AI lažne slike: lekcije za industriju u Srbiji

Kada je NewsGuard identifikovao 7 spornih vizuelnih sadržaja vezanih za navodnu operaciju u Venecueli, samo ti primeri su na mreži X sakupili preko 14 miliona pregleda. To nije „internet drama“. To je studija slučaja o tome koliko brzo verodostojnost može da izgori — i koliko skupo to može da bude.

Kurirov tekst o viralnim, AI-generisanim slikama i snimcima Nikolasa Madura (koji su se pomešali sa stvarnim kadrovima i starim klipovima) pokazuje nešto što u proizvodnji često potcenjujemo: kada nema brzog i pouzdanog sistema verifikacije, tržište popunjava prazninu pretpostavkama. U politici to izaziva haos. U industriji izaziva pogrešne odluke, loše izveštavanje, promašene nabavke, sporove sa partnerima i reputacioni rizik.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“, ali iz jednog drugačijeg ugla: šta se dešava kada AI sadržaj deluje uverljivo, a nije tačan — i kako to sprečiti u B2B komunikaciji i industrijskom izveštavanju.

Šta nas slučaj „viralnih Maduro snimaka“ stvarno uči

Pouka je jednostavna: problem nije samo u laži, već u brzini i uverljivosti. U opisanom događaju, AI slike „hapšenja“, navodna slavlja u Karakasu i snimci „raketnih udara“ krenuli su da se šire minutima nakon objava na mrežama, dok je potvrđenih informacija bilo malo. Rezultat je bio mešavina stvarnog, starog i potpuno izmišljenog.

U industriji u Srbiji ista dinamika postoji, samo se manifestuje drugačije:

• Umesto „hapšenja“, imate fotografiju navodne isporuke ili „dokaz“ da je roba bila neoštećena.
• Umesto „raketnog udara“, imate video sa linije koji navodno pokazuje kvar ili incident.
• Umesto „slavlja u Karakasu“, imate stari snimak sa prethodne serije proizvodnje koji se pogrešno predstavlja kao aktuelan.

Zašto su detektori često nemoćni

Detekcija manipulacije nije pouzdana kada je sadržaj napravljen da izgleda kao realnost. Kurirov izvor navodi i da alati poput obrnute pretrage slika i AI detektora „često nisu pouzdani“ — što se poklapa sa iskustvom iz industrije: kada se sadržaj prenosi kroz više kanala (WhatsApp, Viber, mejl, PDF), kompresuje se i gubi metapodatke, „forenzika“ postaje teža.

Moje pravilo je: detektori su korisni, ali ne mogu biti jedina odbrana. Industriji treba proces, ne trik.

Zašto je verodostojnost postala KPI u B2B proizvodnji

Verodostojna informacija je postala operativni resurs, kao energija ili radna snaga. Ako je izveštavanje neprecizno, sve što se oslanja na te podatke postaje neprecizno: planiranje kapaciteta, otpremnice, reklamacije, KPI table, čak i obračun bonusa.

Evo gde „AI lažne slike“ prelaze u „AI rizik“ za proizvodne firme:

1) Reklamacije i sporovi sa kupcima

Ako vizuelni dokaz (slika palete, stanje ambalaže, video utovara) može da bude falsifikovan, onda spor ne rešavate „na osećaj“, nego na osnovu sledljivosti:

• tačan datum i vreme (server-side, ne ručno)
• identitet uređaja/senzora
• lokacija (geofencing)
• neizmenjiv log (audit trail)

2) Industrijsko izveštavanje i ESG

U 2026. godini evropski kupci sve češće traže dokazive podatke: o otpadu, energiji, emisijama, bezbednosti, usklađenosti. Ako izveštaj može da se „ulepša“ generativnim alatima bez kontrole, firma rizikuje:

• gubitak poverenja
• raskid ugovora
• regulatorne posledice (u zavisnosti od tržišta)

3) Brzina širenja interne dezinformacije

U fabrici se glasine šire isto kao na mrežama — samo brže, jer su kanali kraći. Jedan video „incidenta“ poslat u grupu može da pokrene pogrešne mere, zaustavljanje linije ili paniku oko bezbednosti.

Rešenje nije zabrana AI alata. Rešenje je upravljanje.

Kako izgleda „sistem verifikacije“ u praksi (i gde AI stvarno pomaže)

Najbolji sistemi verifikacije su hibrid: proces + tehnologija + odgovornost. AI tu ima dve uloge: (1) da automatizuje proveru, (2) da smanji prostor za improvizaciju.

Minimalni standard: 5 slojeva koji rade i u SME firmama

1. Jedan izvor istine (Single Source of Truth)
   • Centralizujte dokumente i vizuelne dokaze u DMS/ERP/MES repozitorijumu.

1. Automatsko označavanje i evidencija (metadata + audit log)

   • Ko je uneo, kada, sa kog uređaja, iz kog sistema.

2. Kontrola verzija i zabrana „ručnog prepravljanja“ finalnih izveštaja

   • Izveštaji se generišu iz podataka, ne iz Word šablona koji svi menjaju.

3. Verifikacija vizuelnog sadržaja kroz poređenje sa senzorima

   • Kamera kaže „paleta je kompletna“, vaga kaže „fali 18 kg“ — sistem mora to da flaguje.

4. Jasno definisana odgovornost

   • Ko potpisuje otpremu, ko odobrava korekcije, ko zatvara reklamaciju.

Ovo je osnova za AI u kontroli kvaliteta i AI u proizvodnji u Srbiji koja donosi rezultate bez reputacionog rizika.

Gde generativna AI sme, a gde ne sme

Generativna AI je odlična za tekst i objašnjenja, loša kao „izvor istine“.

• Sme: sažetak izveštaja, nacrt mejla kupcu, prevod tehničkog objašnjenja, predlog korektivnih mera.
• Ne sme: „kreiranje“ dokaza, „popunjavanje“ rupa u podacima, generisanje fotografija/ilustracija koje izgledaju kao realni događaj.

U praksi, to znači: ako koristite AI za B2B komunikaciju, uvedite obaveznu oznaku u internom procesu: “AI-assisted text” i ljudsku proveru pre slanja.

Kontrola kvaliteta i verifikacija: ista logika, drugi objekat

Industrijska kontrola kvaliteta (QC) i kontrola verodostojnosti informacija rade po istoj logici: detektuj odstupanje, zabeleži, spreči ponavljanje.

U QC svetu odstupanje je ogrebotina, tolerancija, kriva dimenzija. U „info QC“ svetu odstupanje je:

• vizuelni dokaz bez metapodataka
• fotografija koja ne odgovara serijskom broju
• dokument koji nije izvučen iz ERP-a
• izveštaj koji se ne slaže sa SCADA/MES podacima

Primer iz svakodnevice: „lepa slika“ u ponudi

Prodaja često želi da pošalje kupcu „kako će izgledati“ linija, mašina, pakovanje. To je legitimno — ali samo ako je jasno označeno kao render/koncept. Problem nastaje kada koncept počne da se koristi kao dokaz da nešto već postoji ili radi.

Moja preporuka: u ponude i prezentacije uvedite pravilo:

• Sve vizuelno što nije realna fotografija sa lokacije = konceptualna ilustracija.
• Sve realne fotografije = čuvati original + metapodatke u internom sistemu.

Brzi checklist za firme u Srbiji: kako da sprečite „AI incident“

Ako želite praktičan početak u narednih 30 dana, uradite ovo:

1. Mapirajte kritične tačke komunikacije

   • reklamacije, otprema, izveštaji kupcima, ESG, bezbednost na radu.

2. Uvedite obaveznu arhivu originala

   • original fotografije/video pre slanja (bez kompresije u aplikaciji).

3. Standardizujte naziv fajlova i povezivanje sa serijskim brojevima

   • order-12345_batch-77_pallet-3_2026-01-09.jpg

4. Definišite pravila za AI u dokumentima

   • šta sme, šta ne sme, ko odobrava, kako se označava.

5. Postavite internu „info QC“ kontrolu

   • jedna osoba/tim koji proverava ključne dokaze pre nego što odu eksterno.

6. Testirajte incident scenario

   • „Kupac tvrdi da je video dokaz namešten.“ Ko radi šta u prvih 2 sata?

Ovo nije birokratija. Ovo je jeftinije od izgubljenog kupca.

Šta sledi: AI u industriji mora imati upravljanje, ne samo implementaciju

Slučaj viralnih AI sadržaja oko Madura pokazuje koliko je lako da se „realnost“ falsifikuje kada su alati svima dostupni i kada platforme ne reaguju dovoljno brzo. U industriji u Srbiji, rizik se ne zove propaganda — zove se reklamacija, audit, spor, penali i gubitak poverenja.

Ako vaša firma već uvodi AI za optimizaciju proizvodnje, automatizaciju kontrole kvaliteta ili unapređenje izveštavanja, sledeći korak je da uvedete i AI upravljanje (AI governance): pravila, evidenciju, verifikaciju i odgovornost.

Jedna rečenica koju vredi zapamtiti: Ako ne možete da dokažete poreklo informacije, ne možete da je branite.

Ako želite, mogu da vam pomognem da definišete minimalan „info QC“ okvir i procenite gde AI donosi uštedu, a gde uvodi reputacioni rizik. Šta vam je trenutno kritičnije: reklamacije sa kupcima, eksterno izveštavanje ili interna komunikacija između proizvodnje i prodaje?