AI traži promjenu poslovanja

Umjetna inteligencija sve snažnije ulazi u poslovanje kompanija, ali između uspješnog pilot-projekta i njezine svakodnevne primjene u ključnim poslovnim procesima još uvijek postoji velik raskorak. Tehnološka rješenja napreduju brže nego što ih mnoge organizacije uspijevaju uklopiti u postojeće informacijske sustave, način rada i upravljanje poslovanjem. Upravo zato sve važnije postaje pitanje koliko su kompanije spremne mijenjati vlastite procese, a ne samo uvoditi nove alate. „Najveći izazov u primjeni umjetne inteligencije nije tehnologija, nego sposobnost organizacije da promijeni način na koji posluje“, ističe Matija Jurin, član Uprave i COO Compinga.

Njegova ocjena otvara znatno širu temu od same implementacije umjetne inteligencije jer uspjeh takvih projekata ovisi o kvaliteti podataka, povezivanju aplikacija, informacijskoj sigurnosti i jasnoj odgovornosti za poslovne rezultate. Za sistem integratore to znači i promjenu dosadašnje uloge, odnosno sve veći pomak od isporuke infrastrukture i pojedinačnih rješenja prema dugoročnom sudjelovanju u poslovnoj transformaciji klijenata. Koliko taj proces može biti složen pokazuju projekti u elektroenergetskom sektoru, gdje je Comping povezivao podatke iz različitih sustava i razvijao modele za prognoziranje potražnje, cijena električne energije i potreba za održavanjem opreme. Takvi primjeri otvaraju i pitanje kako objektivno izmjeriti korist od umjetne inteligencije te razlikovati tehnološki uspjeh od stvarnog povećanja produktivnosti i kvalitete poslovnih odluka. Dodatni izazov predstavlja održavanje AI rješenja, kod kojih uz dostupnost sustava treba kontinuirano nadzirati kvalitetu rezultata, promjene modela, sigurnost i troškove korištenja.

Istodobno razvoj privatnih AI platformi i autonomnih agenata najavljuje novu fazu ulaganja u podatkovnu i računalnu infrastrukturu, ali i složenije zahtjeve za njihovu integraciju s postojećim poslovnim aplikacijama. U razgovoru s Matijom Jurinom analiziramo što kompanije moraju promijeniti kako bi umjetna inteligencija prestala biti skup izoliranih projekata i postala sastavni dio poslovanja s jasno mjerljivim rezultatima.

Iz perspektive integratora, što se mora dogoditi da AI projekt prijeđe iz uspješnog pilota u alat koji svakodnevno podržava ključni poslovni proces? Koje prepreke najčešće nastaju zbog organizacije rada, a koje zbog postojećih informacijskih sustava? Tko na strani klijenta mora biti vlasnik promjene procesa i odgovoran za njezin rezultat?

Najveći izazov u primjeni umjetne inteligencije nije tehnologija, nego sposobnost organizacije da promijeni način na koji posluje. Pilot-projekti relativno se lako pokreću jer su ograničenog opsega, ali stvarna vrijednost AI-ja nastaje tek kada on postane sastavni dio ključnih poslovnih procesa.

Iz perspektive sistem integratora, za takav iskorak potrebno je povezati nekoliko elemenata: razumijevanje poslovnih procesa, kvalitetne i dostupne podatke, odgovarajuću tehnološku platformu te sposobnost integracije AI rješenja u postojeće informacijske sustave. Međutim, čak ni to nije dovoljno ako organizacija nije spremna mijenjati svoje procese, odgovornosti i način rada.

U praksi se najveće prepreke često ne pojavljuju na tehnološkoj, nego na organizacijskoj strani. Tvrtke su spremne eksperimentirati s AI, ali nisu uvijek spremne promijeniti način rada kako bi iskoristile njezin puni potencijal. Često nedostaju jasna odgovornost za proces, usklađenost između poslovnih odjela i IT-a te konkretni pokazatelji uspješnosti. S tehnološke strane, najčešći su izazovi fragmentirani podaci, naslijeđeni informacijski sustavi, ograničene mogućnosti integracije te zahtjevi informacijske sigurnosti.

Odgovornost za tu promjenu mora biti na poslovnom i operativnom menadžmentu, a ne na IT-u. IT i tehnološki partneri moraju omogućiti transformaciju, ali vlasnici poslovnih procesa moraju definirati što žele promijeniti, koje rezultate očekuju i kako će mjeriti ostvarenu vrijednost. Upravo operativni menadžment ima ključnu ulogu jer najbolje razumije svakodnevno poslovanje, upravlja ljudima i odgovoran je za rezultate.

Primjer našeg klijenta iz elektroenergetskog sektora pokazuje kako AI projekt uspješno prelazi iz pilot-faze u širu poslovnu primjenu. Nakon što je klijent kroz pilot-projekte temeljene na tehnologijama otvorenog koda potvrdio poslovnu vrijednost AI-ja, njegov je IT odjel uključio Comping kao tehnološkog i integracijskog partnera. Comping je uspostavio AI platformu globalnog tehnološkog dobavljača, implementirao pilot-rješenje na novu platformu i integrirao ga u postojeći poslovni proces, čime su stvoreni temelji za daljnje širenje primjene umjetne inteligencije. U sljedećoj fazi AI transformacija proširena je na ostatak poslovnog procesa, uz snažno vlasništvo i odgovornost poslovne strane klijenta.

Vjerujem da će najveću vrijednost AI-ja ostvariti kompanije koje ga neće koristiti samo za automatizaciju pojedinačnih aktivnosti, nego će imati hrabrosti preispitati i redizajnirati cijele poslovne procese. U tome vidimo i važnu priliku za Comping kao sistem integratora – da iz uloge tehnološkog dobavljača prerastemo u partnera koji klijentima pomaže provesti cjelovitu poslovnu transformaciju, od tehnoloških temelja do konkretnih poslovnih rezultata.

Koliko je zahtjevno povezati AI rješenja sa starijim poslovnim aplikacijama, infrastrukturom i podatkovnim izvorima koje tvrtke već koriste? Koji su najčešći problemi pri integraciji, od kvalitete podataka do prava pristupa i kibernetičke sigurnosti? Kada preporučujete prilagodbu postojeće arhitekture, a kada temeljitiju modernizaciju?

Većina kompanija danas ima kompleksna IT okruženja koja su se razvijala godinama, s različitim tehnologijama, aplikacijama i izvorima podataka. Uvođenje AI-ja u takvo okruženje nije samo pitanje implementacije novog rješenja, nego njegove integracije u postojeću infrastrukturu, sigurnosne sustave i poslovne procese.

Iz našeg iskustva, najveći izazov najčešće je spremnost postojećeg IT okruženja za njihovu primjenu. Podaci su često fragmentirani, nedovoljno strukturirani ili teško dostupni, a postojeći sustavi nisu uvijek projektirani za razmjenu podataka i integracije kakve AI zahtijeva. Uz to, sigurnost, zaštita podataka i upravljanje pristupom postaju još važniji kada AI počne sudjelovati u ključnim poslovnim procesima. Upravo zato smatramo da će AI foundations, odnosno izgradnja kvalitetnih tehnoloških i podatkovnih temelja za primjenu umjetne inteligencije, biti jedno od ključnih područja ulaganja kompanija u sljedećim godinama.

Primjer našeg klijenta iz elektroenergetskog sektora pokazuje koliko su AI foundations važni za primjenu AI-ja. U prvoj fazi projekta Comping je izradio data lake sustav koji je objedinio podatke iz 18 različitih sustava, uključujući i izvore iz kojih se podaci prenose u stvarnom vremenu. Podaci su zatim strukturirani i pripremljeni tako da ih hibridni timovi sastavljeni od Comping inženjera i poslovnih stručnjaka klijenta mogu koristiti za modeliranje te razvoj rješenja temeljenih na machine learningu (ML) i deep learningu (DL). Tako smo postavili podatkovnu osnovu na kojoj se AI rješenja mogu razvijati i povezivati s konkretnim poslovnim procesima.

Tu vidimo i veliku priliku za sistem integratore poput Compinga. Naša je prednost što razumijemo cjelokupno IT okruženje klijenata, od infrastrukture i sigurnosti do podatkovnih platformi, aplikacija i poslovnih rješenja. Takav pristup omogućuje nam da AI ne promatramo kao izoliranu tehnologiju, nego kao dio šire arhitekture koja mora biti sigurna, pouzdana, skalabilna i dugoročno održiva.

U kontekstu integracije AI-ja u postojeća IT okruženja, preporučujemo pragmatičan pristup. Nije svaka primjena umjetne inteligencije razlog za temeljitu modernizaciju infrastrukture i aplikacija. Međutim, ako postojeći sustavi ograničavaju dostupnost podataka, otežavaju integraciju novih tehnologija ili predstavljaju sigurnosni i operativni rizik, tada AI može biti snažan poticaj za širu modernizaciju IT okruženja.

Naš je pristup da modernizacija ne smije biti sama sebi svrha, nego mora biti vođena konkretnim poslovnim potrebama i očekivanom vrijednošću. Upravo zato AI foundations promatramo kao dugoročan proces izgradnje tehnoloških i podatkovnih temelja koji kompanijama omogućuju ne samo realizaciju pojedinačnih AI projekata, nego i njihovo sustavno širenje na različite poslovne procese.

Kako Comping i njegovi klijenti mogu dokazati da uvedena umjetna inteligencija donosi veću produktivnost ili kvalitetniju uslugu, a ne samo dodatni tehnološki trošak? Koje poslovne pokazatelje ugovarate i kada se obično može realno izmjeriti učinak? Kako se razlikuju odgovornosti integratora, poslovnog vlasnika procesa i IT odjela pri praćenju rezultata?

Uspjeh AI projekta ne bi se trebao mjeriti samom činjenicom da je rješenje implementirano i pušteno u produkciju, nego konkretnim poslovnim rezultatima koje ono donosi. Zato je iznimno važno već na početku projekta definirati jasne i mjerljive ciljeve, bilo da govorimo o povećanju produktivnosti, smanjenju operativnih troškova, ubrzanju poslovnih procesa, kvaliteti usluge ili povećanju prihoda.

Pritom je važno razlikovati tehnološke pokazatelje uspješnosti od poslovnih. Kao sistem integrator možemo mjeriti performanse, dostupnost, kvalitetu i pouzdanost AI rješenja, ali odgovornost za mjerenje i ostvarenje poslovnih učinaka mora biti na poslovnom i operativnom menadžmentu klijenta. Upravo oni najbolje razumiju procese, upravljaju resursima i mogu procijeniti koliko je tehnologija stvarno unaprijedila poslovanje.

Kako smo dokazali vrijednost AI-ja, najbolje ilustrira primjer našeg klijenta iz elektroenergetskog sektora, kod kojeg smo usporedili gotovo tržišno rješenje za prognoziranje potražnje i kretanja cijena električne energije s modelima koje smo razvili i implementirali u drugoj fazi projekta. Nakon perioda paralelnog rada, naši su modeli pokazali značajno veću točnost prognoza. Time smo klijentu u stvarnim uvjetima poslovanja dokazali konkretnu dodanu vrijednost našeg rješenja, a to su pouzdanije informacije o kretanju potražnje i cijena električne energije na temelju kojih može donositi bolje i pravovremene odluke. Upravo takva usporedba povezuje tehničku kvalitetu modela s njegovom primjenom u poslovnom procesu i daje jasan temelj za daljnje mjerenje poslovnih učinaka.

Vjerujem da će se u budućnosti uspješnost AI transformacije sve manje mjeriti brojem implementiranih rješenja, a sve više sposobnošću organizacije da kroz njih kontinuirano povećava svoju produktivnost i konkurentnost. Uloga sistem integratora pritom se također mijenja – od jednokratne isporuke tehnološkog rješenja prema dugoročnom partnerstvu u kojem zajedno s klijentom pratimo rezultate, razvijamo nove funkcionalnosti i kontinuirano stvaramo dodatnu poslovnu vrijednost.

Uvođenjem AI-ja posao integratora ne završava isporukom sustava. Što uključuje održavanje produkcijskog AI rješenja i kako se ono razlikuje od održavanja klasičnog softvera? Kako organizirate nadzor kvalitete odgovora, sigurnosti, troškova izvođenja i promjena modela? Koliko su edukacija zaposlenika i promjena poslovnih procedura važni za trajnu korist od projekta?

Održavanje produkcijskih AI rješenja, uz klasične IT operacije, mora uključivati kontinuirano praćenje kvalitete i pouzdanosti odgovora, sigurnosti i zaštite podataka te upravljanje promjenama modela i njihovim utjecajem na poslovne procese. Posebno je važno uspostaviti jasne procedure testiranja i validacije promjena kako nova verzija modela ili promjena podataka ne bi negativno utjecala na kvalitetu poslovnog procesa.

Iz perspektive sistem integratora, to znači da se naša uloga sve više razvija od implementacije rješenja prema dugoročnom partneru u AI transformaciji klijenta. Naš zadatak nije samo osigurati da AI rješenje radi, nego da dugoročno radi kvalitetno, sigurno, pouzdano i troškovno učinkovito.

Vodeći globalni tehnološki analitičari predviđaju da će organizacije sve više razvijati vlastite kompetencije potrebne za AI transformaciju. Mogu se složiti da je to realan scenarij za velike multinacionalne kompanije koje raspolažu resursima, globalnim bazenom talenata i razvijenim sposobnostima upravljanja njihovim razvojem. Međutim, vjerujem da će situacija u našoj regiji biti bitno drukčija. Većina organizacija nema ni kapacitete ni ekonomsku opravdanost interno razvijati sve specijalističke kompetencije potrebne za cjelovitu AI transformaciju. One će te kompetencije u značajnoj mjeri tražiti na tržištu, kroz suradnju s vanjskim tehnološkim partnerima.

Naša ambicija nije samo isporučivati AI tehnologiju, nego klijentima omogućiti pristup cjelovitom skupu znanja i kompetencija, od infrastrukture, sigurnosti i podatkovnih platformi do razvoja, integracije, održavanja i kontinuiranog unaprjeđenja AI rješenja. Time klijentima omogućujemo da se usredotoče na ono što najbolje poznaju – vlastito poslovanje, razvoj ljudi i transformaciju poslovnih procesa – dok im mi osiguravamo tehnološke kompetencije i kapacitete potrebne za provedbu te transformacije.

Vjerujem da će upravo sposobnost povezivanja poslovnog znanja klijenata s tehnološkim kompetencijama partnera biti jedan od ključnih čimbenika uspješne AI transformacije u našoj regiji. U tome vidimo buduću ulogu Compinga kao dugoročnog end-to-end partnera, a ne samo dobavljača tehnologije.

Kako će razvoj AI agenata i privatnih AI platformi promijeniti sustavnu integraciju i ulaganja u IT infrastrukturu tijekom sljedećih pet godina? Koje procese već ima smisla automatizirati djelomično ili potpuno i uz kakav ljudski nadzor? Koje bi odluke uprave trebale donijeti danas kako bi izbjegle nepovezane AI projekte i nova tehnološka uska grla?

Vjerujem da će razvoj privatnih AI platformi u sljedećih pet godina značajno promijeniti način na koji kompanije projektiraju svoju IT arhitekturu i planiraju ulaganja u infrastrukturu. AI će sve više prelaziti iz uloge asistenta zaposlenicima u ulogu aktivnog sudionika poslovnih procesa, što će dodatno povećati zahtjeve prema infrastrukturi, integraciji poslovnih aplikacija, sigurnosti i upravljanju podacima.

Koje procese transformirati umjetnom inteligencijom pitanje je koje ima jednostavan odgovor, one koji donose najviše dodane vrijednosti. Primjer širine primjene AI-ja jest naš klijent iz elektroenergetskog sektora, kod kojeg smo razvili i implementirali modele za tri važna poslovna područja: prognoziranje potražnje za električnom energijom, prognoziranje kretanja cijena električne energije te predviđanje potreba za održavanjem skupocjene mrežne opreme. Svako od tih područja izravno je povezano s konkretnim poslovnim odlukama, koje rezultiraju ogromnim financijskim učincima na račun dobiti i gubitka cijele organizacije klijenta.

Smatram da uprave kompanija već danas moraju donijeti nekoliko ključnih odluka. Prije svega, AI transformacija mora dobiti jasnog vlasnika na razini uprave, dok operativni menadžment mora preuzeti odgovornost za promjene poslovnih procesa i ostvarivanje rezultata. Drugi je prioritet identificirati poslovne procese s najvećim potencijalom za povećanje produktivnosti i definirati konkretne, mjerljive ciljeve. Treći je uspostaviti jedinstvenu AI arhitekturu i standarde upravljanja podacima, sigurnošću i integracijama kako bi se izbjegao razvoj nepovezanih rješenja. Konačno, uprave moraju odlučiti koje će AI kompetencije razvijati interno, a koje osiguravati kroz dugoročna partnerstva, te planirati sustavna ulaganja u infrastrukturu, edukaciju zaposlenika i kontinuirano unaprjeđenje rješenja.

Posebno bih naglasio važnost ulaganja u AI foundations, odnosno kvalitetne infrastrukturne, podatkovne i sigurnosne temelje. Bez njih će svako sljedeće AI rješenje biti sve teže integrirati, održavati i skalirati.

U sljedećih pet godina najveći izazov neće biti implementirati pojedinog AI agenta, nego osigurati da veliki broj AI agenata sigurno, pouzdano i učinkovito surađuje s postojećim poslovnim sustavima. Upravo tu vidimo veliku priliku za Comping kao end-to-end tehnološkog partnera koji klijentima može osigurati sve potrebne kompetencije, od infrastrukture, clouda i kibernetičke sigurnosti do podatkovnih platformi, razvoja aplikacija i sistemske integracije. Vjerujem da će sposobnost povezivanja svih tih elemenata biti jedan od ključnih preduvjeta uspješne AI transformacije.