Методологија

Тестот проценува колкав дел од задачите во твојата работа се изложени на автоматизација во следните три години. Комбинира анализа на ниво на задачи со брзината на прифаќање на технологијата во твојата индустрија.

Важно уште на почеток: резултатот е проценка на изложеност на задачите, не е предвидување дека ќе ја изгубиш работата. Тоа се две различни работи и разликата меѓу нив е поентата на целиот модел.

1. Модел на изложеност по задачи (E)

Работата не е ниту целосно автоматизирана ниту целосно безбедна. Речиси секоја позиција е мешавина од задачи, каде дел се изложени, а дел не се. Затоа моделот не гледа во називот на позицијата туку во составот на задачите.

Тестот ја оценува работата низ девет димензии. Секоја се бодува од 0 до 4 и се нормализира на скала од 0 до 1.

Обратно бодување

Шест од деветте димензии мерат човечка предност. Кај нив висок одговор ја намалува изложеноста, не ја зголемува. Ако работата бара многу проценка, знаење и работа со луѓе, тоа се бариери, не ризици.

Останатите три мерат структура што алатката лесно ја повторува: повторливост, предвидливост и можност работата да се научи од документација.

Тежини

Тежините се собираат точно на 1.00, што значи дека E секогаш паѓа меѓу 0 и 1 и може да се чита како процент од работата што е структурно изложена.

Повторливоста носи најголема тежина затоа што таа е најдиректниот показател: задача што се повторува по фиксно правило е задача што може да се опише, а задача што може да се опише може да се предаде. Физичката спретност носи најмала затоа што кај огромно мнозинство канцелариски позиции таа не разликува ништо.

Формула

E = Σ (нормализиран одговор × тежина)

нормализиран одговор = вредност / 4
обратно бодуваните: 1 − (вредност / 4)

Студенти

Ако избраната позиција е студентска, тестот вметнува дополнителен чекор за насоката на студирање. Насоката не влегува во бодувањето. Таа само предлага фактор на индустрија (дел 2), кој корисникот може да го смени, и ги насочува прашањата кон работата за која се школува наместо кон работа што сè уште ја нема.

Референци: Изложеност на ниво на задачи — Eloundou, T., Manning, S., Mishkin, P. и Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130. Покажува дека огромно мнозинство професии имаат значаен дел задачи изложени на јазични модели, без да прави предвидувања за време.

2. Фактор на индустриско прифаќање (A)

Иста позиција не се движи со иста брзина во различни сектори. Регулативата, конкурентскиот притисок и техничката подготвеност ја менуваат брзината на прифаќање, понекогаш за години.

Референци: Прифаќање по сектори — OECD (2025). OECD Employment Outlook 2025: AI and the Labour Market. OECD Publishing. Документира прифаќање кај претпријатијата од околу 13.9% вкупно, со голема разлика по сектор и по големина на фирма.

3. AI зрелост (M)

Ова е показателот со најголемо учество во моделот, и вреди да се објасни зошто.

Деветте димензии од дел 1 мерат какви задачи имаш. Факторот од дел 2 мери колку брзо се движи твојот сектор. Ниту едното ниту другото не го мери она што најмногу ја одредува разликата меѓу два човека на иста позиција во иста фирма: дали веќе работат со алатката или сè уште гледаат во неа од страна.

Прашањето има еден одговор, избран од девет тврдења. Тврдењата не се независни, туку скала подредена од почетно кон системско ниво, па редоследот во кој се прикажани е дел од прашањето. Секој се препознава во повеќе од едно, затоа прашањето бара да се избере тоа што најдобро опишува.

4. Пресметка на веројатноста

sigmoid(x) = 1 / (1 + e^(−x))

основа = sigmoid(−2.1 + 2.6 × E + 0.9 × (A − 1))

p = ограничи(основа + M, 0, 1)

опсег = [ограничи(p − 0.06), ограничи(p + 0.06)]

Ленти

Праговите се поставени според вистинскиот распон на моделот, не по механичка поделба на скалата од 0 до 100.

Зошто три години: Извештајот на Светскиот економски форум (2025) го препознава AI како технологија со најголемо трансформативно дејство до 2030, но со нерамномерно прифаќање по сектори. Прозорец од три години го фаќа она што е блиску и проверливо, наместо да се прави проекција на десет години што никој не може да ја оцени.

5. Пример со пресметка

Маркетинг менаџер во технолошка компанија, со следниве одговори:

A = 1.25 (Технологија)

основа = sigmoid(−2.1 + 2.6 × 0.440 + 0.9 × 0.25)
       = sigmoid(−0.731) = 32.5%

Истиот човек, со три различни одговори на прашањето за AI зрелост:

Ист човек, иста работа, иста индустрија, две ленти разлика.

Пресметката е прикажана целосно за да може секој да ја провери со свои одговори.

6. Што моделот прави добро

Гледа во составот на задачите наместо во називот на позицијата, што е разликата меѓу корисна и бескорисна проценка.

Ги бодува обратно човечките предности, па работата со луѓе и проценката се третираат како бариери, а не како уште еден ризик.

Ја зема предвид брзината на секторот, бидејќи истата позиција не се движи исто во градежништво и во технологија.

Ја објавува целата пресметка, вклучувајќи ги тежините и коефициентите, за да може да се провери.

7. Ограничувања

Ова е проценка на потенцијал за автоматизација на задачи, не сигурност за губење работа. Голем дел од изложените задачи завршуваат како преработени, не како укинати.

Прифаќањето кај поединечни работодавачи варира многу повеќе отколку меѓу индустрии. Твојата фирма може да биде пет години пред или зад својот сектор.

Се појавуваат нови модели на работа меѓу луѓе и алатки што ниту еден постоечки модел не ги предвидел.

Регулативата и општествениот отпор можат значително да го забават прифаќањето, особено во јавниот сектор и здравството.

Изворите на кои се темели моделот мерат состојба од периодот 2023 до 2025. Способностите на алатките се менуваат побрзо од циклусот во кој се објавуваат такви истражувања, што значи дека резултатот подобро ја опишува основата отколку денешниот ден.

Одговорите се самопроценка. Луѓето систематски ја потценуваат повторливоста на сопствената работа, што значи дека резултатот е поверојатно понизок отколку повисок од реалниот.

Нивото на AI зрелост е самопроценка на познавање, не тест на вештина. Некој може да се препознае во тврдење што сè уште не го живее во пракса.

Тригодишните проекции се по природа несигурни. Затоа резултатот е опсег.

8. Извори

Изложеност на ниво на задачи — Eloundou, T., Manning, S., Mishkin, P. и Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130. Покажува дека огромно мнозинство професии имаат значаен дел задачи изложени на јазични модели, без да прави предвидувања за време.

Прифаќање по сектори — OECD (2025). OECD Employment Outlook 2025: AI and the Labour Market. OECD Publishing. Документира прифаќање кај претпријатијата од околу 13.9% вкупно, со голема разлика по сектор и по големина на фирма.

Временска рамка — World Economic Forum (2025). Future of Jobs Report 2025. WEF, Женева. Анкета со над 1.000 работодавачи која го идентификува AI како технологија со најголемо трансформативно дејство до 2030, со нагласок на нерамномерно прифаќање.

9. Како да го читаш резултатот

Резултатот е информативна проценка, наменета како почетна точка, не како пресуда.

Корисен е за да видиш кои вештини вреди да ги зајакнеш, како се движи автоматизацијата во твојата индустрија, и каде да го вложиш времето што ќе ти се ослободи.

Двете листи под резултатот се поважни од самата бројка. Црвените димензии ти кажуваат што прво ќе го преземе алатката. Зелените ти кажуваат каде веќе имаш предност што вреди да ја продлабочиш.

Разликата меѓу човек што ја губи работата од автоматизација и човек што добива подобра со неа обично не е во професијата. Во тоа е дали навреме ги предал задачите што и онака не барале човек.