Stagnacija IT plata: AI kao put do rasta u 2026

Stagnacija plata u IT-ju više nije trač iz kuhinje, nego podatak. Prema FishingBooker anketi o platama za 2025. godinu, u poslednje tri godine nije bilo značajnijih pomeranja zarada u IT industriji u Srbiji, uz uzorak od skoro 5.000 ispitanika — dovoljno velik da se priča ne može otpisati kao „izuzetak u mom timu“.

Moj stav je prilično direktan: ako se vrednost koju isporučujemo ne meri bolje i ne poveže sa biznis ishodima, tržište će i dalje držati plate u mestu. Problem nije samo „manjak projekata“ ili „kriza“, već i to što mnoge kompanije (uključujući proizvodne i industrijske) još uvek upravljaju ljudima, kapacitetima i performansama kroz Excel i improvizaciju. Tu veštačka inteligencija ima vrlo praktičnu ulogu — ne kao magija, nego kao alat za preciznije planiranje, fer kompenzaciju i veću produktivnost.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“, ali namerno kreće od IT plata. Jer IT je ogledalo: kad tu zarade miruju, to je signal da čitava ekonomija (posebno industrija) mora brže da pređe sa „radimo puno“ na „radimo pametno i merljivo“.

Šta nam stagnacija plata u IT-ju stvarno govori

Poruka nije da IT propada, već da se tržište ohladilo i postalo selektivnije. Kad su zarade tri godine stabilne, to znači da su kompanije našle balans između ponude i potražnje, a pregovaračka moć kandidata se smanjila.

U praksi, stagnacija najčešće dolazi iz tri izvora:

1. Nejasan obračun vrednosti rada: plate se često određuju po „senioritetu“ i pregovaračkim veštinama, a manje po stvarnom doprinosu ishodima (prihod, kvalitet, brzina isporuke, stabilnost sistema).
2. Nevidljiv gubitak produktivnosti: previše vremena odlazi na ručne procese (reporting, statusi, prebacivanje tiketa, traženje informacija), a malo kompanija meri koliki je to trošak.
3. Pritisak na marže: u outsourcingu i projektno orijentisanim firmama, klijenti traže niže cene, a „buffer“ za rast plata nestaje.

FishingBooker je kroz anketu želeo veću transparentnost plata i fer kompenzaciju — to je ispravan smer. Ali transparentnost sama po sebi ne podiže zarade. Zarade rastu kad rastu marže i kad se doprinos može dokazati.

AI u HR-u: najbrži način da se zaustavi „Excel menadžment“

AI u upravljanju ljudskim resursima je praktično uvođenje reda u odluke o zapošljavanju, učinku i nagrađivanju. U 2026. godini, to je postalo važnije jer kompanije imaju manje tolerancije na pogrešna zapošljavanja i „nevidljive“ timove.

AI analiza performansi (bez špijuniranja)

Dobra AI praksa nije praćenje ekrana i brojanje klikova. Dobra praksa je analiza rada kroz signale koji već postoje:

• throughput i ciklus isporuke (npr. vreme od zadatka do produkcije)
• stabilnost i kvalitet (incidenti, bug rate, rollbackovi)
• doprinos znanju (dokumentacija, review, mentoring)
• predvidljivost (koliko često „kasnimo“ u odnosu na plan)

Poenta: AI može da objedini ove signale i napravi „performance narrative“ — priču zasnovanu na podacima, ne na utisku najglasnijih.

Snippet za citiranje: „Fer plate nisu rezultat intuicije, nego merljivog doprinosa koji je uporediv između timova.“

AI za kompenzacije: market fit + internal equity

Kompanije najčešće greše na dva načina: ili prate tržište pa naprave nepravdu unutar firme, ili čuvaju internu pravdu pa izgube ljude zbog tržišta.

AI modeli za kompenzacije pomažu da se istovremeno gledaju:

• tržišni rasponi (benchmarking po rolama)
• interna pravednost (isti nivo odgovornosti = sličan opseg)
• budžetska ograničenja i plan rasta
• rizik odlaska (attrition risk) po kritičnim rolama

Nije stvar u tome da „AI odlučuje platu“. Stvar je da AI predloži scenario: šta se dešava sa troškovima i zadržavanjem ljudi ako povećate plate ciljano, a ne svima linearno.

Zašto je ovo bitno za proizvodne i industrijske kompanije u Srbiji

Industrija u Srbiji ulazi u fazu gde će IT i data timovi biti direktno vezani za proizvodne KPI-jeve. To menja priču o platama: IT prestaje da bude „trošak podrške“ i postaje generator efikasnosti.

Evo gde se spaja naš serijal (AI u proizvodnji) sa temom plata:

AI optimizacija procesa = merljiv ROI = prostor za rast zarada

Kada proizvodna firma uvede AI u:

• prediktivno održavanje (manje zastoja)
• kontrolu kvaliteta (manje škarta)
• optimizaciju potrošnje energije
• planiranje proizvodnje i lanca snabdevanja

…dobija broj koji je CFO-u razumljiv. Taj broj postaje argument za:

• jače timove (data/AI/softver)
• jasne karijerne putanje
• kompenzacije koje prate vrednost, ne samo titulu

Drugim rečima: plate rastu tamo gde se AI inicijative vežu za konkretne uštede i prihod. U industriji je to često lakše izmeriti nego u čistom softveru.

AI u HR-u kao deo „operativne izvrsnosti“

Proizvodne kompanije već godinama imaju kulturu standarda: OEE, Six Sigma, ISO, SLA. HR i IT često ostanu van tog sistema. Greška.

Kad HR dobije AI podršku za:

• planiranje smena i kapaciteta
• procenu kompetencija za nove linije/proizvode
• brže uvođenje (onboarding) u standardne procedure

…dobijate isti efekat kao u proizvodnji: manje varijacije, više predvidljivosti, manje troškova grešaka.

Konkretan plan: kako da AI pomeri plate sa mrtve tačke

Najbrže se pomera ono što se meri. Ako vodite IT tim (u IT firmi ili u industrijskoj kompaniji), uradite sledeće u narednih 60–90 dana.

1) Postavite 5 metrika koje nisu „vanity“

Birajte metrike koje povezuju rad i rezultat. Primer seta:

• vreme ciklusa isporuke (median lead time)
• incidenti po servisu / proizvodnoj liniji
• procenat automatizovanih testova ili kontrola kvaliteta
• tačnost planiranja (plan vs. delivered)
• vreme do rešenja (MTTR) za kritične probleme

AI ovde pomaže da se podaci automatski sakupljaju i tumače, umesto da ljudi ručno prave izveštaje.

2) Napravite „skills map“ i vežite je za projekte

Stagnacija plata često dolazi iz toga što ljudi ne vide put: šta tačno treba da savladaju da bi napredovali.

AI može da pomogne da iz postojećih podataka (CV, interni projekti, evaluacije, učenje) napravite mapu:

• koje veštine imate
• koje veštine vam fale za narednih 12 meseci
• koga da preusmerite (reskilling) umesto da zapošljavate

3) Uvedite scenario budžetiranja plata (ne „svima 5%“)

Linearna povećanja su najskuplja i najmanje fer. Bolje je praviti scenarije:

• ciljano povećanje za kritične role
• povećanje vezano za ishod (npr. smanjen škart, manje zastoja)
• budžet za retention tamo gde je rizik najveći

AI modeli su korisni jer mogu brzo da izračunaju posledice po budžet i zadržavanje, uz jasne pretpostavke.

4) Povežite IT/AI tim sa industrijskim KPI-jevima

Ako ste u proizvodnji, ovo je ključ. Ne merite IT samo po broju tiketa. Merite po:

• uštedi zbog manje zastoja
• uštedi zbog manjeg škarta
• brzini promene recepture/proizvodne serije
• potrošnji energije po jedinici proizvoda

Kad to uradite, razgovor o platama postaje razgovor o vrednosti.

Pitanja koja svi postavljaju (i konkretni odgovori)

Da li AI u HR-u znači otkaze?

U praksi, češće znači drugačiji posao, ne manje posla. Najviše nestaje ručni administrativni rad (izveštaji, ručna evaluacija, prepisivanje podataka), a raste potreba za ljudima koji umeju da postave kriterijume, objasne odluke i upravljaju promenom.

Kako da AI bude fer prema zaposlenima?

Tri pravila bez kojih ne bih ulazio u AI evaluaciju:

• transparentni kriterijumi (šta se meri i zašto)
• pravo na objašnjenje (zašto je preporuka takva)
• audit i kontrola pristrasnosti (posebno kod promocija i kompenzacija)

Šta je minimalni „starter kit“ za AI u HR-u?

Ne treba vam veliki sistem prvog dana. Minimalno:

• centralizovani podaci o rolama, platnim opsezima i kompetencijama
• automatizovan uvid u delivery/quality metrike (iz postojećih alata)
• jednostavan model za scenario budžetiranja

Gde ovo vodi u 2026: od „plate su stale“ do „plate prate rezultat“

FishingBooker anketa je korisna jer vraća priču na činjenice: plate su stabilne tri godine, uz rekordno veliki broj učesnika. Ali prava vrednost tog signala je u tome što nas tera da promenimo pristup.

Ako želimo rast zarada u IT industriji u Srbiji, i stabilnije karijere u proizvodnim i industrijskim kompanijama, moramo preći na model gde:

• AI pomaže da se učinak vidi jasno i dosledno
• HR odluke postanu merljive kao proizvodni procesi
• IT i AI timovi budu direktno vezani za industrijske KPI-jeve

Sledeći put kad čujete „nema prostora za povećanja“, tražite jednu stvar: koji KPI treba da pomerimo da bi se otvorio prostor? Ako to pitanje nema odgovor, problem nije u ljudima — problem je u sistemu.