AI automatizacija: od marketinga do proizvodnje u Srbiji

Digitalni marketing 2025. nam je dao jednu korisnu lekciju: automatizacija bez konteksta nije efikasnost — to je rizik. Viber “afera” sa automatizovanim porukama banke (trigger na reči poput „rata“ i „plata“) postala je primer kako algoritam može da napravi veliki domet, ali i da naruši ono što je u nekim industrijama najskuplje: poverenje.

Zašto je ovo važno za serijal „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“? Zato što je isti obrazac već prisutan i u fabrikama, skladištima i lancima snabdevanja. AI sistemi u industriji takođe „reaguju na okidače“: vibraciju ležaja, odstupanje temperature, promenu boje na površini proizvoda, kašnjenje dobavljača, rast škarta u smeni. Ako pogode kontekst, dobijate manje zastoja i bolji kvalitet. Ako promaše, dobijate skupe prekide, lažne alarme i frustrirane timove.

Marketing je ove godine samo glasno pokazao ono što industrija često uči tiše: AI mora da bude precizan, transparentan i postavljen tako da pomaže ljudima, ne da ih „uhodi“ ili nadzire.

Rage bait i „hakovanje pažnje“ imaju industrijski ekvivalent

Rage bait je proglašen izrazom godine, i nije slučajno. Kampanje koje izazivaju frustraciju dobijaju organsku viralnost, a brojke kratkoročno mogu da izgledaju sjajno: reach, share of voice, spominjanja u medijima, mimovi.

U industriji postoji slična zamka: „hakovanje KPI-jeva“. To se dešava kada automatizacija bude podešena da ulepšava metrike umesto da rešava problem. Na primer:

• Sistem za kontrolu kvaliteta „spušta prag“ da bi izgledalo da je škart manji, pa problem ispliva kasnije kod kupca.
• Prediktivno održavanje šalje previše alarma (da „ne propusti ništa“), pa operateri prestanu da veruju sistemu.
• Planiranje proizvodnje optimizuje samo OEE, ali stvara zalihe koje pojedu novac i prostor.

U marketingu je to razlika između pažnje i poverenja. U proizvodnji je razlika između metrike i stvarne stabilnosti procesa.

Jedna rečenica koju vredi zapamtiti: Ako AI sistem „pobeđuje“ na brojevima, a ljudi ga zaobilaze u praksi — izgubili ste.

Keyword-triggered marketing ≈ event-driven proizvodnja

Slučaj automatizovanih poruka u privatnim chatovima je ekstreman primer keyword-triggered pristupa: sistem vidi reč → šalje poruku. U industriji je analogija jasna: event-driven automatizacija.

Gde to već radi u srpskim fabrikama (ili može da radi)

Najčešći „okidači“ u proizvodnji nisu reči, već signali:

• Vibracije, temperatura, struja motora → predikcija kvara i planiranje servisa.
• Vizuelna odstupanja (ogrebotina, poroznost, pogrešna etiketa) → automatsko izdvajanje proizvoda.
• Odstupanje ciklusnog vremena → detekcija usporavanja linije pre nego što dođe do zastoja.
• Anomalije potrošnje materijala → signal da je došlo do greške u doziranjima ili curenja.

Princip je isti kao u marketingu: uhvatiti „trenutak maksimalne relevantnosti“. Samo što je u proizvodnji taj trenutak često razlika između pet minuta intervencije i dve smene zastoja.

Gde stvari pucaju: kontekst

U Viber slučaju, algoritam je promašio emocionalni kontekst (reč „rat“ može značiti mnogo toga). U industriji, promašaj konteksta izgleda ovako:

• Model vidi skok vibracije i predvidi kvar, ali je u pitanju normalna promena režima (npr. druga serija, druga brzina).
• Kamera prepozna „defekt“, ali je u pitanju normalna tolerancija za taj tip proizvoda.
• Algoritam optimizuje raspored, ali ne zna da je danas iskusniji operater odsutan ili da je alat pri kraju veka.

Zaključak je jednostavan: AI nije “smart” ako nema procesni kontekst, pravila i ljudsku validaciju.

„Viralnost se ne planira“ — isto važi za anomalije

Jet2holidays fenomen (audio koji je postao mim i doneo ogroman kulturni momentum) pokazuje još jednu stvar: ne upravljaš događajem, upravljaš reakcijom.

U industriji, anomalije su „viralnost“ procesa: dogode se neočekivano. Možete da pripremite teren (senzori, prikupljanje podataka, standardi), ali kvar, odstupanje ili zastoj često dođu kao iznenađenje.

Industrijski ekvivalent zrele reakcije

Jet2 nije pokušao da „ubije“ mim; pustili su ga da živi i pametno reagovali. Fabrike koje dobro koriste AI rade slično:

• Ne ignorišu anomaliju jer „ruši prosek“.
• Ne kažnjavaju tim zato što je sistem nešto prijavio.
• Ne pokušavaju da prećute odstupanja, već grade rutinu: signal → trijaža → korekcija → učenje.

To je razlika između organizacija koje koriste AI kao PR i onih koje ga koriste kao operativni alat.

Privatnost i poverenje: marketing je upozorenje za industrijske AI projekte

Najveća greška u spornim kampanjama nije bila tehnologija, već osećaj „prisluškivanja“. U industriji se ta greška prevodi u drugačiji, ali jednako opasan obrazac: osećaj da AI služi za nadzor zaposlenih, a ne za unapređenje procesa.

Ako operateri i majstori steknu utisak da je AI uveden da bi „hvatao krivca“, dobićete:

• otpor prema unosu podataka (ili „ulepšavanje“ unosa),
• izbegavanje sistema,
• sabotažu kroz pasivnu neupotrebu,
• gubitak znanja sa linije koje je ključno za tačnost modela.

Pravila koja stabilizuju poverenje (i u Srbiji rade bolje nego „velike reči“)

Ako uvodite AI u proizvodnju ili logistiku, tri pravila prave najveću razliku:

1. Transparentnost: recite ljudima šta sistem meri, zašto i ko ima pristup.
2. Saglasnost i okvir upotrebe: jasno definišite da li se podaci koriste za poboljšanje procesa ili procenu učinka.
3. Jasan benefit za korisnika: operater mora da oseti korist u svojoj smeni (manje zastoja, manje ručnog upisivanja, brže rešavanje).

U marketingu se poverenje gubi u sekundi. U industriji se gubi sporije — ali se vraća mnogo teže.

AI kao „super asistent“, ne autopilot: praktičan model za fabrike

Priča iz marketinga završava se zdravim stavom: AI ubrzava, ali ne sme da preuzme odluke bez kontrole. U proizvodnji je taj princip još važniji.

Gde AI donosi brz ROI u industriji

Ako birate prve projekte u Srbiji (posebno u srednjim proizvodnim firmama), najčešće se isplati krenuti od slučajeva upotrebe koji imaju jasne podatke i merljiv izlaz:

• Vizuelna kontrola kvaliteta (kamere + model): smanjenje škarta i reklamacija.
• Prediktivno održavanje na kritičnim mašinama: manje neplaniranih zastoja.
• Optimizacija planiranja (potražnja, kapacitet, materijal): manje ekspedicionih „požara“.
• Automatizacija izveštavanja: manje ručnog rada u Excelu, brže odluke.

Kako izgleda “guardrail” pristup (koji sprečava ProCredit-scenario u fabrici)

Da AI ne bi pravio skupe gluposti, postavite ograničenja:

• Human-in-the-loop za kritične odluke (stop linije, povlačenje serije, promene recepture).
• Pragovi poverenja: model daje preporuku tek iznad određenog confidence nivoa.
• Fallback režim: kad je sistem nesiguran, prebacuje na standardnu proceduru.
• Audit trail: zapis zašto je doneta odluka (koji signal, koji prag, koji model).

To je industrijska verzija „nemoj da upadaš ljudima u privatni chat“.

Mini vodič: 7 pitanja pre nego što uvedete AI automatizaciju

Ovo su pitanja koja sam video da prave razliku između pilot-projekta koji ostane demo i sistema koji stvarno radi u pogonu:

1. Ko tačno koristi izlaz AI sistema i u kom trenutku procesa?
2. Koji je trošak pogrešne odluke? (lažni alarm vs propušten defekt)
3. Da li imate dovoljno kvalitetne podatke iz realnih uslova? (ne samo iz idealne smene)
4. Ko održava model i kada se re-trenira? (promena serija, dobavljača, alata)
5. Kako merite uspeh? (ne samo accuracy, već zastoje, škart, reklamacije, vreme reakcije)
6. Šta je minimalna transparentnost prema zaposlenima?
7. Koji su “stop” uslovi? (kada se sistem gasi ili vraća na ručno)

Ako nemate odgovore, AI će vam vrlo verovatno proizvesti efekat sličan lošoj kampanji: biće glasno, ali neće biti korisno.

Šta da ponesemo iz 2025. u 2026: efikasnost bez poverenja je skupa

Digitalni marketing 2025. je pokazao dve istine koje industrija u Srbiji treba da uzme ozbiljno:

• Automatizacija radi samo dok korisnik (ili operater) ima osećaj da je u njegovom interesu.
• AI sistemi pobeđuju kad su “dosadno” dobro postavljeni: kontekst, pravila, transparentnost, merenje efekta.

Ako razmišljate o AI u proizvodnji, kontroli kvaliteta ili lancu snabdevanja, 2026. je dobra godina da se prestane sa “pilotima radi pilotiranja” i pređe na industrijske implementacije koje imaju vlasnika, proces i metrike.

Ako želite, možemo zajedno proći kroz vaš konkretan slučaj (linija, podaci, cilj) i odabrati 1–2 AI inicijative koje imaju smisla za vašu fabriku u Srbiji — bez rizika da dobijete „viralnost“ tamo gde vam treba stabilnost. Koji proces vam je trenutno najskuplji: zastoji, škart ili planiranje?