Kada svako dobije svog digitalnog agenta, šta ostaje od tržišne utakmice

Tiha noćna borba algoritama

Zamislite situaciju u kasnim noćnim časovima kada su ljudi već odavno napustili kancelarije, dok računari nastavljaju da rade. Dve dobro finansirane kompanije nadmeću se za isti resurs na tržištu, prateći pravila koja su vlasnici postavili tokom radnog dana. Njihovi autonomni programi neprekidno procenjuju ponude, reaguju na poteze suparnika i prilagođavaju cene unutar definisanih budžeta. Niko ne krši ovlašćenja, niti izlazi iz okvira zadatih instrukcija, ali se ukupna cena nezaustavljeno penje.

U jednom trenutku manji učesnik na tržištu proverava novu vrednost i donosi odluku da se povuče. Taj preduzetnik nije nužno zakasnio na poslednji krug, već je jednostavno shvatio da više nema finansijskih sredstava da prati tempo. Takva hipotetička situacija otvara šire pitanje o tome šta se dešava sa tržištem kada svi akteri dobiju neumorne digitalne pomoćnike. Ukoliko resursi za koje se takmiče ostanu isti, postavlja se dilema zašto su svi odjednom zauzetiji, a prilika niotkuda nema više.

Osnovni smisao nadmetanja jeste pronalaženje pravih cena, razdvajanje kvalitetnih ponuda od loših i očuvanje prostora za nove učesnike. Ipak, te funkcije mogu da oslabe dok se broj poruka i prijava na oglasima dramatično uvećava. Tržišna utakmica se lako pretvara u tehnološku trkačku stazu naoružanja gde se kupuje samo sposobnost da se održi korak. Kada svako nabavi iste napredne alate, relativne prednosti se poništavaju, a troškovi održavanja pozicije rastu za sve podjednako.

Konvergencija cena bez dogovora

Mašine koje se takmiče sa mašinama nisu nova pojava u modernoj ekonomiji. Elektronske trgovinske kuće godinama troše resurse na postizanje mikrosekundnih prednosti u reakciji na informacije. Takve trke često traju kraće nego što ljudsko oko može da opazi, ali njihove posledice utiču na ukupne troškove trgovine. Ipak, sistemi zasnovani na mašinskom učenju uvode sasvim novu dimenziju u kojoj konkurenti mogu uskladiti ponašanje bez ikakvog eksplicitnog dogovora ili komunikacije.

Postoji nekoliko načina na koje se ovakva koordinacija odvija u praksi. Prvi je predviđanje reakcije suparnika na osnovu prethodnih obrazaca ponašanja. Američka Federalna komisija za trgovinu je u svom antimonopolskom postupku protiv kompanije Amazon navela da je algoritam pod nazivom Project Nessie identifikovao proizvode kod kojih su konkurenti spremno pratili poskupljenja. Prema navodima iz tužbe, ta praksa je donela više od milijardu dolara viška prihoda, mada su u pitanju optužbe koje tek treba da dobiju sudski epilog.

Drugi put proističe iz višestrukih ponovljenih interakcija kroz simulirane tržišne uslove. U naučnoj studiji koju su potpisali Emilio Kaluano i saradnici proučavani su algoritmi za određivanje cena u kontrolisanim okruženjima. Pokazalo se da sistemi kroz ponovljene cikluse uče da održavaju vrednosti iznad takmičarskog nivoa, kažnjavajući svako odstupanje od uspostavljenog šablona. Ovi eksperimenti dokazuju da koordinacija može nastati spontano, bez direktnog kontakta između vlasnika softvera.

Kada brzina i istorija pobeđuju kvalitet

U simuliranim tržišnim uslovima koje je istraživao tim iz Microsoft Research, agenti su tražili ponude i pregovarali u ime kupaca i preduzeća. Rezultati su pokazali izuzetnu pristrasnost prema prvoj primljenoj ponudi, gde je prednost u brzini donosila višestruko bolje rezultate od samog kvaliteta predloga. Iako se radi o simulaciji, ona jasno ukazuje na sistemski problem jer tehnologija često više nagrađuje hitnost nego suštinsku vrednost onoga što se nudi.

Slični trendovi zabeleženi su i u realnim uslovima digitalnih platformi. Studija koju su sproveli Jingyi Cui, Gabriel Dias i Justin Ye analizirala je alat za pisanje propratnih pisama uz pomoć veštačke inteligencije. Pristup ovoj tehnologiji jeste pomogao slabijim piscima da bolje usklade svoje biografije sa zahtevima poslodavaca i dobiju više poziva za razgovor. Međutim, korelacija između prilagođenog teksta i dobijanja konkretne ponude za posao značajno je opala, jer su poslodavci počeli veći akcent da stavljaju na ranije ocene i reputaciju.

Za novajlije na tržištu ova promena donosi ozbiljan izazov. Tehnologija im pomaže da savladaju početnu prepreku u izražavanju sopstvenih sposobnosti, ali se selekcija odmah pomera ka istoriji i referencama koje oni tek grade. Tržišta sve više nagrađuju onoga ko se prvi pojavi, već poseduje izgrađen dosije ili bolje poznaje način na koji funkcionišu filteri za selekciju. To ne znači nužno da će posao dobiti najsposobniji kandidati, već oni koji se najbolje uklapaju u automatizovane kriterijume.

Iluzija jednakog pristupa alatima

Nabavka sopstvenog digitalnog agenta ne znači automatski i ravnopravan položaj na tržištu. Dodatna ulaganja postojećih konkurenata vremenom postaju minimalni uslov za učešće, čime se stvara uspon barijera za ulazak. Prilika na tržištu ostaje ista, ali njeno dostizanje zahteva sve više kapitala i resursa. Razlike u performansama samih modela dodatno usložnjavaju ovu sliku i stvaraju skrivene nejednakosti među učesnicima.

U internom eksperimentu kompanije Anthropic pod nazivom Project Deal, zaposleni su dobili budžete i zadatke da pregovaraju kroz paralelna tržišta. Neki učesnici su koristili napredniji model Claude Opus, dok su drugi dobili slabiji model Haiku. Rezultati su pokazali da su agenti sa naprednijom tehnologijom uspešno završavali više transakcija i postizali višu cenu za istu robu. Pri tome, korisnici slabijih alata često nisu ni bili svesni koliki hendikep zapravo imaju u odnosu na konkurenciju.

Kada se ovakvi eksperimenti prenesu na masovni nivo, gde hiljade kandidata koriste napredne sisteme za slanje prijava, poslodavci se okreću još strožijim algoritmima za filtriranje. Automatizovani sistemi za selekciju podižu zahteve kako bi smanjili preveliki priliv biografija, čime efikasno rešavaju problem poslodavca, ali potpuno gase prilike za brojne kandidate. Granica za učesnike na marginama više nije pitanje lične umešnosti, već puke dostupnosti resursa.

Ko plaća ceh prividne efikasnosti

Istraživanje koje su septembra 2026. godine objavili Ema Wiles i John Horton bavilo se efektima upotrebe generativnog teksta u oglasima za posao. Poslodavci koji su koristili ove alate bili su spremniji da objave oglas i trošili su znatno manje vremena na njihovo sastavljanje. Ipak, istraživači nisu otkrili nikakvo povećanje broja uspešno sklopljenih poslova, dok su tekstovi postali uopšteniji i manje informativni za same kandidate.

Procena utrošenog vremena pokazala je da su troškovi koje su kandidati imali prilagođavajući se ovakvim oglasima bili višestruko veći od ušteđenog vremena poslodavaca. Posmatranje procesa isključivo kroz prizmu uštede na strani kompanija zanemaruje ukupan ceh koji ostatak tržišta mora da plati. Slične lekcije dolaze i sa finansijskih berzi, gde brze trgovačke trke donose profit pojedincima, ali povećavaju troškove likvidnosti za sve ostale učesnike u sistemu.

Svaki pojedinačni učesnik ima opravdan ekonomski razlog da investira u nove tehnologije i poveća svoju brzinu. Problem nastaje kada se zapostavi činjenica da troškovi takve interakcije padaju na teret drugih korisnika tržišta. Ulaganje dodatnih sredstava da bi se osigurala postojeća pozicija nije isto što i stvaranje nove vrednosti za celokupnu privredu. Ako se svaki izdaci pravdaju pukom efikasnošću, gubi se iz vida pitanje ko zapravo ima koristi od tog napretka.

Tri uslova za promenu perspektive

Da bi se ovakva analiza tržišnih kretanja promenila, potrebno je ispuniti najmanje tri važna uslova u budućem razvoju tehnologije. Prvi uslov je da digitalni agenti počnu da stvaraju nove prilike brže nego što podižu barijere za ulazak. Ukoliko nova zanimanja i tržišta nadmaše rastuće troškove takmičenja, celokupni sistem će postati održiviji za širi krug ljudi.

Drugi uslov se odnosi na demokratizaciju pravila igre i smanjenje troškova njihove promene. Kasniji učesnici na tržištu moraju dobiti ne samo brže alate, već i praktičnu mogućnost da osporavaju uslove pod kojima se takmiče. Treći uslov podrazumeva da pojedinci mogu da izgrade kredibilne dokaze o svojim veštinama brže nego što bolje resursirani konkurenti mogu da podignu nove pragove isključivanja.

Sve dok se ovi uslovi ne ispune u značajnoj meri, osnovna slika tržišta ostaće nepromenjena. Kada se u dva sata posle ponoći ekrani ugase, algoritmi nastavljaju da sprovode zadata uputstva, resursi postaju skuplji, a broj raspoloživih mesta na stolu ostaje isti. Prava pažnja mora se usmeriti na to da li resursi odlaze u pravcu bolje iskorišćenosti i da li pravila ostaju otvorena za nove izazivače.

Izvor: Career Paths · Fotografija: Pexels / Freepik (ilustracija)