Automation Summit u Splitu pokazao je zašto uspješna primjena umjetne inteligencije ne ovisi samo o tehnologiji, već i o procesima, ljudima, sigurnosti i poslovnoj strategiji
Ako ste posljednjih godina pratili konferencije o umjetnoj inteligenciji, vjerojatno ste vidjeli sličan scenarij: impresivan demo, obećanje o tisućama ušteđenih radnih sati i zaključak da nas čeka potpuno nova era poslovanja. No između uspješne demonstracije i pouzdanog rješenja koje svakodnevno radi u velikoj organizaciji često je mnogo više prepreka nego što se čini na prvi pogled.
Treće izdanje Automation Summita, održano 15. i 16. listopada u Splitu, ponudilo je nešto konkretniji pogled na tu stvarnost. Konferencija u organizaciji Money Motiona, uz podršku partnera iz financijskog i tehnološkog sektora, okupila je predstavnike više od 140 kompanija. Njihova iskustva pokazala su da najveći izazovi umjetne inteligencije danas često nisu povezani s mogućnostima tehnologije, nego s organizacijom koja je pokušava primijeniti.
Loši procesi, neuređena dokumentacija, nejasna odgovornost, sigurnosni rizici i pogrešno postavljeni ciljevi mogu poništiti velik dio koristi koju AI donosi. Iz iskustava sudionika izdvojilo se sedam lekcija koje bi svaka uprava trebala uzeti u obzir prije nego što pokrene sljedeći projekt automatizacije.
1. Najbolji AI projekt možda je onaj koji nikada ne pokrenete
Ivana Slović Gudurić iz Delta Holdinga opisala je izazov velikog sustava s približno 5.000 zaposlenika i stotinjak kompanija. Iako su zaposlenici intenzivno koristili AI alate, a organizacija razvijala niz pilot-projekata, nijedan od njih u početku nije zaživio u produkciji.
Problem nije bila tehnologija, nego nedostatak odgovornosti za procese. Promjena pristupa, uz jasne sigurnosne granice, edukaciju i veće ovlasti zaposlenika za izradu vlastitih rješenja, rezultirala je s više od 300 automatizacija koje tjedno štede stotine radnih sati.
To je važna poruka za organizacije koje izrađuju AI strategije i osnivaju posebne odbore, a pritom ne znaju odgovoriti na osnovno pitanje: tko je odgovoran za proces koji žele unaprijediti?
Uspješna automatizacija počinje definiranjem poslovnog problema. Tek nakon toga treba odlučiti može li ga umjetna inteligencija riješiti bolje, brže ili povoljnije od postojećih metoda. Konkurentska prednost neće nužno pripasti kompanijama s najviše AI projekata, nego onima koje znaju prepoznati i napustiti pogrešne projekte.
2. Odličan AI demo može biti najopasnija prezentacija pred upravom
Demo može funkcionirati savršeno, ali uvjeti u kojima je razvijen rijetko odgovaraju stvarnom poslovanju. U produkciji se pojavljuju neuredni podaci, nepredvidivo ponašanje korisnika, sigurnosna ograničenja i troškovi koje je teško precizno procijeniti tijekom testiranja.
Senko Rašić, poduzetnik i alumnus Y Combinatora, upozorio je da je funkcionalan demo nekada bio gotovo završetak razvoja, dok je danas tek početak. Siniša Behin iz Datuma također je istaknuo problem uspješnih pilot-projekata koji rade u kontroliranim uvjetima, s pripremljenim podacima i motiviranim korisnicima.
U stvarnom okruženju sustav mora raditi pouzdano, podnijeti velik broj zahtjeva i opravdati troškove. Nije dovoljno pokazati da može riješiti zadatak; potrebno je znati koliko košta svako rješenje, koliko često griješi i tko odgovara kada se pogreška dogodi.
Zvonimir Mavretić iz ASEE-a predstavio je pristup posebno važan za regulirane procese: AI može predlagati kod i poslovnu logiku, ali čovjek ih odobrava, a izvršavanje preuzima deterministički sustav. Takav pristup nadopunjuju opsežna automatizirana testiranja, kojih se u njihovu primjeru provodi više od 5.400 svake noći.
To možda nije najatraktivnija vizija potpuno autonomne kompanije, ali pokazuje kako se AI može uvoditi uz kontrolu i mjerljivu pouzdanost.
3. Najskuplji AI model nije nužno i najbolji
U industriji umjetne inteligencije lako je steći dojam da su veći modeli uvijek bolji izbor. Više parametara, veći kontekst i snažniji sustavi zvuče kao siguran put do boljih rezultata. Poslovna primjena, međutim, zahtijeva drukčiju računicu.
Darko Jovišić iz Robotiq.ai upozorio je da velik broj poslovnih zadataka ne zahtijeva najveće modele. Manji, specijalizirani modeli mogu biti brži, jeftiniji i dovoljno precizni za jasno definirane zadatke. Francesca Curzi iz HCL Softwarea istaknula je sličan pristup: umjesto jednog univerzalnog AI agenta, učinkovitije može biti razviti sustav specijaliziranih agenata s precizno određenim zadacima i ovlastima.
Primjer iz CERN-a, koji je predstavila Ema Puljak, pokazao je i koliko povećanje sposobnosti modela može utjecati na latenciju i troškove. Zato se razvijaju metode kompresije koje omogućuju da se mogućnosti velikih modela približe manjim uređajima i ograničenijoj infrastrukturi.
Za uprave to znači da pitanje ne bi trebalo biti koji je model najsnažniji, nego koji je najpovoljniji model koji pouzdano rješava konkretan poslovni problem. Optimizacija troškova AI-ja neće se svoditi samo na infrastrukturu, nego i na odabir odgovarajuće razine inteligencije za svaki zadatak.
4. Automatizacija lošeg procesa znači da ćete pogrešnu stvar raditi brže
AI može učiniti poslovne informacije dostupnijima, ali ne može automatski popraviti svu organizacijsku neurednost. Ako su dokumenti loše strukturirani, podaci raspršeni, a poslovne procedure zastarjele, dodavanje chatbota ili AI agenta samo će razotkriti postojeće probleme.
Joško Šugar iz OTP banke opisao je iskustvo uvođenja internog chatbota tijekom kojeg se pokazalo koliko naizgled sitni detalji, od imenovanja datoteka do načina umetanja slika, mogu otežati pronalaženje i obradu informacija.
Nikola Dlaka i Željko Jurin iz DNA Consultinga takvu su situaciju opisali kao „groblje dokumentiranih procesa” – goleme količine procedura i priručnika koje postoje, ali ih zaposlenici rijetko koriste. AI može pomoći da se takvo znanje pronađe i primijeni, ali samo ako je sadržaj kvalitetan, ažuran i smisleno organiziran.
Slična načela vrijede i izvan uredskog poslovanja. Anđelko Katalenić iz Centra izvrsnosti MARBLE upozorio je da se autonomna rješenja ne mogu uspješno uvoditi u okruženja koja nisu dovoljno digitalizirana.
Prije automatizacije potrebno je razumjeti i urediti proces. U suprotnom se samo ubrzava postojeća neučinkovitost.
5. AI agent autonomiju mora zaslužiti
Činjenica da AI agent može izvršiti zadatak ne znači da mu odmah treba dopustiti da ga samostalno obavlja. Jedna od važnijih ideja Summita bila je takozvana earned autonomy, odnosno postupno stjecanje autonomije na temelju dokazane pouzdanosti.
Francesca Curzi opisala je model u kojem AI najprije izvršava jednostavnije zadatke, zatim djeluje kao savjetnik, a tek nakon potvrđene pouzdanosti dobiva veće ovlasti. Čak i tada ostaje pod odgovarajućim nadzorom.
Koliko je takav pristup važan za sigurnost pokazao je primjer koji je iznio Vlatko Košturjak iz Marlink Cybera. Prema njegovu izlaganju, u jednoj hrvatskoj kompaniji AI agenti s preširokim pristupom sustavu izbrisali su podatke, a organizaciju je spasila sigurnosna kopija kojoj ti agenti nisu mogli pristupiti.
Poruka je jasna: uputa agentu da ne briše podatke nije dovoljna sigurnosna mjera. Potrebno je tehnički ograničiti njegova prava, nadzirati aktivnosti i osigurati mogućnost oporavka nakon incidenta.
Kristian Kamber iz Zscalera povezao je budućnost kibernetičke sigurnosti s upravljanjem identitetima i dozvolama AI agenata. Organizacije će, uz ljudske korisnike i aplikacije, sve češće morati upravljati i digitalnim sustavima koji samostalno donose odluke i izvršavaju zadatke.
6. Produktivniji zaposlenik ne znači automatski i produktivniju kompaniju
Jedna od najčešćih pogrešaka pri procjeni uspješnosti AI-ja jest mjerenje ušteđenog vremena pojedinog zaposlenika. Ako AI ubrza jedan dio procesa, to još ne znači da je ubrzan i cijeli poslovni sustav.
Jelena Jurišić iz Ericsson Nikole Tesle opisala je kako je primjena AI agenata ubrzala pisanje programskog koda, ali je usko grlo postao njegov pregled. Produktivnost u jednoj fazi porasla je, no ukupna učinkovitost nije nužno pratila isti trend. Zato je potrebno razinu ljudskog nadzora prilagoditi riziku konkretnog zadatka.
Sličan problem može se pojaviti u prodaji, pravnim poslovima ili korisničkoj podršci. Ako AI omogući izradu dvostruko više ponuda, ali druga služba mora pregledati dvostruko više ugovora, organizacija možda nije ostvarila očekivanu uštedu. Samo je premjestila red čekanja.
Viktor Olujić iz Monrija upozorio je i na drugu stranu promjene: AI korisnicima omogućuje stvaranje znatno opsežnijih prigovora i zahtjeva, pa raste i količina sadržaja koji kompanije moraju obraditi.
Zato metrika „koliko je sati AI uštedio zaposleniku” nije dovoljna. Potrebno je pratiti trajanje cijelog procesa, kvalitetu rezultata, troškove i zadovoljstvo korisnika. Pravi uspjeh nije u tome da pojedinac radi brže, nego da cijela organizacija postiže bolji rezultat.
7. Najvrjedniji zaposlenici bit će oni koji znaju postaviti prava pitanja
Ako umjetna inteligencija sve uspješnije piše kod, izrađuje prezentacije, analizira podatke i priprema nacrte poslovnih strategija, vrijednost samog izvršavanja zadataka mijenja se. Sve važnijima postaju sposobnost prepoznavanja problema, razumijevanje konteksta i procjena toga što uopće vrijedi napraviti.
Aurora Kapo iz NexOra AI govorila je o budućnosti u kojoj će menadžeri upravljati timovima sastavljenima od ljudi i AI agenata. U takvom okruženju ljudska prednost neće nužno biti brzina, nego kritičko prosuđivanje, razumijevanje ciljeva i sposobnost donošenja odluka.
Marin Trošelj iz Stemija otvorio je sličnu temu iz perspektive obrazovanja: ključno pitanje sve manje će biti kako nešto napraviti, a sve više zašto to radimo.
Promjena donosi i izazov za razvoj mladih zaposlenika. Početnički poslovi, poput pisanja jednostavnijeg koda, izrade izvještaja i pripreme prvih analiza, među zadacima su koje AI može preuzeti relativno brzo. No upravo su kroz takve zadatke juniori stjecali iskustvo potrebno za napredovanje.
Kako će nastajati iskusni stručnjaci ako se ukloni dio posla na kojem su dosad učili? Kompanije će morati svjesno razvijati nove modele mentorstva i obrazovanja.
Jelena Kušanić iz Nexija i Majda Berislavić iz Atlantic Grupe govorile su o uključivanju mladih zaposlenika u stvarne projekte te važnosti internih mentora i kontinuirane edukacije o AI alatima.
Ako strojevi preuzmu dio početničkih zadataka, kompanije moraju osmisliti kako će zaposlenici učiti procjenjivati njihove rezultate, prepoznavati pogreške i donositi odluke. Budućnost rada neće ovisiti samo o tome koliko dobro ljudi koriste AI, nego i o tome koliko dobro razumiju njegove rezultate i ograničenja.
Najvažnija konkurentska prednost možda neće biti sam AI
Yariv Adan, bivši Googleov stručnjak i investitor u Ellipsis Ventureu, upozorio je da bi kompanije koje u sljedećih nekoliko godina ne prihvate ozbiljnu primjenu AI-ja mogle izgubiti konkurentsku poziciju. Istodobno je naglasio važnost izgradnje sustava koji omogućuju promjenu modela i prilagodbu novim tehnologijama, umjesto vezivanja poslovanja uz samo jednog dobavljača.
To je možda i najvažnija poruka Automation Summita. Uprave ne bi trebale razmišljati samo o tome hoće li odabrati OpenAI, Anthropic, Google ili vlastiti model. Važnije je kakvu organizaciju grade oko tehnologije.
Znaju li tko je odgovoran za automatizirane procese? Mogu li pratiti odluke AI agenata i ograničiti njihove ovlasti? Razumiju li troškove i kvalitetu rezultata? Mogu li promijeniti model bez dugotrajne i skupe prilagodbe sustava?
Ivica Puljak ponudio je tijekom predavanja o CERN-u zanimljivu usporedbu. U Velikom hadronskom sudaraču nastaje približno 40 milijuna sudara u sekundi, a sustav u iznimno kratkom vremenu mora procijeniti koje događaje vrijedi sačuvati za daljnju analizu. Nemoguće je zabilježiti baš sve, pa ključnu ulogu ima sustav odabira.
Sličan izazov čeka i kompanije. Umjetna inteligencija omogućuje stvaranje sve većih količina sadržaja, koda, analiza i poslovnih ideja. No sposobnost generiranja više neće sama po sebi jamčiti prednost.
U svijetu u kojem će AI sve lakše stvarati nove mogućnosti, konkurentska prednost bit će sposobnost odlučivanja koje od njih doista vrijedi ostvariti. A za takvu odluku i dalje su potrebni jasna strategija, odgovornost i razumijevanje poslovanja.
