * Definisanje ciljeva za narednih 60 dana.
  
  Ton: Prijateljski, podržavajući, ali veoma jasan i strukturiran.
  

• Rezultat: Umesto haosa, Ana dobija jasan, dnevni vodič. Oseća se dobrodošlo, zbrinuto i postaje produktivna mnogo brže.

Poglavlje 6: Mračna strana – Rizici i „Crne rupe“ (Šta agencije prećutkuju)

Ne bi ovo bio oštar tekst da ne pričamo o minskom polju. Naivno korišćenje AI u HR-u nije samo neefikasno – ono je opasno.

1. CRVENA ZASTAVICA: Bezbednost podataka (GDPR i Zakon o zaštiti podataka)

Ovo je najveća opasnost. Gde vaš HR tim lepi (paste) CV-jeve kandidata? Ako je odgovor „u javni ChatGPT (besplatna verzija)“, vaša kompanija masivno krši GDPR i domaći Zakon o zaštiti podataka o ličnosti.

• Zašto? CV je prepun osetljivih ličnih podataka (ime, adresa, telefon, istorija zaposlenja). Lepljenjem u javni AI, vi te podatke (A) dajete trećoj kompaniji (OpenAI) bez pristanka kandidata i (B) ti podaci se koriste za trening javnog modela.
• Katastrofa: Ovo je razlog za momentalnu tužbu, ogromne kazne i potpunu propast reputacije.
• Rešenje (Jedino ispravno): Korišćenje Enterprise verzija AI alata (npr. ChatGPT Enterprise, Microsoft Azure OpenAI Service) koji garantuju da su podaci u „peščaniku“ (sandbox), da se ne koriste za trening i da su enkriptovani. Koliko firmi u Srbiji je platilo za ovo, a koliko se „snalazi“? (specifičan problem).

2. Automatizacija predrasuda (Amazonov greh)

Ako je vaš prompt loš, ili ako (u naprednoj fazi) fino podešavate (fine-tuning) model na sopstvenim istorijskim podacima o zapošljavanju, a vaši podaci su pristrasni (npr. uvek ste zapošljavali samo muškarce programere), vi niste rešili problem. Vi ste ga skalirali i automatizovali. Sada ćete odbijati žene brže i efikasnije nego ikada pre.

3. Gubitak „ljudskog dodira“ (Human Touch)

Šta ako preteramo? Šta ako kandidat aplicira preko AI-forme, skenira ga AI-skener, intervjuiše ga AI-avatar (ovo već postoji), a onboarding mu vodi AI-bot?

• Problem: Ljudi ne daju otkaz kompanijama, daju otkaz menadžerima. Isto tako, ljudi dolaze u kompanije zbog kulture i ljudi.
• Ako potpuno eliminišemo ljudski kontakt, stvaramo sterilnu, transakcionu organizaciju. Možda ćemo efikasno zaposliti, ali nećemo nikoga zadržati.
• Rešenje: AI mora da bude alat za asistenciju, ne zamena. AI treba da oslobodi HR menadžera od 10 sati birokratije (skeniranja CV-jeva) kako bi taj HR menadžer mogao da provede 10 sati u kvalitetnom, ljudskom razgovoru sa top 3 kandidata.

Poglavlje 7: Budućnost i Srbija

Šta je sledeće?

Budućnost (Globalno): AI Agenti

Ovo što danas radimo (pisanje promptova) je prelazna faza. Sledeća faza su AI Agenti.

• Sada: HR piše prompt da analizira CV.
• Budućnost (za 1-2 godine): HR menadžer da zadatak svom „AI Asistentu“:
  • „Agentu, naša kvartalna potreba je 5 Medior React developera. Pročešljaj LinkedIn, GitHub, Stack Overflow i našu internu bazu talenata. Nađi 20 kandidata koji odgovaraju profilu. Pošalji im personalizovanu poruku (koristi naš brendirani ton). Obavi inicijalni chat-skrining da proveriš dostupnost i platu. Zakaži mi live intervjue sa top 5 kandidata u kalendar za sledeću nedelju.“
• Agent će sve ovo uraditi samostalno. Posao HR-a postaje strateško upravljanje ovim agentima.

Realnost: Srbija

U Srbiji ćemo videti veliku podelu (The Great Divide):

1. IT Sektor i Moderne Kompanije: Oni su već duboko u ovome. „Rat za talente“ ih tera. Njihovi HR timovi će brzo postati de facto tehnički timovi. Oni će se boriti za HR profesionalce koji znaju Prompt Engineering i Data Analytics.
2. Tradicionalne Industrije (Proizvodnja, Trgovina, Javni Sektor): Kasniće. Masivno. Oslanjaće se na „stomačni osećaj“, zastarele procese i „kadrovsku službu“. Time će postati nekonkurentni na tržištu talenata, jer će najbolji ljudi odlaziti u firme koje imaju brze, fer i transparentne (AI-potpomognute) procese.

Pretnja za HR u Srbiji: Ako ste HR profesionalac, a vaša jedina veština je administracija (unošenje ugovora, zakazivanje sastanaka, „osećaj za ljude“), vi ste u ogromnoj opasnosti. AI te administrativne zadatke već radi bolje.

Vaša jedina sigurna budućnost je da evoluirate. Da postanete strateg, analitičar, psiholog i – inženjer.

HR više nije „meka“ veština

„Stomačni osećaj“ je mrtav. Ili bi bar trebalo da bude.

AI nije magični štapić koji će rešiti sve probleme regrutacije. On je ogledalo. A ako ga ne koristite sa hirurškom preciznošću – koju omogućava jedino Prompt Engineering – to ogledalo će samo odraziti i pojačati sve vaše postojeće predrasude.

Ovo nije kraj za HR. Ovo je redefinicija. Ovo je trenutak kada HR prestaje da bude „meka“ funkcija i postaje jedna od najvažnijih strateških, tehničkih i analitičkih funkcija u kompaniji.

Pitanje koje svaki direktor u Srbiji treba da postavi nije „Da li naš HR koristi AI?“. Pravo pitanje je: „Da li naš HR tim razume kako da kontroliše AI, ili pušta da AI kontroliše njih?“

Odgovor na to pitanje će, u narednih pet godina, bukvalno odrediti ko opstaje, a ko propada.