Stručna recenzija nacrta: Umjetna inteligencija, produktivnost i struktura zaposlenosti u poduzećima: mehanizmi i ograničenja dostupnih dokaza

1. Kontrolna lista iz debate

#	Provjera	Status	Mjesto u tekstu
1	Tvrdnja o brzini rada ograničena je na kvalitetu i točnost na zadacima izvan granice sposobnosti modela.	prošlo	poglavlje 8; zaključak
2	Nema tvrdnje da je trošak rada po jedinici outputa empirijski izmjeren u korpusu.	prošlo	uvod; poglavlje 10; zaključak
3	Nema tvrdnje da AI povećava ukupni trošak zbog implementacije, nadzora i obuke kao nalaza korpusa.	prošlo	poglavlje 10
4	Razlike u produktivnosti nisu predstavljene kao dokaz promjene ukupne dohodovne ili imovinske nejednakosti.	prošlo	poglavlja 7, 12 i 14; zaključak
5	Izloženost zanimanja odvojena je od stvarne automatizacije i gubitka zaposlenosti.	prošlo	poglavlja 4 i 5; zaključak
6	Nigdje nije navedeno da visoka izloženost sama dokazuje otkaze ili promjenu zaposlenosti.	prošlo	poglavlja 4, 5 i 11; zaključak
7	Eksperimentalni nalazi navedeni su uz svoje zadatke i populacije.	prošlo	poglavlja 3, 6, 7 i 8
8	Robotika i raniji IT predstavljeni su kao povijesna i teorijska analogija.	prošlo	poglavlja 11, 13 i 18; zaključak
9	Zaključak ne tvrdi da je transformacija rada konačno potvrđen dominantan obrazac.	prošlo	zaključak
10	Algoritamsko upravljanje nije prošireno u tvrdnju o smanjenju hijerarhijskih razina.	prošlo	poglavlja 16 i 17; zaključak
11	Hrvatski izvori nisu korišteni kao dokaz stvarnog hrvatskog učinka na zaposlenost, plaće ili troškove.	prošlo	poglavlje 20; zaključak
12	Tema troška rada zadržana je, ali kao konceptualni problem i istraživačka praznina.	prošlo	poglavlje 10
13	Organizacijski dio navodi nedostatak dokaza o smanjenju hijerarhijskih razina.	prošlo	poglavlje 17
14	Hrvatsko poglavlje navodi nedostatak podataka o stvarnom usvajanju, zaposlenosti, plaćama i produktivnosti.	prošlo	poglavlje 20
15	U uvodu je naveden uvjet razlikovanja tehničke mogućnosti, usvajanja i opaženog gubitka zaposlenosti.	prošlo	uvod
16	Operacionalizacija je uključena u uvod i zaključak, a ne samo u ograničenja.	prošlo	uvod; zaključak
17	Restrepo, OECD i ILO pregled iz 2026. koriste se kao eksplicitni pregledni okviri za sintezu.	nije prošlo	Restrepo se uglavnom koristi za pojedinačnu tvrdnju u poglavlju 2; OECD za pojedinačnu tvrdnju u poglavlju 15; Merola i suradnici za pojedinačne tvrdnje u poglavljima 5, 8 i 15. Nije jasno pozicioniran zajednički pregledni okvir.
18	Zaključne tvrdnje nisu šire od mjera i ograda izvora.	prošlo	zaključak

Stavka 17 predstavlja blokirajući nalaz.

---

2. Poštivanje zaključanih odluka

Odluka	Status	Mjesto
24 — ograničenje tvrdnje o brzini, kvaliteti i točnosti	provedeno	poglavlje 8; zaključak
41 — uklanjanje nepodržane tvrdnje o empirijski određenom trošku rada	provedeno	poglavlje 10 izričito navodi da cjelovit račun nije dostupan
42 — uklanjanje tvrdnje o smjeru ukupnog troška zbog implementacije, nadzora i obuke	provedeno	poglavlje 10
69 — razdvajanje razlika u produktivnosti od ukupne nejednakosti	provedeno	poglavlja 7 i 14
73 — razlikovanje potencijalne izloženosti od opaženih ishoda	provedeno	poglavlja 4 i 5; zaključak
75 — ograničenje tvrdnje o hijerarhiji na ono što izvor mjeri	provedeno	poglavlja 16 i 17; zaključak

Nisu utvrđene povrede zaključanih odluka.

---

3. Nalazi

N1 — Pregledni izvori nisu dovoljno pozicionirani kao pregledni okviri

Blokirajući nalaz — nizvodno rješiv

• Mjesto: „Restrepo tehnološku promjenu analizira kroz tri povezana kanala: supstituciju rada, produktivnost i raspodjelu proizvodnih zadataka (Restrepo, 2024).”
• Mjesto: „OECD navodi da učinci AI-ja ovise o vještinama, organizaciji i institucijama, a ne samo o tehničkim svojstvima alata (OECD, 2023).”
• Mjesto: „Merola i suradnici u pregledu empirijskih dokaza naglašavaju da se učinci generativne AI oblikuju tek kroz usvajanje i organizaciju rada (Merola i sur., 2026).”
• Problem: pregledni izvori služe uglavnom kao potpora pojedinačnim tvrdnjama. Njihova sintetska funkcija — Restrepo kao okvir automatizacije, OECD kao okvir kvalitete i organizacije rada te ILO pregled kao okvir za ograničenja aktualne empirije — nije jasno označena u strukturi rada.
• Ispravak: treba ojačati njihovo pozicioniranje u prijelazima i sintezi, bez uvođenja novih tvrdnji ili proširivanja opsega postojećih nalaza.

N2 — Ponavljanje istog ograničenja u poglavljima o zadatku, izloženosti i zaposlenosti

Preporuka

• Mjesta: poglavlja 4, 5, 9, 11 i zaključak.
• Problem: razlika između potencijalne izloženosti, stvarnog usvajanja i stvarnog gubitka zaposlenosti ponavlja se u više bliskih formulacija. Ponavljanje nije proturječno, ali slabi ekonomičnost strukture.
• Ispravak: prvi put razliku treba detaljno objasniti, a u kasnijim poglavljima je sažeto primjenjivati na konkretne nalaze.

N3 — Preklapanje poglavlja o komplementarnosti i generativnoj AI

Preporuka

• Mjesta: poglavlja 3, 6 i 7.
• Problem: pojam komplementarnosti, uloga iskustva i nalazi studija Noya i Zhang te Brynjolfssona, Li i Raymond ponavljaju se u tri uzastopna tematska bloka.
• Ispravak: poglavlje 3 treba zadržati teorijsku definiciju, poglavlje 6 zamjenu radnog napora, a poglavlje 7 isključivo raspodjelu učinaka među radnicima i promjenu stručnosti.

N4 — Termin „clerical” nije objašnjen pri prvom spominjanju

Preporuka

• Mjesto: „...među administrativnim odnosno clerical zanimanjima.”
• Problem: engleski stručni naziv pojavljuje se bez objašnjenja odnosa prema hrvatskom nazivu.
• Ispravak: nazivlje treba uvesti kao „administrativna (clerical) zanimanja” ili drugu jednu dosljedno odabranu kombinaciju, a zatim koristiti samo jednu formu.

N5 — Nedosljednost u nazivu za izlaz tehnologije

Preporuka

• Mjesta: kroz cijeli tekst, primjerice „vrijednost proizvedenog outputa”, „količina outputa”, „output po zaposleniku”.
• Problem: miješaju se forme „output” i opisni izrazi „proizvedeni output”, bez jasnog pravila.
• Ispravak: pri prvom spominjanju treba objasniti pojam, a zatim dosljedno koristiti ili „output” ili „proizvodnja/proizvedeni učinak”.

N6 — Zaključak ponavlja više ograda bez jasnog završnog sažimanja razina dokaza

Preporuka

• Mjesto: posljednja tri odlomka zaključka.
• Problem: ponavljaju se ograničenja o robotici, izloženosti, trošku rada, hijerarhiji i hrvatskom kontekstu. Završni argument postoji, ali je raspršen.
• Ispravak: završetak treba sažeti nalaze po trima razinama: zadatak i produktivnost, poduzeće i organizacija rada, agregatna zaposlenost i trošak rada.

N7 — Neusklađenost između naslova i stvarnog empirijskog dosega

Preporuka

• Mjesto: naslov „Utjecaj umjetne inteligencije na troškove rada i strukturu zaposlenosti u poduzećima”.
• Problem: tekst izričito navodi da ne omogućuje izravnu empirijsku procjenu punog troška rada u poduzećima. Naslov može stvoriti očekivanje da je taj učinak izravno izmjeren.
• Ispravak: naslov treba uskladiti s činjenicom da rad analizira mehanizme, produktivnost, strukturu zaposlenosti i istraživačke praznine, a ne potvrđeni učinak na ukupni trošak rada.

N8 — Necitirani zapis u popisu literature

Blokirajući nalaz — nizvodno rješiv

• Mjesto: „2. Acemoglu, D., Autor, D., Dorn, D., Hanson, G. H., & Price, B. (2014). „Return of the Solow Paradox? IT, Productivity, and Employment in US Manufacturing.” ...”
• Problem: zapis se ne pojavljuje kao citat u članku. Prema pravilima dvosmjerne usklađenosti, svaki zapis u popisu mora biti citiran barem jednom.
• Ispravak: zapis treba ukloniti ako nije potreban za tekst ili ga treba povezati s konkretnom tvrdnjom samo ako ta tvrdnja već pripada predviđenom i dopuštenom opsegu rada.

N9 — Bibliografski zapis nije u potpunosti ujednačen s predloškom stila

Preporuka

• Mjesta: bibliografija, osobito zapisi 3, 10, 12, 13, 15–18 i 20.
• Problem: zapisi miješaju časopisne, radne i institucijske obrasce; kod nekih zapisa nedosljedno su označeni izdavač, vrsta dokumenta ili status „Online-first”.
• Ispravak: sve zapise treba oblikovno ujednačiti prema predlošku APA7-NUM-HR, koristeći samo postojeća polja iz dostavljenih zapisa. Ne treba dodavati bibliografska polja koja nisu prisutna.

---

4. SPOR

Nema stavki.

U ovom prolazu nisu iznesene ocjene znanstvene valjanosti tvrdnji ni provjere brojki protiv izvora. Nalaz N8 odnosi se na dvosmjernu usklađenost članka i njegova popisa literature, a ne na sadržaj izvora.

---

5. Nedostajuća literatura

• Nedostaju longitudinalni podaci o stvarnom trošku rada po jedinici outputa u poduzećima koja uvode generativnu umjetnu inteligenciju.
• Nedostaju longitudinalni podaci o promjeni broja zaposlenih i strukture zaposlenosti unutar istih poduzeća prije i nakon uvođenja generativne umjetne inteligencije.
• Nedostaju organizacijske studije o promjeni broja hijerarhijskih razina, menadžerskih uloga i širine kontrole.
• Nedostaju sustavni podaci o stvarnom nastanku novih zanimanja nakon uvođenja generativne umjetne inteligencije.
• Nedostaju hrvatski podaci o stvarnom usvajanju umjetne inteligencije, produktivnosti, plaćama, zaposlenosti i trošku rada.
• Nedostaju dugoročne vremenske serije za procjenu agregatnog učinka generativne umjetne inteligencije.

---

6. Odluka

Nije spreman

Blokirajući nalazi:

1. N1 — pregledni izvori nisu dovoljno pozicionirani kao pregledni okviri — nizvodno rješiv.
2. N8 — necitirani zapis u popisu literature — nizvodno rješiv.

Ostali nalazi su preporuke za finalizaciju.