AI bez kvalitetnih podataka i jasnog poslovnog izazova ostaje samo pilot-projekt

Rasprava o umjetnoj inteligenciji u poslovnom sektoru sve se manje vodi oko samih alata, a sve više oko njihove stvarne primjene i učinka na poslovanje. U razgovoru za ICTbusiness Media - ICTbusiness.info Mladen Listeš, generalni direktor Be-terna Hrvatska, govori o tome zašto AI ne treba promatrati kao izolirani tehnološki dodatak, nego kao dio šireg redizajna procesa i odlučivanja. U fokusu su produktivnost, kvaliteta podataka, integracija s postojećim sustavima i razlika između pilot-projekata i rješenja koja donose mjerljive rezultate.

Prema njegovim riječima tržište poslovnih rješenja prolazi kroz novu fazu u kojoj više nije dovoljno samo digitalizirati postojeće procese, nego ih treba iznova promisliti. ERP, CRM, analitika, cloud i umjetna inteligencija sve se više spajaju u jedinstven okvir upravljanja poslovanjem, a korisnici od tih sustava očekuju jednostavnost, brzinu i mjerljiv učinak. Istodobno raste pritisak na kompanije da donose kvalitetnije odluke na temelju podataka, uz manje troškove i veću operativnu preciznost. Takve promjene snažno utječu i na domaće ICT tržište, posebno u dijelu enterprise projekata i digitalne transformacije.

Kako danas vidite ulogu umjetne inteligencije u stvarnom preoblikovanju načina rada kompanija?

Umjetna inteligencija danas ima dvije vrlo važne uloge: još uvijek ona primarna je preoblikovanje rade pojedinca unutar organizacije, a druge je naravno preoblikovanje rade kompanija.

Obzirom da su LLM-ovi i ušli u primjenu kroz mass segment, efikasnost i produktivnost svakog pojedinca su prvi zahvaćeni stvarnim preoblikovanjem. Gledajući tehnologije kojima se mi bavimo, već nekoliko godina različite funkcije generativnog AI-a, sastavni su dio Microsoft Office paketa kroz koji uvelike preoblikuju produktivnost pojedinca, ali i svih alata koje implementiramo na tržištu u ERP, CE, Data segmentu te na taj način preoblikuju i produktivnost rada naših konzultanata i programera.

S druge strane preoblikovanje načina rada kompanija je ipak nešto veći zalogaj za svaku organizaciju, zahtjeva određeni nivo organizacijske zrelosti, razumijevanje poslovnih izazova i tek onda implementaciju određene tehnologije. Upravo zato na prvo mjesto stavljamo definiranje poslovnih ciljeva pa tek onda prijedlog tehnološke realizacije projekta. Tako posložen projekt rezultira unaprjeđenjem poslovanja, a ne samo jednog izoliranog procesa.
Koliko su vam u projektima vidljivi mjerljivi učinci na produktivnost, smanjenje troškova i korisničko iskustvo?

Ukoliko je poslovni izazov koji se rješava ispravno definiran, mjerljivi učinci su uvijek vidljivi. Segment u kojem imamo najviše iskustva je tema predviđanja prodaje te optimizacije naručivanja robe i plana proizvodnje. Ovaj tip projekta, u svim industrijama koji upravljaju zalihama donosi vrlo egzaktan i mjerljiv povrat na investiciju, ne samo kroz rast produktivnosti već kroz smanjenje mrtve zalihe, pozitivan cash flow, smanjen broj stock-out situacija itd.

Kako razlikujete projekte koji donose stvarnu poslovnu vrijednost od onih koji ostaju na razini pilot-projekata?

Puno je razloga koji utječu da li će neki pilot projekt zaživjeti ili ne, ali rekao bi da su dva ključna. Jedan je imate li podatke na koje ćete nasloniti tehnologiju, a drugi je da li ste ispravno definirali stvaran poslovni izazov ili samo tražite zgodno mjesto za testiranje tehnologije. Tehnologija bez jasne poslovne vrijednosti teško može pronaći svoje mjesto u industriji.

Koliko je za uspjeh AI inicijativa presudna kvaliteta podataka i integracija s postojećim sustavima?

Kvaliteta podataka je presudna u svakom tehnološkom projektu koji se naslanja na podatke, bilo da se radi o ERP-u, o projektu izvještavanja, a posebice naravno o projektima umjetne inteligencije koji na temelju postojećih podataka rade neko predviđanje ili generiranje.

S druge strane rekao bi da je integracija s postojećim sustavima posebno važna u ranim fazama transformacije kompanije kada prolaze kroz svoj prvi ili drugi tehnološki projekt kako se proces koji rade ne bi previše mijenjao. Iskustvo nam je pokazalo da je puno viši nivo prihvaćanja AI-a ukoliko je ono kvalitetno uklopljeno u postojeći proces i ne mijenja u velikoj mjeri svakodnevne aktivnosti zaposlenika već ih samo obogaćuje primjerice kvalitetnijim informacija – u našem primjeru to znači da prijedlog za automatsko naručivanje robe preko noći integriramo direktno u ERP odakle osoba inače radi narudžbu robe. Na taj način ne mijenjamo proces uvelike već samo korisniku na raspolaganje dajemo kvalitetnije informacije te kroz edukaciju osiguramo korištenje rješenja.
Interes za AI i automatizaciju snažno raste, ali fokus se prebacuje na rezultate. Kako to vidite na tržištu?

Kao i kod ostalih transformacija do sada na tržištu postoje oni koji predvode transformaciju kao i oni koji kasne i čekaju dokazane rezultate. Isto tako i danas postoje kompanije koja imaju više iskustva, imaju možda i neuspješne projekte iza sebe iz kojih su nešto naučili i sada na ispravan način postavljaju preduvjete za nove transformacije. S druge strane postoje i kompanije koje su možda u dominantnom tržišnom položaju ili specifičnoj industriji koja još nije pod tolikim pritiskom i onda još uvijek razmišljaju kako i otkuda krenuti.
Koje poslovne potrebe klijenti danas najčešće žele rješavati pomoću AI rješenja?

Svaka industrija ima svoje specifičnosti, ali pokušat ću u nekoliko kategorija obuhvatiti većinu. Primjeri koje sam spominjao do sada idu u kategoriju povećanja efikasnosti i smanjenja troškova: optimizacija planiranja, prediktivno održavanje u proizvodnji i energetici ili npr. smanjenje otpada u segmentu svježe hrane posebice u maloprodaji. Drugi kategorija u kojoj klijenti traže primjenu AI-a je u personalizaciji i rastu prihoda: u sektorima poput bankarstva, telekoma ili retaila radi se na primjerima personaliziranih ponuda, preporuka proizvoda ili nekada optimizacije cijena. I treći koji bi spomenuo za sada iako na tržištu postoji puno širi segment primjena je automatizacija znanja i integracije: pojavom generativnog AI-a pojavio se veliki interes za interne AI asistente - pretragu dokumenata i procedura primjerice u servisnim organizacijama ili automatizaciju odgovora prema klijentima u industrijama s intenzivnim customer servisom.
Koliko se danas mijenja uloga tehnoloških partnera u odnosu na klasične IT dobavljače?

Uloga se sigurno mijenja, ali kao i bilo koja tranzicija, tako ni ova za IT dobavljače nije jednostavne. Da bi tržište vidjelo IT kompaniju kao tehnološkog partnera potrebno je nekoliko komponenti, a minimum je kompletno razumijevanje industrije. Ne samo procesno poznavanje npr. „order to cash“ procesa, već zaista poznavanje industrije, koji su ključni KPI-evi, što su glavni generatori marže u toj industriji, koja su regulatorna ili tehnološka ograničenja itd. Druga stavka koju bi istaknuo ukoliko kompanija posjeduje ovakvu širinu, je sudjelovanje u definiciji poslovnog slučaja koji se modernizira jer tek duboko ulaženje u problematiku i razumijevanje kako korisnik koristi tehnologiju na dnevnom nivou, može osigurati kvalitetnu implementaciju.

Opisano je posebno vidljivo kod uvođenja rješenja temeljenih na AI-u jer za uspjeh je potrebno razumijevanje kvalitete podataka i njihovih izvora (ERP, CE, proizvodne linije itd.) važnost podatkovne arhitekture, modeliranja, razumijevanja industrije, interpretacije rezultata, edukacije i rada s korisnicima itd.
Kako gradite povjerenje i dugoročna partnerstva u složenim projektima? Koje kompetencije danas najviše razlikuju kvalitetnog partnera od konkurencije?

Nekoliko stavki po meni čini temelje dugoročnih partnerstava koji onda u konačnici i čine razliku na tržištu. Uz domensko znanje koje smo spomenuli, važna je i mogućnost end-to-end razumijevanja tehnološkog procesa, ali ne na način da kao jedna organizacija možemo ponuditi sve, nego baš suprotno da imate mrežu partnera i da možete prepoznati da ne treba sve biti predmet custom razvoja ili dorade već da negdje postoje specijalizirane kompanije na tržištu koje su možda bolji fit za vašeg klijenta. Takav tip znanja pretočen u transparentu komunikaciju s klijentom po mom iskustvu čini jedan od temelja dugoročnog odnosa.

Drugi segment je industrijsko znanje na kojem kontinuirano radimo, ne samo kroz razvoj naših konzultanata putem iskustva na projektima, već i dovođenjem stručnjaka iz ključnih industrija koje su nam u fokusu. Upravo kombinacija i sinergija tih različitih perspektiva i iskustava čini ključnu diferencijaciju na tržištu.

I treći segment je da za nas dugoročni odnos ne završava nakon implementacije. Klijentu smo i podrška nakon go livea te osiguravamo da rješenje donese planiranu poslovnu vrijednost.

BE-terna ima dugu prisutnost na tržištu. Kako se kroz godine mijenjao vaš core business?

U razvoju poslovanja svakoj inovaciji koju pokušavate uvesti u poslovanje možete pristupiti kroz  – build, buy ili borrow, što znači da možete ekspertizu izgraditi internim resursima, kupiti kroz akviziciju neke firme ili posuditi kroz partnersku suradnju. BE-terna je rasla kombinacijom sva tri pristupa. Tamo gdje je bilo ključno da posjedujemo znanje tu smo ga gradili interno – kao što su industrijsko znanje, implementacijska izvrsnost itd, a tamo gdje je to bilo logično naslonili smo se na suradnju s globalnim tehnološkim partnerima te u tom segmentu „posudili“ najbolje prakse. Gledajući s odmakom, od ERP implementatora razvili smo se u strateškog partnera za digitalnu transformaciju, a upravo to partnerstvo danas čini srž našeg core businessa. Kompanije nas biraju ne samo zbog tehnološke ekspertize, već zbog sposobnosti da razumijemo njihove poslovne izazove i dugoročno ih pratimo kroz procese promjene i rasta.

Kako ste od ERP implementacija došli do složenih digitalnih i AI rješenja?

Ovo je segment koji smo malo po malo gradili interno. U nekom trenutku se na ERP poslovanje logično nametnuo razvoj izvještajnog sustava, ali ne u uskom obliku promatrajući ga kao ekstenziju ERP rješenja, već kao sveobuhvatno rješenje koje se danas temelji na razumijevanju važnosti kvalitete podataka, upravljanja podataka, izgradnje skladišta te poslovnih analiza. Ovaj korak se pokazao kao ključan preduvjet razvoja složenih digitalnih rješenja koji se temelje na umjetnoj inteligenciji, jer vrlo je nezahvalno nuditi nekakav vid savjetovanja u segmentu umjetne inteligencije bez razumijevanja toka jednog podatka od izvora do korištenja.

Presudno za razvoj tima je bilo senior team leada koji je razvio tim oko sebe te naravno implementacija prvog projekta na kojem smo prošli dosta dječjih bolesti, ali ujedno i shvatili potpuni potencija korištenja AI-a specifično u segmentu predviđanja prodaje i upravljanja zalihama.

Kako iskustvo iz različitih sektora utječe na razvoj novih usluga?

Dva su trenda koja vrlo brzo mijenjaju ulogu tehnoloških partnera. Tehnologija je posljednjih 10-ak godine uvelike postala commodity iz ugla krajnjeg korisnika. Osoba koje u privatnom životu koristi Wolt, Uber, Netflix kao krajnji proizvod ili koja prolazi kroz „prodajni proces“ Revoluta ili neke druge aplikacije digitalnog bankarstva, s takvim očekivanjima dolazi na posao i više-manje slično iskustvo očekuje i u svijetu poslovnog softvera.

Istovremeno to znači da se i gap između tehnološkog znanja klijenta i partnera smanjuje, kako je tehnologija sve dostupnija. Ova dva trenda uvelike su ubrzala proces u kojem BE-terna kao i ostali tehnološki partneri mora stjecati industrijsku ekspertizu. Ovim procesom upravljamo kroz dva segmenta, jedan je definiranje ponovljivih implementacijskih timova po industriji, u mjeri u kojoj je to moguće, a drugi je dovođenje konzultanta i programera koji posjeduju industrijsko znanje i radili su u računovodstvu, prodajnom ili proizvodnom kontrolingu, uvođenju poslovnih rješenja na strani klijenta itd.
Kako članstvo u međunarodnoj grupaciji Telefónica Tech utječe na vaše poslovanje u Hrvatskoj?
Naravno, biti dijelom globalne organizacije otvara poslovne prilike, primjerice u segmentima u kojima naša regija posjeduje centar ekspertize unutar BE-terna grupe. Ipak od akvizicije pa do danas, naš fokus je  bio i ostaje na punoj podršci poslovanju tvrtkama u Hrvatskoj.

Kako gledate na Fiskalizaciju 2.0 i druge regulatorne inicijative iz perspektive implementatora? Koji su najveći tehnički i organizacijski izazovi prilagodbe sustava?
Sve regulatorne inicijative po prirodi nose nešto veći pritisak i na klijente, ali i na nas kao implementatora. Izazovi u ovako opsežnim promjenama su uvijek očekivani i potrebno je nekoliko mjeseci da se sustav u potpunosti uhoda – to vidimo i kao feedback ostatka tržišta ne samo naših klijenata. Dok traje sam proces implementacije mislim da klijenti malo razmišljaju o tome kao prilici za modernizaciju, ali jednom kad se dojmovi slegnu postane jasno da su kompanije na novijim modernijim verzijama sustava prošle jednostavnije kroz ovaj proces.
Kako vidite razvoj AI i poslovnih platformi u srednjem roku? Koje tehnologije će imati najveći utjecaj na poslovanje? Hoće li AI postati standardni dio ERP sustava?
Kako se kompanije već danas trebaju pripremiti za nadolazeće promjene?

U kontekstu umjetne inteligencije i utjecaja na poslovna rješenja čeka nas iznimno uzbudljiv period. Trenutno su poslovne aplikacije složene u nekoliko odvojenih slojeva koje komuniciraju kroz različite integracije, ali je činjenica da velike kompanije posjeduju jako veliki broj nepovezanih sistema.

Vjerujem da „komadići“ umjetne inteligencije koju danas viđamo u svakom sistemu su samo najava prave transformacije koja nas čeka. U toj transformaciji temelji će i dalje ostati transakcijski sustavi (ERP, CRM ili različite industrijske aplikacije u proizvodnji), ali sada će zahtjevi na čistoću i kvalitetu podataka biti iznimno visoki i naravno ti sustavi će imati veliki broj funkcionalnosti baziranih na umjetnoj inteligenciji primarno u segmentu rasta produktivnosti za korisnike.

Drugi sloj predstavlja „Governed Data Backbone“ – nešto što smo do sada gledali kao skladište podataka ili izvještajni sustav, sada će postati centralizirano mjesto prikupljanja i čišćenja podataka s velikim naglaskom na čistoću i kvalitetu podataka prije nego li se oni konzumiraju negdje.

I posljednji ključni sloj predstavlja nešto što možemo zamisliti kao „AI thinking engine“, a to je sloj koji će moći samostalno (ili uz pomoć korisnika ovisno o primjeni) donositi odluke te revidirati svoje ponašanje temeljem naučenog. Korisničko sučelje za ovakve sisteme će moći biti različiti sustavi od izvještajnog alata, preko chata (Teams, Whatsapp) itd. Važno je napomenuti kako ovakvi koncepti nisu potpuna novost, već danas u regiji imati kompanije koje preko 80% svoj asortimana u maloprodaji naručuju automatizmom bez da ih čovjek pogleda. Ipak, danas pričamo o tome kao o izoliranim primjerima, dok vjerujem da će nam u narednom periodu tehnologija omogućiti da taj način poslovanja i donošenja odluka može postati standard u većini organizacija.

Kako vidite ulogu BE-terna u toj tranziciji?

Ako pogledate ove tri komponente, jasno je da se radi o segmentima poslovanja kojima se BE-terna bavi dugi niz godina. Naše duboko razumijevanje transakcijskih sustava, podatkovne tehnologije i iskustvo u uspješnim AI implementacijama stavlja nas u vodeću poziciju da kompanijama pomognemo povezati izolirane silose u jedinstven, moderan sustav upravljanja koji donosi mjerljivu poslovnu vrijednost.