AI mora izaći iz pilot-faze

Umjetna inteligencija u Hrvatskoj ulazi u fazu u kojoj pitanje više nije samo koji se model koristi, nego gdje se izvršava, tko kontrolira podatke i može li se rješenje pouzdano skalirati u produkciji. Kako za ICTbusiness Media - ICTbusiness.info ističe Marko Dagelić, CEO Datuma, tvrtka razvija vertikalno integrirani AI ekosustav koji povezuje fizičku infrastrukturu, GPU resurse, cloud, vlastitu AI platformu i poslovna rješenja. Produkcijski kapacitet danas se oslanja na GPU akceleratore smještene u podatkovnom centru DataBoxa u Zagrebu. Datum pritom kombinira vlastite računalne resurse s modelima korištenja koji poslovnim korisnicima trebaju omogućiti predvidivije troškove i kontrolu nad podacima.

Poseban fokus su AI agenti, inteligentna obrada dokumenata, glasovna rješenja i višeagentske arhitekture za složenije procese. U javnom sektoru Dagelić najveći potencijal vidi u procesima koji imaju velik volumen, ponavljajuće korake i jasno mjerljiv rezultat. Kao primjere navodi naručivanje i početnu trijažu u zdravstvu, obradu predmeta u javnoj upravi te korisničku podršku komunalnih i javnih poduzeća. Najveća prepreka skaliranju, prema njegovu iskustvu, često nije sama tehnologija nego nedostatak odgovorne osobe za proces, nedovoljno strukturirani podaci i zahtjevna integracija sa starijim sustavima.

Datum svoj koncept razlikuje od EuroHPC AI Factory modela jer je usmjeren na komercijalnu produkcijsku primjenu, a ne na javnu superračunalnu infrastrukturu. Za razvoj domaćeg AI ekosustava Dagelić kao ključne elemente izdvaja stručnjake, javnu nabavu, kapital za rast, kvalitetne domaće skupove podataka te dostupne GPU i energetske kapacitete. Do 2030. očekuje mjerljive rezultate, a ne samo još jednu rundu pilot-projekata.

Što Datum konkretno gradi pod pojmom domaće „AI tvornice“ i gdje se danas nalazi taj ekosustav?

Gradimo vertikalno integrirani AI ekosustav koji obuhvaća više slojeva vrijednosnog lanca - od fizičke infrastrukture i računalnih resursa do platforme i krajnjih poslovnih rješenja. Na infrastrukturnoj razini oslanjamo se na Tier III podatkovni centar u Zagrebu, a na računalnoj imamo GPU akceleratore najnovije generacije za izvođenje i prilagodbu AI/ML modela. Na platformskom sloju razvijamo Datum AI platformu za orkestraciju radnih tokova AI agenata i automatizaciju poslovnih procesa. Na njoj gradimo AI asistente, glasovne agente za zdravstvo i korisničku podršku, Document Intelligence te višeagentske arhitekture. Planovi za 2026. i 2027. uključuju daljnje povećanje GPU kapaciteta, posebno za produkcijske agente, domenski specifične modele i glasovni AI u stvarnom vremenu. Paralelno razvijamo GPU-as-a-Service za organizacije koje žele koristiti namjenske računalne resurse bez velikog početnog ulaganja.

U kojim slučajevima lokalna AI infrastruktura ima jasnu prednost pred globalnim cloudom?

Najjasniju prednost vidimo kod osjetljivih zdravstvenih podataka, javnog sektora, kritične infrastrukture te u primjenama u kojima je važna latencija ili predvidiv trošak. Kod zdravstvenih i drugih posebno osjetljivih podataka organizacija dobiva izravniju kontrolu nad mjestom obrade, pristupom i lancem dobavljača. Za kritične usluge, primjerice u energetici, vodi ili prometu, važni su i jasno definiran pravni okvir te odgovornost jednog domaćeg partnera. Lokaciju podataka i lanac pristupa dokazujemo ugovornom i arhitekturnom dokumentacijom, revizijskim tragovima te, prema opsegu ugovora, mogućnošću provjera i sigurnosnog testiranja. Podaci i modeli prilagođeni pojedinom klijentu ostaju pod njegovom kontrolom i ne koriste se za treniranje modela trećih strana. Lokalna infrastruktura pritom ne mora biti univerzalno jeftinija, ali može biti konkurentna kod specijaliziranih modela, čestih i predvidivih opterećenja te glasovnog AI-ja i industrijskih primjena u kojima latencija izravno utječe na uslugu.

Koji su javni procesi najspremniji za AI agente i kako dokazati da projekt nije ostao samo pilot?

Tri područja imaju dobar omjer koristi i rizika. Prvo je trijaža i naručivanje u zdravstvu, gdje konverzacijski agent može preuzeti rutinske upite, raditi 24 sata dnevno i skratiti vrijeme do potvrde termina. Drugo je upravljanje dokumentima i predmetima u javnoj upravi - klasifikacija zahtjeva, usmjeravanje prema nadležnom uredu, praćenje statusa i izrada standardiziranih nacrta odgovora. Treće je korisnička podrška komunalnih i javnih poduzeća. Najveća prepreka često je to što projekt nema jasno odgovornu osobu koja poznaje proces i može donositi odluke. Slijede kvaliteta podataka i integracija sa starijim sustavima. KPI-jevi se zato moraju dogovoriti prije implementacije: stopa procesa završenih bez ljudske intervencije, vrijeme obrade, broj uklonjenih ručnih koraka, smanjenje opterećenja kontaktnih centara i trošak po interakciji. Ako se ti pokazatelji ne mogu mjeriti, teško je dokazati poslovni ili javni učinak.

Kako se Datumov model razlikuje od europskog koncepta AI Factory i treba li Hrvatska graditi vlastitu takvu infrastrukturu?

EuroHPC AI Factory je javno podržana superračunalna infrastruktura namijenjena istraživanju, razvoju i pristupu vrlo snažnim računalnim resursima. Datum gradi privatni i komercijalni ekosustav usmjeren na produkcijsku primjenu, definiranu razinu usluge, integraciju u poslovne procese i regulatornu usklađenost. Ta dva modela nisu konkurentska nego komplementarna. Hrvatska bi trebala razvijati vlastite strateške kapacitete i istodobno se što bolje povezati s postojećim europskim resursima. Kandidatura za EuroHPC AI Factory imala bi smisla kao strateški signal i izvor kapaciteta za akademsku zajednicu, start-upove i gospodarstvo, ali jednako je važno razviti stručnjake koji domaćim organizacijama mogu pomoći da te europske resurse stvarno koriste.

Što Hrvatskoj treba da do 2030. prijeđe iz korisnika AI alata u zemlju koja ima vlastite proizvode i infrastrukturu?

Najvažniji su stručnjaci i talent. Bez većeg broja AI/ML inženjera i ljudi koji razumiju domenu, sigurnost i regulativu ostala ulaganja imaju ograničen učinak. Drugi važan element je javna nabava kao tržišni signal - ako je sustav podešen samo na kupnju potpuno gotovih rješenja, domaće inovativne tvrtke teško dolaze do produkcijskih referenci. Treba i više kapitala za fazu rasta, kvalitetnih anonimiziranih domaćih podataka te dostupnih GPU i energetskih kapaciteta. Država tu ima uloge stratega, regulatora i kupca, sveučilišta trebaju biti izvor znanja i stručnjaka, a podatkovni centri i telekomi infrastrukturna baza. Do 2030. volio bih vidjeti deset do dvadeset domaćih AI tvrtki s godišnjim prihodom većim od pet milijuna eura, najmanje jednu prepoznatljivu na europskoj razini te barem pet produkcijskih AI sustava u javnom sektoru s javno objavljenim KPI-jima koji dokazuju uštedu vremena ili troška. Bez takvih rezultata možemo imati nekoliko dobrih projekata, ali ne i održiv AI ekosustav.

* Projekt izrade serijala tekstova pod zajedničkim naslovom „Digitalna Hrvatska na pola puta – Četiri godine provedbe Strategije digitalne Hrvatske 2032.“ objavljen je uz financijsku potporu Agencije za medije iz Programa za poticanje novinarske izvrsnosti za 2026. godinu.