Umjetna inteligencija ušla je u poslovanje brže nego što su mnoge kompanije i javne institucije stigle razumjeti njezine stvarne posljedice. Više nije riječ samo o novom tehnološkom alatu, nego o promjeni koja zahvaća način donošenja odluka, organizaciju rada, razvoj softvera, korisničku podršku, upravljanje podacima i samu strukturu poslovnih procesa. U Hrvatskoj se AI sve češće koristi, ali se još uvijek prečesto zadržava na razini pojedinačnih alata, eksperimenata i inicijativa koje ne prerastaju u cjelovitu poslovnu transformaciju. Poseban izazov pritom nije samo tehnološki, nego upravljački i obrazovni: organizacije moraju znati što žele postići, kako će mjeriti učinak i tko preuzima odgovornost za rezultate koje AI sustavi proizvode.
Za ICTbusiness Media i ICTbusiness.info o tim temama govori Tomislav Dominković, glavni izvršni direktor Sveučilišta Algebra Bernays. U razgovoru otvara pitanje stvarne spremnosti hrvatskih kompanija i javnog sektora za strateško usvajanje umjetne inteligencije, ali i upozorava da zaostajanje za najnaprednijim europskim zemljama više nije samo statistička razlika, nego potencijalni razvojni problem. Posebno zanimljiv dio razgovora odnosi se na budućnost programera, jer Dominković smatra da umjetna inteligencija neće nužno smanjiti potrebu za softverskim inženjerima, nego će promijeniti njihovu ulogu i povećati važnost arhitekture sustava, sigurnosti, integracija i razumijevanja poslovnih procesa.
Govori i o AI agentima, novoj fazi automatizacije u kojoj sustavi više ne izvršavaju samo pojedinačne zadatke, nego sve češće sudjeluju u pripremi odluka i upravljanju poslovnim procesima. Upravo zato, ističe, granica između produktivnosti i neopreznog delegiranja odgovornosti mora biti jasno postavljena. Intervju pokazuje da se prava AI transformacija neće dogoditi uvođenjem još jednog alata, nego promjenom znanja, procesa, odgovornosti i načina na koji organizacije razumiju vlastiti posao.
Ako se umjetna inteligencija razvija brže nego što društvo razumije njezine posljedice, koliko su hrvatske kompanije i javne institucije uopće spremne donositi strateške odluke o AI-ju, a ne samo reagirati kada pritisak tržišta postane prevelik?
Hrvatske kompanije i javne institucije nisu potpuno nespremne za AI, ali još uvijek prečesto reagiraju tek kada tržišni pritisak postane prevelik. To potvrđuju i podaci Eurostata: u 2025. godini AI tehnologije koristilo je u prosjeku 19,95 posto poduzeća u EU, u odnosu na oko 13,5 posto godinu ranije, dok je u Hrvatskoj ta brojka za 2025. 15%, odnosno 11,8% godinu ranije. Naoko razlika nije velika, međutim u najnaprednijim zemljama EU ove brojke se kreću i preko 40%, a ono što najviše zabrinjava je da je jaz između hrvatskih poduzeća i onih u EU porastao. Dodatno, jaz je izraženiji kod malih i srednjih poduzeća koja u Hrvatskoj dominiraju. Velika hrvatska poduzeća nisu daleko od EU prosjeka, što znači da su financijski dovoljno jaka i lakše hvataju korak.
Ključni problem nije samo financijska barijera za pristup tehnologiji, nego nedostatak znanja, jasne strategije i poslovne kulture koja AI još uvijek promatra kao eksperiment, a ne kao temeljnu tehnologiju transformacije. Slično vrijedi i za javni sektor: Hrvatska napreduje u digitalnim javnim uslugama, ali za primjenu AI rješenja neophodni su stručnjaci koji poznaju tehnologiju, njene mogućnosti i ograničenja, a javna uprava tradicionalno ima drastično veće izazove u privlačenju i zadržavanju kvalitetnih kadrova, naročito u IT-ju. Dodatno u javnoj upravi je značajnije nego u privatnom sektoru važan jasan pravni okvir i definirane odgovornosti, odnosno institucionalna spremnost. Hrvatska još uvijek razvija svoj nacionalni AI okvir, odnosno Nacionalni plan za razvoj umjetne inteligencije do 2032., koji je najavljen za 2026. godinu. Zato se može reći da Hrvatska ima digitalne temelje, ali još nema dovoljno zrelu i koordiniranu AI politiku koja bi kompanijama i institucijama omogućila da idu u korak sa naprednim EU zemljama i omogućila da odluke donose pravovremeno, a ne reaktivno.
Tvrdite da umjetna inteligencija neće nužno smanjiti potrebu za programerima, nego bi je mogla povećati. Na čemu temeljite taj optimizam u trenutku kada AI alati sve više preuzimaju konkretne procesne korake u razvoju softvera?
Optimizam se ne temelji na tvrdnji da AI neće preuzeti dio zadataka programera, nego na suprotnom trendu koji na prvu nije vidljiv - AI će ubrzati i pojeftiniti razvoj digitalnih rješenja. Umjetna inteligencija već danas može značajno ubrzati razvoj i implementaciju raznih poslovnih sustava poput ERP-a, CRM-a, CPM-a, HRM-a i drugih specifičnih rješenja. Time digitalna transformacija postaje dostupnija većem broju kompanija, osobito onima koje si dosad nisu mogle priuštiti velike i kompleksne IT projekte.
Zato rast primjene AI-ja ne mora značiti manju potrebu za softverskim inženjerima, ali svakako nužnu promjenu njihovih kompetencija, odnosno seta vještina i znanja. Ako se povećava broj kompanija koje ulaze u digitalnu i AI transformaciju, raste i potreba za ljudima koji razumiju poslovne procese, podatke, dizajn i arhitekturu kompleksnih sustava, postupke integracije i implementacije, AI orkestraciju i sl. Programer budućnosti nije osoba koja piše svaku liniju koda, nego stručnjak koji upravlja razvojnim procesom, odnosno razumije i prikuplja zahtjeve poslovnih korisnika, dizajnira arhitekturu rješenja, upravlja AI generiranjem kôda i procjenjuje kvalitetu kôda, upravlja testiranjem rješenja, te konfiguriranjem prevodi potrebe korisnika ili organizacije u funkcionalno, sigurno i održivo tehnološko rješenje.
Upravo zato su se i prijediplomski studiji softverskog inženjerstva na Sveučilištu Algebra Bernays razvijali iz trogodišnjih u četverogodišnje programe, kako bi se otvorio prostor za interdisciplinarnost, napredne algoritme, strojno učenje, korištenje AI alata i razumijevanje poslovnih procesa, uz zadržavanje temelja – pisanje kvalitetnog i sigurnog programskog koda.
Ako je sadašnja razina korištenja umjetne inteligencije tek oko trećine njezinih mogućnosti, što hrvatske kompanije najviše sprječava da prijeđu iz faze površnog korištenja alata u fazu stvarne poslovne transformacije?
Najveća prepreka nije u tome što kompanije nemaju pristup AI alatima zbog njihove cijene, nego u nedostatku adekvatnog znanja pa tehnologiju koriste površno, bez jasne poveznice s poslovnom strategijom. AI se u mnogim organizacijama još uvijek svodi na brže pisanje tekstova, automatizaciju jednostavnih zadataka ili eksperimentiranje s pojedinim AI alatima, dok prava transformacija počinje tek kada se preispitaju procesi, način prikupljanja i upravljanja podacima, korisničko iskustvo; i tehnologija se koristi za razvoj sasvim novih proizvoda i usluga.
Prepreke su razne, međutim uglavnom se svode na nedostatak internih kompetencija i znanja, zbog čega, između ostalog, prevladava i strah od pogrešnih rezultata koje generira umjetna inteligencija, sigurnosnih rizika curenja podataka. Uprave također često ne prepoznaju unapređenja koja AI može donijeti u poslovanju i ne znaju kako jasno mjeriti učinak AI rješenja na poslovne rezultate. Zbog toga AI još nije dovoljno prepoznat kao tehnologija za poslovnu transformaciju, nego se tretira kao dodatak postojećem poslovanju i za ubrzanje pojedinih procesa. Tu se ponovno vidi važnost znanja: kako AI neće nužno smanjiti potrebu za programerima, nego promijeniti njihovu ulogu, tako neće ni sam od sebe transformirati kompanije ako ljudi ne znaju što s njim žele postići.
Kompanija koja dubinski uvodi AI, ponovno modelira svoje procese i na AI gleda kao osnovni alat kojim podiže brzinu i produktivnost, a nadopunjava ga ljudskim radom da bi osigurala kvalitetu, prilagođenost korisniku i eliminirala pristranosti. To znači da se u procesu uvođenja umjetne inteligencije postavljaju konkretni poslovni ciljevi, postavljaju odgovorne osobe, uspostavlja kvalitetno prikupljanje podataka, definiraju sigurnosna pravila i mjerljivi pokazatelji uspjeha. Primjerice ušteda vremena i materijala, veća produktivnost, preciznija i pravodobnija korisnička podrška, brži razvoj proizvoda ili kvalitetnije donošenje odluka.
Prvi znak da je AI projekt ozbiljan jest uključenost uprave, koja je uključena u definiranje strategije i plana uvođenja umjetne inteligencije te imenuje ključne osobe koje rade na prepoznavanju i prioritizaciji slučajeva primjene. Ako projekt ostane na razini entuzijazma pojedinaca ili kratkotrajnog upravljanja bez mjerenja učinka, teško može dovesti do stvarne transformacije.
Sve se više govori o AI agentima koji mogu samostalno izvršavati zadatke i donositi odluke unutar poslovnih procesa. Gdje je granica između automatizacije koja povećava produktivnost i delegiranja odgovornosti sustavima koje kompanije možda još ne razumiju dovoljno?
Delegiranje poslova, ali i odgovornosti, oduvijek je sastavni dio upravljanja organizacijama. Direktori dio svojih ovlasti i odgovornosti prenose na niže razine menadžmenta, a oni dalje na članove svojih timova. Razumjeti što delegirati, kome delegirati i kako nadzirati izvršenje te rezultate jedna je od temeljnih rukovodećih vještina.
Umjetna inteligencija, odnosno AI agenti, pojavljuju se kao novi sudionici u tom procesu. Već danas rukovoditelji moraju dobro razumjeti mogućnosti i ograničenja umjetne inteligencije kako bi mogli procijeniti koje zadatke, odluke i razinu autonomije joj mogu povjeriti.
Pritom delegiranje ne znači nužno potpunu autonomiju AI sustava. U mnogim poslovnim procesima AI agent može pripremiti analizu, preporuku ili prijedlog akcije, dok čovjek zadržava kontrolu i donosi konačnu odluku. Jednako tako, AI agentima moguće je unaprijed definirati pravila i ograničenja unutar kojih smiju djelovati.
Problem može nastati tek ako organizacije počnu delegirati odgovornost umjetnoj inteligenciji prije nego što su naučile kako njome učinkovito upravljati. Vjerujemo da će vještina dizajniranja poslovnih procesa oko optimalne suradnje ljudi i umjetne inteligencije biti jedna od ključnih kompetencija koja će imati presudan utjecaj na produktivnost, inovativnost i konkurentnost organizacija.
U Hrvatskoj se AI agenti najprije mogu realno koristiti za automatizaciju gdje su rizici niži i ograničenja jasna, kao što su korisnička podrška, analiza dokumenata, interna administracija, prodaja, marketing, izvještavanje, priprema ponuda, IT podrška. Ipak, i u tim procesima ključna je stalna uključenost ljudi u provjeravanje rezultata te kontinuiranoj prilagodbi AI agenata novim slučajevima korištenja, poslovnim procesima itd. Rizičnija područja su zapošljavanje, financijske odluke, zdravstvo, pravni procesi, sigurnost, javne usluge i odluke koje izravno utječu na prava građana ili zaposlenika. Tamo AI može pomagati ljudima, primjerice kroz analizu i sintezu informacija, simulacije više različitih ishoda i općenito podršku ljudskom odlučivanju, no ne bi trebao donositi konačne odluke.
Europski AI Act naglašava pristup temeljen na riziku te važnost ljudskog nadzora te preuzimanje odgovornosti kod visokorizičnih primjena AI sustava. Kompanije iz tog razloga moraju jasno postaviti tko je vlasnik AI sustava, koje odluke agent smije donositi, gdje mora stati i tražiti ljudsku potvrdu te kako se svaka odluka može naknadno provjeriti. To uključuje kontrolu pristupa, sigurnosne protokole, revizijske tragove, dokumentirane podatke na kojima sustav radi i osobu koja je odgovorna za rezultat.
Metodologija AI at Scale predstavljena je kao okvir za strateško usvajanje umjetne inteligencije i postizanje konkretnih poslovnih rezultata. Kako ćete dokazati da ta metodologija kompanijama donosi mjerljivu vrijednost, a ne samo strukturiraniji pristup uvođenju tehnologije?
Vrijednost metodologije AI at Scale ne može se dokazivati brojem uvedenih alata, nego poslovnim rezultatima koje AI alati i implementirana rješenja stvaraju. Ako AI projekt ne donosi mjerljivu uštedu, brži proces, bolju korisničku uslugu, kvalitetniju odluku ili novi izvor prihoda, onda govorimo samo o tehnološkoj implementaciji, a ne o stvarnoj transformaciji.
Ključni pokazatelji uspjeha ovise o cilju kompanije i uključuju rast produktivnosti zaposlenika, smanjenje operativnih troškova, kraće vrijeme razvoja proizvoda, bržu obradu korisničkih zahtjeva, veće zadovoljstvo korisnika. Kod nekih kompanija učinak će se najprije vidjeti u efikasnosti, a kod drugih u novim uslugama, prodajnim prilikama ili boljem korisničkom iskustvu.
Prvi relevantni rezultati mogu se vidjeti relativno brzo, već nakon nekoliko mjeseci, ali ozbiljna AI transformacija nije jednokratan projekt. Ona traži promjenu procesa, edukaciju ljudi, kvalitetne podatke i jasnu odgovornost. AI at Scale metodologija fokusirana je primarno na podizanje internih kapaciteta i kompetencija, izgradnju sustavnog pristupa unapređenja procesa dostupnom transformativnom AI tehnologijom.
Nadamo se da ćemo uskoro moći reći više o prvim kompanijama u koje smo implementirali ovu metodologiju i da će njihovi rezultati govoriti sami za sebe.
Ako je AI danas iskorišten tek na oko 33 posto svojih mogućnosti, nije li javna rasprava o “nestanku programera” preuranjena i dijelom prenapuhana?
Javna rasprava o „nestanku programera“ je prije svega nedovoljno promišljena, jer se temelji isključivo na činjenici da se radi o tehnologiji koja zaista ima velike mogućnosti, ali ne uključuje niz drugih činjenica i trendova koji također utječu na trenutne ili dugoročne potrebe za programerima. Kao prvo brojna otpuštanja programera zaposlenih kod velikih tehnoloških lidera u SAD nisu isključivo rezultat vrhunske tehnologije koja je sada od jednom preuzela poslove koje su radili programeri. To je samo dobar argument da se kompanije riješe balasta velikog broja ljudi koje su zaposlili u vrijeme korone, kada se zapošljavao svatko tko je tvrdio da zna pisati kôd, jer se očekivalo da ćemo ostatak života provesti u domovima i jedini način preživljavanja i održavanja poslovnih aktivnosti je bio u digitalizaciji i razvoju softvera različitih namjena. Uz to novac je bio jeftin i kompanije su se borile za resurse, programere, koji znaju izrađivati softverska rješenja i zato da uhvate što bolje tržišne pozicije.
Situacija je sada poprilično drugačija, ulaganja u izgradnju AI infrastrukture su financijski zahtjevna, te u situaciji visoke cijene novca, kompanije smanjuju operativne troškove kako bi povećale potencijal za kapitalna ulaganja, koja sada vide kao način zauzimanja tržišnih pozicija sa moćnim AI rješenjima i velikim kapacitetima. Do prije par godina, procjenjivalo se da je razvoj krojenih softverskih rješenja kompleksan i spor, i da je broj IT stručnjaka, poglavito programera, najveće ograničenje bržoj digitalizaciji.
Danas, punim iskorištavanjem AI tehnologije u razvoju softverskih rješenja, ubrzava se proces i smanjuje se i cijena izrade raznih softvera, od jednostavnijih do složenijih. To stvara tzv. Jevonsov paradoks, koji govori o povećanju potražnje prema nekom resursu zbog povećanja efikasnosti, u ovom slučaju produktivnosti programera koji koriste AI, jer se time cijena rada i izrade produkata drastično smanjuje i čini te produkte isplative za nove sektore, koji do sada nisu bili u mogućnosti značajno ulagati u digitalizaciju. Cijeli ovaj proces automatizacije i izgradnju agenata koji preuzimaju razne aktivnosti treba netko odraditi, jer stvari se ne događaju same po sebi.
Sama činjenica da se AI tehnologija koristi trenutno na svega 33% nam govori da je trenutno brzina razvoja tehnologije značajno nadmašila brzinu kojom smo mi kao ljudi u mogućnosti mijenjati svoje navike i pristupe u provedbi radnih zadataka. Korištenje umjetne inteligencije je na prvi dojam jednostavno jer se koristi ljudski jezik koji svi razumijemo, međutim za kompleksnije primjene ponovno su važni misaoni procesi na višoj kognitivnoj razini, za postavljanje kompleksnih upita koji su dovoljno jasni i strukturirani da dobijemo kvalitetno rješenje, ali i za evaluaciju rezultata koje smo dobili. Jer ako damo nedovoljno jasne upute, AI će nam jednako tako dati nesuvisle i nedovoljno kvalitetne rezultate.
Tko ne razumije suštinu rada ovih AI modela i potencijalne rizike, ostaje razočaran ili čak uplašen koristiti tehnologiju jer mu izgleda nepouzdana. Iz ovog razloga veliki broj programera se još uvijek ne usudi koristiti AI u velikoj mjeri i za kompleksne zadatke, što je objavljeno i u izvještaju Stack Overflow Developer Survey 2025 koji pokazuje da veći postotak programera ne vjeruje točnosti AI outputa nego što mu vjeruje. Ovo dodatno potvrđuje da su ljudska provjera, razumijevanje sustava i odgovornost i dalje ključni.
Zato je realnije govoriti o promjeni uloge programera, a ne o njihovu nestanku. AI će automatizirati dio razvojnog procesa, primarno pisanje koda, što AI može odraditi na razini sposobnosti najboljih programera, ali će povećati potrebu za ljudima koji razumiju arhitekturu sustava, integracije, podatke, sigurnost, poslovne procese i kvalitetu AI-generiranog koda. A da bi to mogli ljudi se i dalje moraju školovati da bi postali softverski inžinjeri.
