IT plate u Srbiji stagniraju: gde AI pravi razliku

Brojka koja bode oči: gotovo 5.000 ljudi je popunilo FishingBooker anketu o platama u IT industriji u Srbiji za 2025. godinu, a rezultat je prilično “nepopularan” — u poslednje tri godine nema značajnijih pomeranja plata. Ne radi se o jednoj firmi ili jednom gradu, već o širem signalu da se tržište ohladilo i da je rast kompenzacija ušao u fazu čekanja.

Ako vodite IT tim, HR, ili ste u menadžmentu, ova stagnacija nije samo tema za raspravu uz kafu. To je direktan pritisak na model poslovanja: klijenti traže niže cene, rokovi su kraći, kvalitet mora da ostane isti, a ljudi s pravom očekuju razvoj i fer kompenzaciju. Kad plate ne rastu, jedini održiv izlaz je rast produktivnosti.

U okviru naše serije „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“, vredi reći nešto otvoreno: AI ovde nije ukras ni trend. AI je najpraktičniji način da IT kompanije (a i industrijske firme sa internim IT-jem) urade više posla, sa manjim operativnim opterećenjem, i da pritom ne pregaze ljude birokratijom i „status“ sastancima.

Šta nam stagnacija plata zapravo govori

Stagnacija plata je, u praksi, poruka da je tržište prešlo iz faze „rast po difoltu“ u fazu „dokazuj vrednost“. FishingBooker je kroz anketu naglasio cilj transparentnosti i fer kompenzacije, ali ključna poruka za poslodavce je druga: nema prostora za linearno povećanje troškova ako se ne povećava izlaz (output).

Ovo najviše pogađa uslužne IT firme (outsourcing, agencijski modeli), gde je prihod često vezan za broj ljudi i naplative sate. Kad klijenti stežu budžete, model „još ljudi = još prihoda“ počinje da puca.

Zašto je ovo važno i za proizvodne firme

Iako je anketa o IT zaradama, efekat se preliva na industriju. Proizvodne kompanije u Srbiji sve češće imaju:

• interne IT timove (ERP, MES, integracije, izveštavanje)
• digitalne proizvode za B2B kupce (portali, konfiguratori, logistički dashboard-i)
• zahteve EU partnera za sledljivost, kvalitet i dokumentaciju

Ako IT tržište stagnira, borba za kvalitetne ljude postaje suptilnija: manje je „ratova ponudama“, više je zadržavanja kroz smislen rad, automatizaciju rutine i bolje procese.

AI kao odgovor: manje ručnog rada, više isporuke

Najbrži put do većeg output-a nije „još sastanaka“ niti „još jedan alat“. Najbrži put je da se rutinski, repetitivni i administrativni deo posla svede na minimum. Tu AI daje najbrži ROI.

Evo konkretno gde AI najčešće pravi razliku u IT organizacijama i u industrijskim kompanijama sa IT funkcijom:

1) Automatizacija izveštavanja i operativne kontrole

Ako vam tim troši sate na skupljanje podataka iz Jira/ERP/Excel/Slack i pravljenje status izveštaja, to je skriveni porez. AI može da:

• generiše nedeljne projektne izveštaje iz ticketing sistema
• sažme rizike i blokere iz komentara i logova
• predloži naredne korake i vlasnike zadataka
• standardizuje format izveštaja za menadžment i klijente

Snippet za citiranje: „U firmama gde plate stagniraju, najbrže povećanje produktivnosti dolazi iz automatizacije izveštavanja i administracije — to je rad koji niko ne želi, a svi ga rade.“

2) AI u QA i kontroli kvaliteta (IT i proizvodnja)

U softveru, QA često postane usko grlo. U proizvodnji, kontrola kvaliteta je skupa jer traži ljude, vreme i često ručnu proveru.

AI se ovde koristi na dva nivoa:

• IT QA: automatsko generisanje test slučajeva, predlaganje edge-case scenarija, analiza regresija, trijaža bugova.
• Industrijski QA: vizuelna inspekcija (kamera + model) za detekciju defekata, poređenje sa referentnim uzorkom, automatsko etiketiranje grešaka.

Poenta nije da AI „zameni QA“. Poenta je da QA tim prestane da radi ono što je algoritamski predvidivo i fokusira se na rizike, logiku i prioritizaciju.

3) Brža isporuka kroz AI asistirano programiranje (uz discipline)

AI asistenti za kodiranje mogu ubrzati:

• izradu boilerplate koda
• pisanje dokumentacije i komentara
• migracije i refaktorisanje (uz review)
• generisanje primera upotrebe API-ja

Ali evo stava koji ću braniti: AI ne oprašta loš proces. Ako nemate code review, testove i jasne standarde, dobićete brže isporučen haos.

Praktičan kompromis koji radi:

1. AI piše prvi nacrt (kod ili test)
2. developer radi verifikaciju i refaktor
3. obavezni review + automatizovani testovi
4. merenje efekta (lead time, bug rate, rework)

4) HR analitika i transparentnost kompenzacija

FishingBooker anketa želi veću transparentnost zarada. Unutar kompanije, AI može pomoći da kompenzacije budu fer i objašnjive, bez ručnog „gađanja“.

AI modeli (ili jednostavnije analitičke metode uz AI za obradu teksta) mogu:

• grupisati pozicije po realnim kompetencijama (ne po naslovu)
• detektovati interne nepravde (ista uloga, različita plata bez razloga)
• predložiti platne opsege po senioritetu i tehnologiji
• analizirati rizik odlaska (attrition risk) na osnovu signala (npr. učestalost prekovremenog rada, stagnacija u evaluacijama, promene u performansu)

Ovo nije „big brother“. Ovo je sistem koji pomaže da odluke budu konzistentne i da menadžeri imaju argumente, ne utiske.

Kako da iz stagnacije plata pređete u rast marže (bez otkaza)

Ako su plate stabilne, a troškovi poslovanja rastu (inflacija, energenti, licence), jedini zdrav potez je rast marže kroz efikasnost. AI tu pomaže, ali samo ako se uvede kao program, ne kao „eksperiment od dve nedelje“.

Mini-plan: 30 dana do prvih rezultata

Nedelja 1: Mapirajte gde curi vreme

• 10 intervjua (dev, QA, PM, support, HR)
• lista top 10 repetitivnih zadataka
• procena sati mesečno po zadatku

Nedelja 2: Izaberite 2 use-case-a sa brzom pobedom Najčešće pobede:

• automatski status izveštaji + sažimanje sastanaka
• AI trijaža tiketa (support/bug)

Nedelja 3: Pilot + metriке Merite pre/posle:

• vreme izrade izveštaja
• vreme do prvog odgovora na tiket
• broj ručnih koraka

Nedelja 4: Standardizacija i kontrola rizika

• pravila za podatke (šta sme u alat, šta ne)
• human-in-the-loop za kritične odluke
• kratka interna obuka (90 minuta)

Jedna rečenica koja olakšava odluku: Ako AI ne uštedi bar 5–10 sati nedeljno u prva 4 nedelje na malom pilotu, verovatno ste izabrali pogrešan proces.

Najčešća pitanja (i realni odgovori)

Da li AI znači da nam treba manje ljudi?

U praksi, u zdravim firmama AI znači manje administracije po čoveku, više vremena za isporuku, kvalitet i rad sa klijentima. Kompanije koje ovo rade pametno najčešće ne kreću od rezanja, nego od preusmeravanja kapaciteta na profitabilnije poslove.

Kako da uvedemo AI ako radimo za EU klijente i imamo osetljive podatke?

Krenite od procesa gde nema osetljivih podataka (npr. generisanje internih šablona, dokumentacije, anonimnih izveštaja), a zatim uvedite:

• klasifikaciju podataka (public/internal/confidential)
• privatne instance ili on-prem opcije gde ima smisla
• ugovorne klauzule i interne politike korišćenja

Koji je prvi signal da nam AI treba odmah?

Ako imate osećaj da tim stalno „radi“, a isporuka kasni — i svi se žale na sastanke, izveštaje i tikete — AI automatizacija procesa je najbrži način da vratite fokus.

Šta dalje: stagnacija plata kao šansa da se posao očisti

FishingBooker anketa je dobar reality check: rast plata u IT industriji Srbije nije garantovan. Ali to ne mora da bude loša vest. U mnogim firmama stagnacija je upravo trenutak kada se konačno rešavaju stvari koje su se godinama gurale pod tepih: ručno izveštavanje, dupliranje posla, loša dokumentacija, nejasni KPI-jevi.

U kontekstu naše serije o tome kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji, poruka je jednostavna: AI najviše vredi kad olakša operativu i izveštavanje, pa ljudi mogu da se bave poslom koji zaista donosi prihod.

Ako želite lead-friendly sledeći korak, krenite skromno: izaberite dva procesa, postavite metrike, napravite pilot za 30 dana. Onda proširite ono što radi.

A pitanje koje ostaje da visi u vazduhu: ako plate stoje, da li ćete čekati da tržište ponovo „krene“, ili ćete vi prvi podići produktivnost i preuzeti prednost?