DELOVNA MESTA IN UMETNA INTELIGENCA (UI) V IZBRANIH PREGLEDIH REZULTATOV RAZISKAV UI IN NAPOVEDI VPLIVA UI NA SPREMEMBE DELOVNIH MEST 2014-2025
Namesto uvoda
Včeraj me je prijatelj vprašal, koliko ljudi dela v njegovem zavodu. Petdeset! - sem poskušal uganiti. - Ne, polovica! me je popravil.
Namen razvoja UI za človeka kot bitja orodja je, da avtomatizirana tehnologija, ki jo poganja UI, pomaga ali celo zamenja ljudi kot delovno silo in ustvari gospodarski sistem »brez delavcev«!? V vsakem primeru gre za eksistencialno UI tveganje zaradi realne možnosti, da napredek na področju umetne splošne inteligence (artificial general intelligence, AGI) povzroči velike težave za večji del človeštva ali celo pripelje do nepopravljivih globalnih katastrof. Tukaj bo fokus na vplivu UI na delovna mesta.
Stoletna študija o umetni inteligenci 2014-2114
Leta 2014 se je začela Stoletna študija o UI (AI100, 2016) in njenih vplivih na ljudi, njihove skupnosti in družbo.
Stoletna študija je zasnovana na podlagi prejšnjega prizadevanja, neuradno znanega kot »študija AAAI Asilomar1. Med letoma 2008 in 2009 je takratni predsednik Združenja za napredek umetne inteligence (Association for the Advancement of Artificial Intelligence AAAI), Eric Horvitz, zbral skupino strokovnjakov za UI iz več institucij in področij, skupaj z znanstveniki s področjih kognitivne znanosti, filozofije in prava. Z delom v razdeljenih podskupinah so udeleženci obravnavali kratkoročni razvoj UI, dolgoročne možnosti ter pravne in etične pomisleke, nato pa so se zbrali na tridnevnem srečanju v Asilomarju, da bi izmenjali in razpravljali o svojih ugotovitvah. Kratko pisno poročilo o intenzivnih razpravah na sestanku, dopolnjeno z naknadnimi razpravami udeležencev z drugimi kolegi, je vzbudilo široko zanimanje in razpravo na terenu in širše. Vpliv srečanja v Asilomarju in pomemben napredek UI, ki je vključeval algoritme in tehnologije UI, ki so začeli vstopati v vsakdanje življenje po vsem svetu, so spodbudili zamisel o dolgoročni ponavljajoči se študiji UI in njenega vpliva na ljudi in družbo. (Horwitz, 2014)
Študija AAAI iz leta 2009 je opozorila na morebiten porast novih oblik zlonamerne programske opreme in njene uporabe v novih oblikah »kriminalne UI«, vključno s sistemi, ki jih gradijo državni in nedržavni akterji, ki izvajajo inteligentne trajne grožnje z dostopom do podatkov in sklepanjem o lokaciji, namenih in dejavnostih ljudi. Danes ljudje pogosto komunicirajo in posredujejo podatke več napravam in storitvam. Lahko si predstavljamo inteligentno zlonamerno programsko opremo, ki deluje med storitvami in napravami, da sčasoma sklepa o ljudeh, izvaja poskuse za izpopolnjevanje veščin in nato izvaja prikrite kriminalne dejavnosti, vključno s finančnimi napadi. Katere nove vrste zlonamerne programske opreme bi se lahko razvile in kako bi jo lahko uporabili? Kaj bi lahko storili proaktivno, da bi preprečili takšno kriminalno umetno inteligenco? (Horvitz, 2014).
Stoletna študija o umetni inteligenci 2014-2114 vključuje znanost, inženiring in uporabo računalniških sistemov za UI. Stoletni študij nadzoruje Stalni odbor (Standing Committee), ki vsakih pet let imenuje Študijski odbor (Study Panel) za oceno trenutnega stanja UI. Študijski odbor pregleduje napredek UI v letih po predhodnem poročilu, predvideva potencialni napredek v prihodnem obdobju in opisuje tehnične in družbene izzive in priložnosti, ki jih prinaša napredek, vključno na področjih, kot so etika, ekonomija in razvoj sistemov, kompatibilnih s človeškim spoznanjem. Glavni namen periodičnega strokovnega pregleda raziskav v okviru Stoletne študije je zbrati in povezati rezultate raziskav o UI in njenih vplivih. Pričakujejo se sinteze in ocene kot osnove za usmerjanje raziskav, razvoja in projektiranja sistemov, pa tudi programov in politik uporabe le-teh v splošno korist posameznikov in družbe.
Stoletna študija: Prvo poročilo iz leta 2016
Leta 2016 je bilo izdano prvo poročilo v okviru Stoletnega študija. Študijski odbor (panel) je bil sestavljen iz sedemnajst strokovnjakov s področja UI iz akademskih krogov, korporativnih laboratorijev in industrije ter znanstvenikov s področja prava, političnih znanosti, politike in ekonomije. Člani panela so bili iz različnih specialnostih in geografskih regij, spolov in stopenj poklicnih karier. (Stone et al., 2016)
Že v prvem Poročilu iz leta 2016 obstaja poseben razdelek o različnih primerih raziskav, praks in izzivih/vplivih UI po sektorjih gospodarstva in družbe, ki jih imenujejo »domene«, in sicer: promet; robotika za dom/storitve; zdravstvo; izobraževanje; skupnosti z nizkimi viri; javna varnost in zaščita; zaposlovanje in delovno mesto; ter zabava. UI že začenja spreminjati vsakdanje življenje in se bodo preobrazbe povečevale do leta 2030.
V zadnjih petnajstih letih se je zaposlenost spremenila zaradi velike recesije in vse večje globalizacije, zlasti z uvedbo Kitajske v svetovno gospodarstvo, pa tudi zaradi ogromnih sprememb v digitalni tehnologiji, ki ni povezana z UI. Od devetdesetih let prejšnjega stoletja ZDA beležijo stalno rast produktivnosti in BDP, vendar je mediana dohodka stagnirala, razmerje med zaposlenostjo in prebivalstvom pa se je zmanjšalo.
Obstajajo jasni primeri panog, v katerih so digitalne tehnologije imele globok vpliv, dober in slab, in drugih sektorjev, v katerih bo avtomatizacija v bližnji prihodnosti verjetno povzročila velike spremembe. Številne od teh sprememb so močno spodbudile »rutinske« digitalne tehnologije, vključno z načrtovanjem virov podjetja, omreževanjem, obdelavo informacij in iskanjem.
UI bo vplivala na prihodnje povpraševanje po delovni sili, vključno s premikom v povpraševanju po znanjih in spretnostih. Do danes so digitalne tehnologije bolj vplivale na delavce v srednjem razredu, kot so potovalni agenti, kot pa na delavce z najnižjimi ali najvišjimi kvalifikacijami.
Da bi bile inovacije UI uspešne, bodo morale premagati razumljiv človeški strah pred marginalizacijo. UI bo v bližnji prihodnosti nadomestila naloge in ne delovnih mest ter ustvarila tudi nove vrste delovnih mest. Toda nova delovna mesta, ki se bodo pojavila, si je težje predstavljati vnaprej kot obstoječa delovna mesta, ki bodo verjetno izgubljena. Pojavil se bo spekter učinkov, od majhnih količin zamenjave ali povečanja do popolne zamenjave.
Na primer, čeprav večina odvetniškega dela še ni avtomatizirana, je UI, uporabljena za pridobivanje pravnih informacij in modeliranje tem, avtomatizirala dele dela odvetnikov prvega letnika. V ne tako oddaljeni prihodnosti bi lahko vplivala na raznoliko paleto zaposlenih, od radiologov do voznikov tovornjakov in vrtnarjev.
UI lahko vpliva tudi na velikost in lokacijo delovne sile.
UI bo ustvarila tudi delovna mesta, zlasti v nekaterih sektorjih, saj bo nekatere naloge naredila pomembnejše, in ustvarila nove kategorije zaposlitve, saj bo omogočila nove načine interakcije.
Izguba delovnih mest za ljudi – zlasti tiste, ki so neposredno prizadeti – je bolj pomembna kot razpršeni gospodarski dobički, UI pa je žal pogosto predstavljena kot grožnja delovnim mestom in ne kot blagoslov za življenjski standard.
Obstaja strah, da bo napredek UI tako hiter, da bo v eni sami generaciji nadomestil vsa človeška delovna mesta – vključno s tistimi, ki so v veliki meri kognitivna ali vključujejo presojo. Ta nenadni scenarij je zelo malo verjeten, vendar bo UI postopoma prodrla v skoraj vse sektorje zaposlovanja, kar bo zahtevalo premik od človeškega dela, ki ga lahko prevzamejo računalniki.
Ekonomski učinki UI na kognitivna človeška delovna mesta bodo analogni učinkom avtomatizacije in robotike na ljudi v proizvodnji. Mnogi delavci srednjih let so izgubili dobro plačana tovarniška dela in socialno-ekonomski status v družini in družbi, ki je tradicionalno pripadal takim delovnim mestom. Še večji delež celotne delovne sile lahko dolgoročno izgubi dobro plačana »kognitivna« delovna mesta. Ker delo postaja manj pomemben dejavnik v proizvodnji v primerjavi z lastništvom intelektualnega kapitala, bo večina državljanov morda ugotovila, da vrednost njihovega dela ni zadostna za plačilo družbeno sprejemljivega življenjskega standarda. Te spremembe bodo zahtevale politični in ne zgolj ekonomski odziv glede tega, kakšne socialne varnostne mreže bi morale biti vzpostavljene za zaščito ljudi pred velikimi strukturnimi premiki v gospodarstvu. Brez blažilnih politik bi lahko od teh premikov imela koristi le majhna skupina v zgornjem sloju družbe.
Kratkoročno lahko izobraževanje, prekvalifikacija in izumljanje novih dobrin in storitev ublažijo te učinke. Dolgoročno se bo morda morala trenutna mreža socialne varnosti razviti v boljše socialne storitve za vse, kot sta zdravstveno varstvo in izobraževanje ali zagotovljen osnovni dohodek. Dejansko so države, kot sta Švica in Finska, aktivno razmišljale o takšnih ukrepih. UI lahko razumemo kot radikalno drugačen mehanizem.
Priprave na prihodnost UI Administracije ZDA
Administracija ZDA je oktobra 2016 objavila poročilo z naslovom »Priprave na prihodnost umetne inteligence« (Preparing for the Future of Artificial Intelligence). Na podlagi tega poročila je decembra 2016 ekipa iz izvršnega urada predsednika ZDA (Executive Office of the President), vključno z osebjem Sveta ekonomskih svetovalcev (Council of Economic Advisers), Sveta za notranjo politiko (Domestic Policy Council), Nacionalnega ekonomskega sveta (National Economic Council), Urada za upravljanje in proračun (Office of Management and Budget) ter Urada za znanstveno in tehnološko politiko ZDA (Office of Science and Technology Policy) objavila poročilo, ki podrobneje preučuje učinke avtomatizacije, ki jo poganja UI, na ameriški trg dela in gospodarstvo ter opisuje priporočene politične odzive.
Napredek tehnologije UI in sorodnih področij je odprl nove trge in nove priložnosti na področjih zdravja, izobraževanja, energetike, ekonomske vključenosti, socialnega varstva in okolja. V zadnjih letih so stroji prehiteli ljudi pri opravljanju nekaterih nalog, povezanih z inteligenco, kot so vidiki prepoznavanja slik, in se bo napredek na področju specializirane UI nadaljeval z enako hitrostjo, stroji pa bodo še naprej dosegali in presegali človeško zmogljivost pri vedno več nalogah.
Avtomatizacija, ki jo poganja UI, bo v prihodnjih letih še naprej ustvarjala bogastvo in širila gospodarstvo, vendar ta rast ne bo brezplačna in jo bodo spremljale spremembe v znanjih in spretnostih, ki jih potrebujejo delavci in strukturne spremembe v gospodarstvu. Potrebni bodo tudi močni politični ukrepi v pomoč delavcem, ki bodo zaradi teh sprememb prikrajšani, za kar bo potrebno veliko dodatnih raziskovanj političnih posledic napredka v uporabi UI. (Executive Office of the President, 2016)
Stoletna študija: Drugo poročilo iz leta 2021
Leta 2021 je bilo objavljeno drugo poročilo odbora o poteku projekta AI100 »Zbiranje moči, zbiranje neviht: Stoletna študija o umetni inteligenci (AI100) (Gathering Strength, Gathering Storms: The One Hundred Year Study on Artificial Intelligence (AI100)) (Littman et al., 2021)
To poročilo je strukturirano kot zbirka odgovorov študijskega panela iz leta 2021 na zbirko 12 stalnih vprašanj (SV) in dveh vprašanj delavnice (VD), ki jih je postavil stalni odbor AI100. Poročilo se začne s seznamom 14 vprašanj in kratkimi povzetki odgovorov panela, ki služijo kot pregled ugotovitev poročila. Nato se poglobi v same odgovore in kratek zaključek. Dodatek vsebuje zbirko pojasnil k prejšnjemu poročilu v seriji AI100, objavljenemu leta 2016.
Razvoj znanstvenika tipa Nobelovega nagrajenca kot posebnega sistema UI do leta 2050!?
Nobelova nagrada velja za najvišjo raven v poklicni karieri znanstvenika.
V drugem poročilu stoletne študije UI iz leta 2021sporočajo o delavnici, ki jo je februarja 2020 organiziral Inštitut Alana Turinga, na kateri je bila predložena ustanovitev globalne pobude za razvoj »znanstvenikov umetne inteligence« (sistemov UI) do leta 2050, ki bi bili »sposobni narediti velika odkritja, vredna Nobelove nagrade ali drugega ustreznega priznanja« in »sprejeti strateške odločitve o raziskovalnih ciljih, oblikovati protokole in poskuse za zbiranje podatkov, ugotoviti in opisati pomembno odkritje, komunicirati v obliki publikacij in drugih znanstvenih sredstev za razlago inovacij in metod, ki stojijo za odkritjem, ter artikulirati pomen odkritja in njegov vpliv.«
Veliki britanski matematik in računalniški znanstvenik in utemeljitelj teoretičnega računalništva Alan Turing (1912.– 1954.) je znan po tako imenovanem »Turingovem testu«, ki predstavlja pomemben provokativen in trajen prispevek k razpravi o UI.
Turingov test je splošno priznano merilo za ocenjevanje sposobnosti stroja, da pokaže inteligenco, ki je podobna človeški. Človeški sodnik se udeleži besedilnega pogovora s človekom in strojem. Sodnikova naloga je ugotoviti, kateri udeleženec je človek in kateri stroj. Če sodnik ne more ločiti med človekom in strojem samo na podlagi pogovora, se reče, da je stroj opravil Turingov test. (Schweizer, 1998)
Poročilo MIT »Razkorak GenAI: Stanje umetne inteligence v poslovanju 2025«
Poročilo MIT »Razkorak GenAI: Stanje umetne inteligence v poslovanju 2025« (The GenAI Divide: State of AI in Business 2025) je rezultat raziskav provedenih od januarja do junija 2025. (Challapally et al., 2025
Metodološko temelji poročilo na večmetodni raziskovalni zasnovi, ki vključuje sistematični pregled več kot 300 javno objavljenih pobud na področju UI, strukturirane intervjuje s predstavniki 52 organizacij in odgovore na anketo 153 višjih vodij, zbranih na štirih večjih industrijskih konferencah.
Glavno sporočilo poročila je, da vrzel med navdušenjem nad UI in dejansko uspešnostjo postaja vedno večja.
Ključne ugotovitve poročila
1.Visoka stopnja neuspeha; 95 odstotkov generativne UI ne prinaša merljivega poslovnega donosa kljub znatnim naložbam v višini 30–40 milijard dolarjev v poslovne namene; le 5 odstotkov pilotnih projektov integrirane UI prinaša znatno vrednost, kar vzbuja zaskrbljenost glede nevzdržnega mehurčka UI.
2. Razkorak GenAI: ta izraz opisuje oster kontrast med visokimi stopnjami sprejemanja tehnologij UI in nizko stopnjo preobrazbe poslovnih procesov; medtem ko je 40 odstotkov organizacij uvedlo orodja UI, jih je le 5 odstotkov uspešno integriralo v delovne tokove v velikem obsegu.
3. Izzivi pri izvajanju; neuspehi so pogosto posledica neusklajenosti z vsakodnevnim poslovanjem, krhkimi delovnimi tokovi in šibkim kontekstualnim učenjem; številne organizacije se težko prilagodijo orodja UI svojim obstoječim sistemom, kar ima za posledico pilotne projekte, ki se le redko skalirajo.
4. Vpogledi v panogo: večina proračunov podjetij za UI je namenjenih prodaji in trženju, čeprav so največji donosi zabeleženi pri funkcijah pisarn, kot sta avtomatizacija poslovnih procesov in operativna učinkovitost.
5. Skepticizem uporabnikov: med uporabniki narašča skepticizem glede učinkovitosti orodij UI; mnogi poročajo, da večina predstavitev ni resnično uporabnih; ta skepticizem prispeva k počasnemu sprejemanju in integraciji tehnologij UI v poslovanje.
Ugotovitve poročila MIT kažejo, da morajo organizacije ponovno premisliti o svojih strategijah za UI in se osredotočiti na skrbno vključevanje orodij UI v svoje delovne procese. Poročilo poudarja pomen prilagodljivih, učnih sistemov namesto statičnih orodij za doseganje smiselnih rezultatov. Ker je področje UI še naprej v razvoju, bo reševanje teh izzivov ključnega pomena za uresničitev polnega potenciala UI v poslovanju. Poročilo predstavlja kritičen opomnik na razkorak med pričakovanji in realnostjo v sektorju UI ter spodbuja podjetja, naj k naložbam v UI pristopijo z bolj strateškim in realističnim pristopom.
Pet mitov o generativni UI v podjetjih:
1. UI bo v naslednjih nekaj letih nadomestila večino delovnih mest → Raziskave so pokazale omejeno število odpuščanj zaradi generativne UI in le v panogah, na katere UI že močno vpliva. Med vodstvom ni soglasja glede stopnje zaposlovanja v naslednjih 3–5 letih.
2. Generativna UI spreminja poslovanje → Stopnja sprejemanja je visoka, vendar je transformacija redka. Le 5 odstotkov podjetij ima orodja UI integrirana v delovne tokove v velikem obsegu, 7 od 9 sektorjev pa ne kaže resničnih strukturnih sprememb.
3. Podjetja počasi sprejemajo nove tehnologije → Podjetja si izjemno želijo sprejeti UI in 90 odstotkov jih je resno raziskalo nakup rešitve UI.
4. Največja ovira pri UI je kakovost modela, pravni vidiki, podatki in tveganje → Kar jo resnično ovira, je to, da se večina orodij UI ne uči in se ne integrira dobro v delovne tokove.
5. Najboljša podjetja gradijo svoja lastna orodja → Notranje gradnje dvakrat pogosteje ne uspejo.
Organizacije, ki uspešno premostijo GenAI ločnico, počnejo tri stvari drugače: kupujejo namesto gradijo, pooblaščajo linijske vodje namesto centralnih laboratorijev in izbirajo orodja, ki se globoko integrirajo, hkrati pa se sčasoma prilagajajo. Najbolj napredne organizacije že eksperimentirajo z agentnimi sistemi, ki se lahko učijo, si zapomnijo in delujejo avtonomno znotraj določenih parametrov. Ta prehod ne pomeni le premika v orodjih, temveč tudi nastanek agentnega spleta: trajne, medsebojno povezane plasti učnih sistemov, ki sodelujejo med ponudniki, domenami in vmesniki. Kjer današnji poslovni sklad opredeljujejo izolirana orodja SaaS2 in statični delovni tokovi, agentni splet te nadomešča z dinamičnimi agenti, ki so sposobni pogajati se o nalogah, deliti kontekst in usklajevati dejanja v celotnem podjetju. Tako kot prvotno spletno decentralizirano objavljanje in trgovina, agentni splet decentralizira dejanja in se premika od pozivov k avtonomnemu koordinaciji, ki jo pogaja protokol. Sistemi, kot so NANDA, MCP in A2A3, predstavljajo zgodnjo infrastrukturo za ta splet, ki organizacijam omogoča, da sestavljajo delovne tokove ne iz kode, temveč iz zmogljivosti in interakcij agentov. Ko podjetja do leta 2026 začnejo vzpostavljati odnose s prodajalci in povratne zanke, se čas za premostitev vrzeli GenAI hitro zmanjšuje. Naslednji val sprejemanja ne bodo osvojili najbolj bleščeči modeli, temveč sistemi, ki se učijo in si zapomnijo, in/ali sistemi, ki so izdelani po meri za določen proces. Prehod od gradnje k nakupu, skupaj z vzponom sprejemanja s strani proizvajalcev in pojavom agentskih zmogljivosti, ustvarja izjemne priložnosti za prodajalce, ki lahko zagotovijo učne, globoko integrirane sisteme umetne inteligence. Organizacije in prodajalci, ki prepoznajo in delujejo na podlagi teh vzorcev, bodo vzpostavili prevladujoče položaje v postpilotnem gospodarstvu UI, na pravi strani vrzeli GenAI. Za organizacije, ki so trenutno ujete na napačni strani, je pot naprej jasna: prenehajte vlagati v statična orodja, ki zahtevajo nenehno spodbujanje, začnite sodelovati s prodajalci, ki ponujajo sisteme po meri, in se osredotočite na integracijo delovnih procesov namesto na bleščeče predstavitve. Vrzel GenAI ni trajna, vendar njeno premostitev zahteva bistveno drugačne odločitve glede tehnologije, partnerstev in organizacijske zasnove. (Challapally et. al., 2025)
Delovni dokument 140/2025 Mednarodne organizacije dela (International Labour Office, ILO)
Letošnji Delovni dokument (working paper) 140 Mednarodne organizacije dela ILO je prva v seriji prihajajočih publikacij, ki temeljijo na sodelovanju ILO in NASK4 z namenom izboljšati metodologijo za ocenjevanje učinkov UI na zaposlovanje in dokumentirati uporabljene metode, vključno z anketo, postopkom strokovnega preverjanja in konstrukcijo modela UI, ki se uporablja za napovedi. Nadaljnji dokumenti bodo predstavili oceno potencialnega vpliva GenAI na poljski trg dela, ki bo temeljila na podatkih o poklicih in nalogah z uporabo kombinacije kvantitativnih in kvalitativnih metod. Vse publikacije bodo vključevale metodološke načrte in tehnične podrobnosti kvantitativnih in kvalitativnih komponent, vključno z vprašalniki za ankete in smernicami za intervjuje. Ti delovni dokumenti so publikacije z odprto dostopnostjo, ki tako prispevajo k razvoju metod za ocenjevanje potencialnega vpliva GenAI na delovna mesta in spodbujajo podrobnejše študije na nacionalni ravni, tudi v državah z nižjimi in srednjimi dohodki. (Gmyrek et al., 2025)
Avgusta 2023 je Mednarodna organizacija dela (ILO) objavila prve ocene zaposlenosti na svetovni ravni glede potencialne poklicne izpostavljenosti generativni umetni inteligenci (GenAI) (Gmyrek et al., 2023). Raziskavo je spodbudila medijska »evforija« glede možnosti tehnologije, da nadomesti velik delež znanj.
Od objave ocen za leto 2023 je prišlo do nadaljnjega tehnološkega napredka na področju generativne umetne inteligence (GenAI), vključno z uvedbo velikih jezikovnih modelov (LLM) z razširjenimi zmogljivostmi prepoznavanja slik ter avdio in video produkcije. Poleg tega je bilo zaradi možnosti povezovanja modelov GenAI z orodji vmesnika za programiranje aplikacij (API) razvitih veliko novih aplikacij GenAI. GenAI so primerjali s tehnologijo splošnega namena, ki bo povzročila daljnosežne in dolgoročne gospodarske in družbene preobrazbe.
Kljub temu hitro razvijajočemu se okolju je pomembno, da oblikovalci politik razvijejo globlje razumevanje, kako bi lahko tehnološki napredek vplival na obstoječa delovna mesta. Da bi se spopadli s to potrebo, je raziskovalni oddelek Mednarodne organizacije dela (ILO) sodeloval z NASK, Nacionalnim raziskovalnim inštitutom Ministrstva za digitalne zadeve na Poljskem, da bi razvil natančnejšo oceno morebitnih učinkov GenAI na zaposlovanje v različnih državah.
Študija Gmyreka et al. (2025) temelji na metodi, ki so jo v ILO razvili Gmyrek, Berg in Bescond (2023) za opise nalog iz 4-mestne mednarodne standardne klasifikacije poklicev (ISCO-08) in modela GPT-4 za oceno ravni nalog in poklicnih rezultatov izpostavljenosti tehnologiji GenAI za ocene globalne zaposlenosti na podlagi uradnih podatkov ILO o delovni sili.
Prvi korak v analizi temelji na poljski nacionalni 6-mestni klasifikaciji poklicev, ki vključuje skoraj 30.000 nalog. To desetkrat poveča število nalog, navedenih v strukturi ISCO-08, in omogoča podrobno oceno potenciala avtomatizacije nalog na podlagi najnovejšega nabora poklicev in nalog kot tistih, ki so zajeti v sistemu ISCO-08. Ker je poljska 6-mestna klasifikacija usklajena s 4-mestno klasifikacijo ISCO-08, je mogoče ocene poklicev sestaviti na 4-mestni ravni, kar omogoča enostavno primerjavo in posodabljanje ocen Mednarodne organizacije dela (ILO) za leto 2023 (GBB). ). Poleg tega študija izboljšuje metodološki okvir GBB z uporabo kombiniranih prednosti možnosti človeka in UI ter z dodatno plastjo strokovnega preverjanja.
Anketirali so 1640 zaposlenih na Poljskem v vsaki enomestni skupini ISCO-08, da bi razvrstili potencial avtomatizacije reprezentativnega vzorca nalog, ki se nanašajo na njihovo poklicno skupino.
Anketirali so 1640 zaposlenih na Poljskem v vsaki enomestni skupini ISCO-08, da bi razvrstili potencial avtomatizacije reprezentativnega vzorca nalog, ki se nanašajo na njihovo poklicno skupino.
Kot drugi korak so prosili mešanico nacionalnih in mednarodnih strokovnjakov, da pregledajo veliki vzorec nalog, ki so bile predhodno ocenjene v anketi, da bi potrdili ali prilagodili raven rezultatov avtomatizacije z iterativnim postopkom. Ker so ohranili hierarhično povezavo z ISCO-08 in se osredotočili na tehnološko izvedljivost in ne na specifičen kontekst države, z združevanjem mnenj lokalnih in mednarodnih strokovnjakov, so ustvarili sistem, ki omogoča natančnejše napovedi potenciala avtomatizacije posameznih poklicnih nalog s tehnologijo GenAI, tudi na mednarodni ravni. Da bi to dosegli, v model umetne inteligence so vnesli človeške ocene, da ustvarimo ocene, ki odražajo človeško presojo za skoraj 30.000 posameznih nalog, ki se nanašajo na 2500 poklicev na 6-mestni ravni na Poljskem. Nato z istim napovedovalcem umetne inteligence so ponovno generirali rezultate za naloge v ISCO-08, ki jih je prej zagotavljala študija iz l. 2023, s čimer so prilagodili indeks ILO za leto 2023, ki zdaj uporablja tako prispevke zaposlenih v vsaki enomestni skupini ISCO-08 kot tudi mnenja strokovnjakov.
Kot zadnji korak so zagotovili posodobljene globalne, regionalne in na dohodku temelječe ocene zaposlenosti, ki jih lahko tehnologija generacije umetne inteligence preoblikuje.
Poročilo Gmyreka et al, z naslovom Generativna UI in delovna mesta je v medijih ocenjeno kot najbolj podrobno poročilo doslej, ki razkriva, kdo bo izgubil službo zaradi UI. Poročilo razkriva, da je vsako četrto delovno mesto ogroženo zaradi umetne inteligence in kateri sektorji so najbolj ogroženi v bližnji prihodnosti. Najbolj ogrožena so administrativna delovna mesta in poklici v sektorjih z visoko stopnjo digitalne integracije.
Delovna mesta ne bodo nujno izgubljala, temveč se bodo predvsem preoblikovala.
Glavi avtor poročila in višji raziskovalec pri ILO Pawel Gmyrek je dejal: »Šli smo dlje od teorije in razvili orodje, ki temelji na resničnih delovnih mestih. Združili smo človeško oceno, strokovno analizo in modele GenAI, da bi ustvarili metodo, ki jo lahko države uporabijo za natančno oceno tveganja in odzivanje.«
Po podatkih poročila je svetovna stopnja izpostavljenosti preobrazbam ali izgubam služb 25 odstotkov, medtem ko v državah z visokimi dohodki ta delež dosega kar 34 odstotkov. To je predvsem posledica večje digitalne povezanosti in uporabe naprednih tehnologij.
Najbolj ranljiva so administrativna delovna mesta, kjer lahko GenAI nadomesti ponavljajoča se opravila, kot sta vnos podatkov in obdelava dokumentov. Izpostavljena so tudi kognitivna delovna mesta v sektorjih, kot so mediji, razvoj programske opreme in finance.
Analiza opozarja na izrazite razlike med spoloma: v razvitih državah kar 9,6 odstotka žensk dela na delovnih mestih, ki so močno izpostavljena avtomatizaciji, medtem ko je delež moških le 3,5 odstotka.
Marek Troszinski iz NASK, soavtor poročila poudarja: »Ta indeks pomaga ugotoviti, kje ima lahko GenAI največji vpliv, da lahko države bolje pripravijo in zaščitijo delavce.«
Čeprav GenAI ponuja številne možnosti za povečanje produktivnosti, poročilo opozarja, da bodo učinki močno odvisni od hitrosti uvedbe, stanja infrastrukture in digitalnih znanj zaposlenih.
Janine Berg, višja ekonomistka pri ILO opozarja: »Tehnične omejitve, razlike v infrastrukturi in pomanjkanje znanj pomenijo, da bo izvajanje GenAI neenakomerno,« je opozorila Zato poročilo poziva vlade, delodajalce in sindikate, naj sodelujejo v socialnem dialogu ter oblikujejo politike, ki bodo zaščitile delavce, spodbujale dodatno usposabljanje in agotavljale pravičen prehod v najbolj izpostavljenih sektorjih.
Umetna inteligenca lahko poveča neenakosti.
Zaključki poročila se ujemajo z oceno Mednarodnega denarnega sklada (IMF) iz leta 2024, ki napoveduje, da bi umetna inteligenca lahko vplivala celo na 40 odstotkov delovnih mest po svetu, pri čemer bodo najbolj prizadeta prav razvita gospodarstva.
Generalna direktorica IMF Kristalina Georgieva ob tem opozarja: »V večini scenarijev bo umetna inteligenca verjetno poslabšala splošno neenakost - trend, ki ga morajo oblikovalci politik proaktivno obravnavati.«
Je tvoj poklic med njimi?! 100 poklicev, ki jih bo nadomestila AI in bodo verjetno izginili do 2035 – Poklici, ki izginjajo ...
Jan Macarol, avtor tako naslovljenega članka, objavljenega 9. julija 2025 v City Magazine, navaja kot vire, citiram: Svetovni gospodarski forum, OECD, McKinsey, PwC, poročilo Future of Jobs 2025 (WEF, 2025), medijski članki in študije (Forbes, Lancet, Investopedia). (Macarol, 2025)
V članku je podan seznam 100 poklicev po osmih sektorjih gospodarstva (proizvodnja in industrija, transport in logistika, administracija in pisarniška dela, bančništvo in finance, maloprodaja in storitve za stranke, mediji, založništvo in ustvarjalne dejavnosti, izobraževanje in znanost, zdravstvo),, ki se bodo do leta 2035 najverjetneje poslovili od trga dela, skupaj z razlago, zakaj jih bo nadomestila UI, robot, spletna aplikacija ali zelena tranzicija. Po napovedih Svetovnega gospodarskega foruma, OECD in celo mogočne investicijske banke Goldman Sachs bo do leta 2035 okoli 100 poklicev postalo odvečnih. Glavni krivci? Pametni algoritmi, roboti, električna vozila in, seveda, potrošniki, ki danes raje klikajo kot stopijo v fizično trgovino ali banko.
Proizvodnja in industrija: Ta sektor bo močno prizadet zaradi avtomatizacije in uvedbe industrije 4.0. Roboti in pametni sistemi že prevzemajo fizična dela, zaradi česar izginjajo tradicionalne vloge na proizvodnih linijah.
Montažni delavec (delavec na tekočem traku) – Robotske roke in avtomatizirane proizvodne linije prevzemajo montažo izdelkov, zato človeških delavcev na tekočih trakovih vse manj potrebujejo.
Strojni operater – Upravljanje strojev za preprosta opravila (npr. stiskalnice, rezalniki) se avtomatizira; sodobni stroji pogosto vodijo računalniški programi brez posredovanja človeka.
Varilec v industriji – Robotsko varjenje v avtomobilski in kovinski industriji nadomešča ročno varjenje; roboti lahko varijo 24/7 z večjo natančnostjo, zato se število varilcev zmanjšuje.
Sestavljalec elektronskih naprav – V proizvodnji elektronike so montažo in spajkanje komponent v veliki meri prevzele robotske naprave, ki so hitrejše in bolj natančne.
Tekstilni delavec (šivilja v tovarni) – Številne faze tekstilne proizvodnje (rezanje, šivanje preprostih šivov) se avtomatizirajo s specializiranimi stroji; masovna proizvodnja oblačil se seli v avtomatizirane obrate.
Tiskar in knjigovez – Zaradi upada tiskanih medijev in avtomatskih digitalnih tiskarskih strojev poklici klasičnega tiskarja, knjigoveza in stavca izginjajo; veliko tiskarn se je zaprlo ali preusmerilo v digitalni tisk.
Kovinar in livar – Avtomatizirane livarne in CNC-stroji (računalniško vodeni rezkalni in stružni stroji) zmanjšujejo potrebo po ročnem delu pri oblikovanju kovin; programer CNC prevzema delo nekdanjega strojnega obdelovalca.
Kakovostni kontrolor (industrijski pregledovalec) – Pregled kakovosti izdelkov izvajajo optični sistemi z AI, ki prek kamer zaznajo napake; s tem se zmanjšuje število inšpektorjev kakovosti na proizvodnih linijah.
Pakirni delavec v tovarni – Stroji za avtomatsko pakiranje in robotizirani manipulatorji zlagajo izdelke v embalažo hitreje od ljudi, zato klasičnih pakircev skoraj ne bo več v velikih tovarnah.
Skladiščnik (ročni) – V sodobnih logističnih centrih blago premikajo avtonomna vodena vozila in robotske roke; Amazon in drugi uporabljajo robote za pobiranje in premikanje paketov, zaradi česar tradicionalni skladiščni delavci izginjajo.
Materialni zalogovnik (referent za zaloge) – Vodenje evidenc zalog in upravljanje skladišča je digitalizirano (senzorji IoT, programske rešitve); poklic osebe, ki ročno beleži zalogo in izdaja materiale, bo odveč.
Upravljavec strojev v prehrambni industriji – Polnjenje, mešanje in drugi procesi v proizvodnji hrane so avtomatizirani; nekoč so to opravljali delavci na proizvodnih linijah (npr. pri polnjenju steklenic, konzerv), zdaj to delajo stroji.
Lesarski obdelovalec na liniji – V lesni industriji CNC-stroji in robotika nadomeščajo delavce pri razrezu in oblikovanju lesa; mizarski pomočniki v tovarnah pohištva bodo skoraj izginili, saj večino dela opravijo stroji.
Operater v kemični proizvodnji – Procesi v kemijskih obratih so visoko avtomatizirani in nadzorovani računalniško; nekoč so delavci ročno odmerjali, mešali in nadzirali reakcije, danes pa večino nalog upravlja digitalni nadzorni sistem.
Rudar (premogovnik) – Zaradi opuščanja premoga in avtomatizacije rudarskih operacij (samovozeči rudni tovornjaki, robotizirane vrtalne naprave) bo klasični poklic rudarja vse manj pogost. Mnoga premogovništva se zapirajo zaradi prehoda na čistejše vire energije.
Operater vrtalne naprave za nafto in plin – V naftni industriji se uporablja vedno več avtomatiziranih platform in daljinsko vodenih naprav; obenem se industrija krči zaradi zelenega prehoda, zato ročnih operaterjev naftnih vrtin potrebujejo bistveno manj.
Delavec v rafineriji – Procesiranje nafte v rafinerijah je že dolgo avtomatizirano; sodobne rafinerije zahtevajo malo posegov delavcev, poleg tega se z zmanjšanjem porabe fosilnih goriv zmanjšuje tudi število rafinerij.
Ribič v komercialnem ribolovu – Tradicionalni poklic ribiča se sooča z upadom zaradi kombinacije avtomatizacije in regulacij: uvedba robotiziranih ribogojnic in lovskih tehnologij zmanjšuje potrebo po številni posadki, kvote za ulov pa krčijo panogo.
Delavec v papirnici – Digitalizacija je zmanjšala povpraševanje po papirju (manj tiskanih dokumentov, časopisov), številne papirnice so se zaprle; avtomatizirani obrati za izdelavo papirja potrebujejo le majhno ekipo tehnikov, zato klasičnih papirniških delavcev skoraj ni več.
Rudarski tehnik za pridobivanje rudnin – Podobno kot pri premogu tudi pri drugih rudninah (železo, baker) avtomatizacija odpravlja potrebo po številnih delavcih; samodejne naprave za drobljenje, sortiranje rude in avtonomna transportna vozila zmanjšujejo ročno delo v rudnikih.
Transport in logistika: V transportu bo avtonomna tehnologija nadomestila mnoge voznike, digitalizacija pa posrednike in fizične operacije. Prav tako se z optimizacijo in s pametnimi sistemi zmanjšuje potreba po osebju v logističnih procesih.
Voznik tovornjaka – Razvoj samovozečih tovornjakov obeta, da bodo do 2035 na določenih relacijah tovornjaki vozili avtonomno; čeprav prehod ne bo nenaden, se povpraševanje po poklicnih voznikih zmanjšuje, zlasti na dolgih monotonih avtocestnih poteh.
Taksist / voznik taksi službe – Že danes taksi trg preoblikujejo platforme za souporabo prevozov (Uber ipd.), v prihodnje pa lahko avtonomna vozila skoraj povsem odpravijo potrebo po človeških taksistih v večjih mestih.
Avtobusni voznik – Tehnologija za avtonomne avtobuse in vlakce je v razvoju; do 2035 bi lahko začeli uvajati samovozeče avtobuse vsaj na določenih fiksnih linijah (npr. letališka in mestna linijska prevozna sredstva), kar bi zmanjšalo število delovnih mest voznikov.
Strojnik lokomotive (vlakovodja) – Avtomatizacija železnic (t.i.driverless trains) je že prisotna v nekaterih metrojih; na dolgi rok se tudi na železnici pričakuje uvedba samodejnega vodenja vlakov na določenih progah, zato se klasična vloga strojevodje lahko skrči.
Spremljevalec v vlaku / kondukter – Digitalni sistemi za prodajo in preverjanje vozovnic (e-karte) zmanjšujejo potrebo po kondukterjih; na modernih vlakih se preverjanje lahko opravi avtomatsko ali na postajah, vloga človeškega preglednika pa izginja.
Letališki usmerjevalec (maršaler) – Avtomatizacija letaliških operacij, kot je vodenje letal na parkirišča z avtomatskimi sistemi in senzorji, lahko zmanjša potrebo po ročnem usmerjanju letal z osebjem na ploščadi.
Dostavljavec poštnih pošiljk (poštar) – Tradicionalni poštarji, ki raznašajo pisma, so že manj potrebni zaradi upada pisemske pošte (e-pošta jih je izpodrinila). Paketne dostave sicer rastejo, a tu nastopajo droni in avtonomna dostavna vozila, ki bi lahko do 2035 opravila del dostav brez človeka.
Kurir / dostavljavec v mestnem prometu – V mestih se uvajajo dostavni roboti na pločnikih in leteči droni za dostavo manjših paketov; ta tehnologija bi lahko v prihodnjih letih nadomestila del kurirjev (npr. dostava hrane, paketov na kratke razdalje).
Dispečer v transportu – Na področju logistike in prevozov človeške dispečerje, ki usklajujejo vozila in voznike, zamenjuje programska oprema za avtomatsko razporejanje; algoritmi v realnem času optimizirajo poti, dodelitve in urnike, zato se potreba po dispečerjih zmanjšuje.
Tovorni nakladalec / razkladalec – Na letališčih, pristaniščih in železnicah dvigala, tekoči trakovi in robotski manipulatorji nadomeščajo ročno nakladanje tovora; poklic delavca, ki fizično naklada in razklada tovor, bo v večini velikih sistemov avtomatiziran.
Operater žerjava v pristanišču – Sodobna pristanišča že uporabljajo avtomatizirane kontejnerske žerjave, ki jih upravlja računalnik ali operater na daljavo; klasičnega žerjavista v kabini žerjava bo občutno manj, saj en operater lahko nadzira več avtomatiziranih strojev hkrati.
Prometni kontrolor v skladišču – V velikih logističnih centrih promet v skladišču (premikanje blaga, vozil) usmerjajo algoritmi in senzorji; delovnih mest, kjer bi človek ročno usmerjal ali nadziral interno logistiko, praktično ne bo.
Delavec cestninjenja (cestninski blagajnik) – Na avtocestah klasične cestninske postaje s pobiralci cestnine izginjajo, ker jih nadomeščajo samodejni elektronski cestninski sistemi (vinjete, elektronsko brezkontaktno plačevanje); poklic cestninskega blagajnika je v številnih državah že ukinjen.
Parkirni uslužbenec – Parkirišča prehajajo na avtomatske sisteme za izdajo listkov in plačilo, pogosto prek mobilnih aplikacij; človek kot pobiralec parkirnine ali nadzornik zapornic postaja odvečen, razen še pri manjših objektih.
Operater dvigala (liftboy) – Včasih so v stavbah imeli osebje za upravljanje dvigal, danes pa dvigala avtomatsko vozijo na klic; ta poklic je praktično izginil in se do 2035 gotovo ne bo vrnil, saj ga je tehnologija v celoti nadomestila.
Administracija in pisarniška dela: To področje bo doživelo velik upad delovnih mest zaradi digitalizacije dokumentov in uvedbe pametnih pisarniških orodij. Številni administrativni poklici so monotoni in temelječi na pravilih – idealni za zamenjavo z AI in avtomatizacijo.
Administrativni asistent (tajnik/tajnica) – Urejanje urnikov, vodenje dopisov, priprava zapisnikov – vse to zdaj lahko deloma opravijo digitalni asistenti, koledarske aplikacije in orodja za upravljanje opravil. WEF uvršča administrativne asistente med najhitreje izginjajoče poklice zaradi avtomatizacije.
Referent za vnos podatkov (data entry) – Rutinsko tipkanje podatkov iz papirjev v računalnik nadomešča optično prepoznavanje znakov (OCR) in neposredno zbiranje podatkov ob izvoru. AI sistemi lahko samodejno berejo obrazce in tabelarične podatke, zato ročni vnašalci podatkov niso več potrebni.
Telefonist / telefonski operater – Poklic telefonista na centralah, ki usmerja klice, je praktično izginil zaradi avtomatskih telefonskih central in digitalne komunikacije. Tudi klicni centri uporabljajo glasovne odzivnike in chatbot-e, ki filtrirajo klice brez človeškega posredovanja.
Uradnik za arhiviranje (arhivar) – S prehodom na brezpapirno poslovanje se fizični arhivi zmanjšujejo; digitalno arhiviranje in iskanje dokumentov je avtomatizirano, zato klasični arhivarji in registratorji dokumentacije izgubljajo delo.
Pisarniški kurir (osebje za notranjo pošto) – Včasih so podjetja imela zaposlene za raznašanje interne pošte in dokumentov po pisarnah; danes skoraj vsa komunikacija poteka preko e-pošte in intraneta, fizičnih dokumentov pa je malo, zato ta vloga ni več potrebna.
Knjižnični tehnik (vnosnik katalogov) – Digitalni knjižnični sistemi in online katalogi omogočajo samodejno katalogizacijo in iskanje gradiva; ročni vnosni referenti in dokumentalisti so v manjšem številu, saj knjižnice digitalizirajo procese.
Računovodski referent (knjigovodja) – Osnovno knjiženje in izdajanje računov prevzemajo računovodski programi in spletne storitve. Majhna podjetja lahko uporabljajo avtomatizirane rešitve za računovodstvo, zato se število klasičnih knjigovodij zmanjšuje.
Plačilni referent (referent za plače) – Obdelavo plač, obračun davkov in prispevkov zdaj pogosto opravi programska oprema ali zunanje podjetje s specializiranim sistemom. Interni kadri za obračun plač so v velikih sistemih manj potrebni, ker HR-sistemi avtomatsko izračunajo plače.
Zavarovalniški uradnik (procesor zahtevkov) – Pri zavarovalnicah obdelavo zahtevkov (npr. prijavo škode) čedalje bolj izvajajo AI sistemi, ki iz dokumentacije in slik ocenijo škodo in pripravijo informativni izračun. Manj je potrebe po osebju, ki bi ročno pregledovalo vsako zahtevo.
Statistični tehnik (računski analitik) – Poklici, ki vključujejo ročno izračunavanje statistik ali upravljanje podatkovnih zbirk po ustaljenih metodah, izginjajo, ker orodja za podatkovno analitiko in AI samodejno opravijo te analize. Ljudje se premikajo v interpretacijo, medtem ko osnovni računi tečejo avtomatsko.
Bančni referent za posojila – Proces odobritve posojila se digitalizira: algoritmi za kreditno ocenjevanje avtomatsko preverijo kreditno sposobnost stranke. Delo referenta, ki ročno pregleduje vloge in preverja dokumente, bo skoraj v celoti nadomeščeno z avtomatiziranimi sistemi, ostali bodo le še svetovalci za posebne primere.
Pisarniški receptor (sprejemna pisarna) – V podjetjih in organizacijah fizične recepcije nadomeščajo digitalni kioski za prijavo obiskovalcev ali pa se obiski vnaprej najavijo prek spleta. V nekaterih stavbah uvajajo robote-receptorje ali pa varnostniki prevzamejo to nalogo, zato poklic klasičnega receptorja upada.
Telemarketar – Klice prodajnih agentov nadomeščajo avtomatizirani klicni sistemi in personalizirana e-poštna sporočila. Veliko potrošnikov se izogiba neželenim klicem, podjetja pa uporabljajo AI za usmerjeno oglaševanje, kar pomeni, da telefonska prodaja v klasični obliki izginja.
Referent za zbiranje podatkov (anketar) – Tradicionalno so ljudje po telefonu ali na terenu zbirali ankete in podatke; danes se večina anket opravi prek spleta ali telefonskih avtomatiziranih sistemov. Poklic anketerja in statističnega zbiralca podatkov zato peša.
Notranji informatik za osnovno podporo (helpdesk na 1. ravni) – Osnovna IT podpora (resetiranje gesla, navodila za uporabo programov) se avtomatizira s chatboti in bazo znanja. Človeški IT-podporniki se ukvarjajo le še s kompleksnejšimi primeri, preprosta vprašanja pa rešijo avtomatizirana orodja, kar zmanjšuje skupno število teh delovnih mest.
Bančništvo in finance: V finančnem sektorju finančna tehnologija (FinTech) in UI nadomeščata mnoge tradicionalne vloge – od bančnih uslužbencev do analitikov. Procesi se avtomatizirajo, stranke pa prehajajo na spletno bančništvo, kar zmanjšuje potrebo po fizičnem osebju.
Bančni blagajnik (bančni uslužbenec na okencu) – Zmanjševanje števila bančnih poslovalnic in prehod na spletno in mobilno bančništvo pomenita, da klasična vloga bančnega referenta na okencu izginja; ljudje opravljajo plačila, nakazila in druge storitve prek naprav, banke pa zapirajo okence za gotovinsko poslovanje.
Posojilni uradnik (bančni posojilni svetovalec) – Določena posojila (potrošniški krediti, hipotekarni krediti) se odobravajo prek spletnih platform z avtomatsko oceno; človeški svetovalci so potrebni le še pri kompleksnejših finančnih produktih ali za stranke, ki želijo osebni stik.
Borzni posrednik (borzni trgovec) – Številni poklicni trgovci na borzi so bili nadomeščeni z algoritmi za avtomatsko trgovanje, ki v milisekundah sklepajo posle. Na borznih trgih danes prevladuje algoritemsko trgovanje, zaradi česar je mnogo tradicionalnih traderjev in posrednikov ostalo brez dela.
Finančni analitik (mlajši analitik) – Analizo finančnih poročil, trendov in naložb vedno pogosteje opravljajo AI orodja, ki lahko v hipu predelajo ogromne količine podatkov. Mlajši analitiki, katerih naloga je bila priprava poročil in modelov, so manj iskani, ker programska orodja avtomatizirajo ta proces.
