Veštačka inteligencija više nije pitanje budućnosti niti eksperiment rezervisan za tehnološke kompanije. AI transformacija poslovanja postaje tema uprava, vlasnika kompanija i CFO funkcija – ali sa jednim važnim pitanjem: gde AI zaista donosi ekonomsku vrednost?
Kompanije danas mogu relativno brzo da uvedu AI alat. Mnogo je teže izabrati pravi poslovni problem, povezati AI sa postojećim procesima i podacima i dokazati da investicija donosi rezultat.
Zato uspešna primena AI u kompaniji ne počinje izborom tehnologije. Počinje izborom poslovnog problema koji vredi rešavati.
AI investicije rastu, ali ROI još uvek nije zagarantovan
Tržište je već prošlo prvu fazu AI euforije. Pitanje više nije „da li možemo da koristimo AI", već gde ga treba koristiti i kakav rezultat očekujemo.
BCG je 2025. godine istražio primenu AI i generativnog AI među više od 280 finansijskih rukovodilaca. Rezultat pokazuje značajan jaz između usvajanja tehnologije i ostvarivanja poslovne vrednosti: medijalni prijavljeni ROI iznosio je svega oko 10%, dok je gotovo trećina ispitanika prijavila ograničene rezultate. Samo 45% ispitanih rukovodilaca moglo je da kvantifikuje ROI svojih AI inicijativa.
IBM-ovo globalno istraživanje 2.000 CEO-a pokazuje sličan obrazac: samo 25% AI inicijativa ostvarilo je očekivani ROI, dok je svega 16% uspelo da se skalira na nivou cele organizacije.
Kako uvesti AI u firmu?
Najčešća greška je početi pitanjem: „Koji AI alat treba da kupimo?"
Bolje pitanje je: „Koji poslovni problem možemo da rešimo bolje, brže ili jeftinije uz pomoć AI?"
Dobra strategija za AI zato prati jasan redosled: Poslovni problem → Use case → Očekivana vrednost → Podaci → Tehnologija → Pilot → Merenje → Skaliranje
Tehnologija dolazi tek nakon definisanja problema i očekivanog ekonomskog efekta.
Na primer, CFO ne treba da počne od ideje „želimo generativni AI u finansijama". Mnogo konkretnije pitanje je: možemo li smanjiti vreme potrebno za mesečno izveštavanje sa pet dana na dva? Ili: možemo li unaprediti tačnost cash-flow forecasta koristeći istorijske podatke, ugovorene prilive, obaveze i obrasce plaćanja kupaca?
Tada AI prestaje da bude tehnološki eksperiment i postaje business case.
Gde AI donosi najveći efekat u poslovanju?
Nisu svi AI use case-ovi jednako vredni. Najbolji kandidati obično imaju kombinaciju četiri karakteristike: proces se često ponavlja; koristi veliku količinu podataka ili dokumenata; zahteva značajno vreme stručnih zaposlenih; kvalitet ili brzina odluke imaju merljiv finansijski efekat.
Zbog toga je finansijska funkcija posebno pogodna za digitalnu transformaciju sa AI.
AI u finansijskoj funkciji
Tipična finansijska funkcija raspolaže ogromnom količinom strukturiranih i nestrukturiranih podataka, ali značajan deo vremena i dalje troši na njihovo prikupljanje, proveru, konsolidaciju i interpretaciju. AI može značajno promeniti tu strukturu rada.
| Oblast | Moguća primena AI | Potencijalna vrednost |
|---|---|---|
| FP&A | Forecast prihoda, troškova i cash flow-a | Kvalitetnije planiranje |
| Management reporting | Generisanje komentara i analiza odstupanja | Kraći reporting ciklus |
| Accounting | Klasifikacija i obrada dokumenata | Niži operativni troškovi |
| Working capital | Predikcija naplate i kašnjenja kupaca | Oslobođenje gotovine |
| Treasury | Prognoziranje likvidnosti | Bolja upotreba kapitala |
| Procurement | Analiza ugovora i potrošnje | Identifikacija ušteda |
| Risk | Rano prepoznavanje anomalija | Smanjenje gubitaka |
| CFO support | AI copilot za analizu poslovnih podataka | Brže donošenje odluka |
BCG-ovo istraživanje ukazuje na važnu razliku: najveća vrednost ne mora dolaziti iz jednostavne automatizacije administrativnih aktivnosti. Među oblastima sa najvećim potencijalom za poslovni efekat nalaze se risk management i financial forecasting.
Drugim rečima: automatizacija štedi vreme. AI transformacija unapređuje način na koji kompanija posluje.
Prioritizacija AI primene: šta raditi prvo?
Kompanija srednje veličine vrlo brzo može identifikovati desetine potencijalnih AI use case-ova. Pokušaj da se svi pokrenu istovremeno gotovo sigurno vodi rasipanju resursa. Zato je prioritizacija AI primene jedan od najvažnijih koraka.
Svaku inicijativu treba posmatrati kroz četiri dimenzije: poslovna vrednost – koliki finansijski ili strateški efekat inicijativa može da generiše; izvodljivost – da li postoje potrebni podaci, kapaciteti i mogućnost integracije; vreme do rezultata – koliko brzo možemo dokazati efekat; rizik – koliko je kritična odluka ili proces koji AI podržava.
AI projekat koji može pokazati rezultat za 8–12 nedelja često je bolji prvi korak od projekta sa većim teorijskim potencijalom koji zahteva 18 meseci implementacije.
Koliko košta AI transformacija?
Ne postoji univerzalna cena AI transformacije poslovanja. Trošak zavisi od toga da li kompanija koristi postojeće AI platforme, razvija sopstvena rešenja ili AI integriše duboko u postojeće poslovne sisteme.
Ukupnu investiciju treba posmatrati kroz najmanje šest komponenti: AI platforma i modeli, integracije, podaci, implementacija, bezbednost i governance, promena procesa i obuka zaposlenih.
Upravo poslednje kategorije kompanije često potcene. Trošak licence za AI alat može biti relativno mali. Integracija sa poslovnim procesima, priprema podataka, bezbednost i promena načina rada mogu predstavljati mnogo značajniji deo ukupne investicije.
Zbog toga kompanija ne treba prvo da napravi veliki višegodišnji AI budžet. Treba da napravi portfolio AI investicija. Za svaki use case treba definisati: Investment → Expected Benefit → Time to Value → Risk → ROI
Ali finansijska korist mora biti realno merljiva. Ako AI zaposlenom uštedi 30 minuta dnevno, ali zaposleni to vreme ne koristi produktivnije ili kompanija ne promeni kapacitet procesa, finansijski benefit nije automatski jednak vrednosti tih 30 minuta.
Ozbiljan business case zato mora razlikovati teorijsku produktivnost od stvarno realizovanog finansijskog efekta.
Plan uvođenja AI sa pilotom
Za većinu kompanija najracionalniji početak nije veliki transformation program. Bolji pristup je kontrolisan plan uvođenja AI sa pilotom, sa unapred definisanim poslovnim rezultatom.
Koji su rizici uvođenja AI u firmu?
Brzina implementacije ne sme značiti odsustvo kontrole. Kompanije bi pre ozbiljnijeg skaliranja trebalo da uspostave osnovni AI governance framework.
Netačni AI rezultati — Generativni modeli mogu proizvesti uverljiv, ali pogrešan odgovor. Rezultati koji utiču na značajne poslovne odluke moraju imati odgovarajuće kontrole.
Zaštita podataka — Zaposleni ne bi smeli nekontrolisano da unose poverljive poslovne ili lične podatke u javno dostupne AI alate.
Cyber rizik — Novi modeli i integracije stvaraju dodatne tačke pristupa sistemima i podacima i zahtevaju odgovarajuće bezbednosne kontrole.
Model risk — Rezultat zavisi od kvaliteta podataka, izabranog modela, instrukcija, integracija i načina na koji se AI koristi u poslovnom procesu.
Regulatorni rizik — Regulatorni okvir se brzo menja. Obaveze transparentnosti iz EU AI Act-a (član 50) na snazi su od 2. avgusta 2026. — obuhvataju, između ostalog, obaveštavanje korisnika kada komuniciraju sa AI sistemom i označavanje AI-generisanog sadržaja. Istovremeno, EU je kroz takozvani Digital Omnibus paket odložila primenu obaveza za samostalne high-risk AI sisteme (Aneks III) sa avgusta 2026. na decembar 2027, dok je rok za high-risk sisteme ugrađene u regulisane proizvode pomeren na avgust 2028. Odlaganje ne znači da regulativa neće važiti — znači da ima više vremena za usklađivanje.
Preveliko oslanjanje na AI — U procesima sa značajnim finansijskim, pravnim ili reputacionim posledicama mora biti jasno definisano gde je potreban human-in-the-loop.
Kompanije iz Srbije koje razvijaju ili koriste AI u poslovanju povezanom sa EU tržištem treba da prate ove rokove i procene da li i u kojoj meri konkretna AI rešenja ulaze u regulatorni okvir.
Dobar governance ne treba da blokira inovaciju. Njegova funkcija je da omogući bržu, ali kontrolisanu primenu AI.
Veštačka inteligencija za firme u Srbiji: zašto je trenutak važan
Za kompanije u Srbiji AI predstavlja značajnu priliku za povećanje produktivnosti i konkurentnosti. Republika Srbija usvojila je Strategiju razvoja veštačke inteligencije za period 2025–2030, kojom su postavljeni ciljevi i mere za dalji razvoj AI ekosistema.
Ali za pojedinačnu kompaniju nacionalna strategija nije dovoljna. Potrebna je sopstvena strategija za AI koja odgovara na praktična poslovna pitanja:
- Gde AI može da promeni ekonomiku našeg poslovanja?
- Koje podatke već posedujemo?
- Koja tri use case-a treba da testiramo prva?
- Koliko smo spremni da investiramo?
- Kako ćemo meriti ROI?
- Ko je odgovoran za rezultat?
Kompanije koje pronađu dobre odgovore na ova pitanja biće u boljoj poziciji od onih koje AI posmatraju samo kao još jedan IT projekat.
Od AI eksperimenta do transformacije poslovanja
Najveći rizik danas možda nije da kompanija zakasni sa kupovinom određenog AI alata. Veći rizik je da investira u veliki broj nepovezanih inicijativa koje nikada ne promene način poslovanja.
Uspešna digitalna transformacija sa AI zato zahteva disciplinu: početi od poslovne vrednosti → izabrati mali broj prioriteta → testirati kroz kontrolisane pilote → meriti rezultat → skalirati ono što funkcioniše
AI strategija nije lista tehnologija koje kompanija želi da implementira. To je portfolio poslovnih odluka o tome gde tehnologija može da stvori najveću vrednost.
Odakle početi?
Za kompaniju koja još nema strukturiran AI program, prvi korak može biti AI Opportunity & ROI Assessment. Takav pristup obuhvata:
- mapiranje ključnih procesa i izvora podataka
- identifikovanje potencijalnih AI use case-ova
- kvantifikovanje potencijalnog poslovnog efekta
- procenu tehnološke izvodljivosti i rizika
- izbor dva do tri pilot projekta
- definisanje KPI-jeva i očekivanog ROI-ja pre implementacije
Tek nakon toga treba donositi odluke o većim tehnološkim investicijama.
Izvori
- BCG, How Finance Leaders Can Get ROI from AI (2025)
- IBM Institute for Business Value, CEO Study (2025)
- Vlada Republike Srbije, Strategija razvoja veštačke inteligencije 2025–2030