AI edukacija za IT: put do industrije u Srbiji

Prema proceni Svetskog ekonomskog foruma, gotovo svi današnji IT poslovi će se u narednih pet godina ili drastično promeniti ili nestati. To nije naslov za paniku — to je signal za plan. Ko ga shvati ozbiljno, biće onaj koji postavlja standarde u firmi. Ko ga ignoriše, radiće “isto kao pre” dok tržište ne odluči drugačije.

Zato mi je vest da Startit tokom 2026. pokreće AI Hub sa preko 100 besplatnih edukativnih događaja u Beogradu i Novom Sadu važnija nego što na prvi pogled izgleda. Nije to samo prilika da IT zajednica nauči novi alat. To je šansa da se napravi preokret: da se srpsko znanje iz uslužnog IT-a prevede u konkretne AI primene u proizvodnji i industriji — tamo gde se meri kvalitet, škart, vreme zastoja i isporuka.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“ i fokusira se na praktično pitanje: kako AI edukacija pomaže IT ljudima (i firmama koje ih angažuju) da postanu ključni učesnici industrijske transformacije, a ne kolateralna šteta automatizacije.

Zašto se IT poslovi ne „gase“ — već sele u AI-proces

Ključna stvar je jednostavna: AI ne zamenjuje “IT” kao oblast, već zamenjuje delove posla koji su repetitivni, predvidivi i lako merljivi. To su često baš oni zadaci na kojima je rastao veliki deo uslužnog IT tržišta.

U RSS tekstu se navodi još jedna bitna činjenica: domaći IT izvoz i dalje raste, ali je otvaranje novih radnih mesta godinama u padu, uz očekivanja novih talasa otpuštanja u 2026. To je tipičan obrazac kada produktivnost raste brže od potrebe za novim ljudima.

Šta to znači u praksi?

• Junior/medior zadaci koji se svode na “spajanje” poznatih obrazaca biće sve više automatizovani.
• Biće veća potražnja za ljudima koji umeju da postave sistem: podatke, metrike, evaluaciju modela, rizike, procese u proizvodnji.
• Najtraženiji profil postaje „AI + domen“. U industriji to znači: AI + kvalitet, AI + održavanje, AI + planiranje proizvodnje, AI + nabavka.

Ako umete da objasnite kako AI utiče na OEE, škart i zastoje — vaša vrednost na tržištu naglo raste.

AI edukacija kao najbrži „most“ do proizvodnje

Startit AI Hub (100+ besplatnih događaja tokom 2026) ima jednu stratešku prednost: masovno spušta barijeru ulaska. To je važno jer industrijske firme u Srbiji retko pate od manjka ideja; češće pate od manjka ljudi koji mogu ideju da pretvore u stabilan sistem.

Šta industriji zapravo treba od AI-a

Industrijske kompanije obično ne traže “chatbot”. Traže tri stvari:

1. Manje zastoja (downtime) – prediktivno održavanje, detekcija anomalija.
2. Manje škarta – vizuelna kontrola kvaliteta, klasifikacija grešaka.
3. Bolje planiranje – prognoza potražnje, optimizacija rasporeda, lanac snabdevanja.

A tu se IT-jevci često spotaknu: kreću od modela, umesto od problema. Edukacije koje su dobro dizajnirane rade obrnuto — uče vas da prvo postavite proces i meru uspeha.

Primer 1: AI kontrola kvaliteta bez “naučne fantastike”

Realističan scenario u proizvodnji:

• Kamera snima proizvod na traci.
• Model označava defekt (npr. ogrebotina, nepravilna ivica, loš print).
• Operater dobija objašnjenje i predlog akcije.
• Sistem beleži sve u bazu i generiše izveštaj za šefa smene.

Ovo nije “magična” AI priča. Ovo je projekat koji traži:

• dobar dataset (slike + etikete),
• standardizaciju osvetljenja i ugla,
• definiciju tolerancija,
• test protokol (preciznost, odziv, lažno pozitivni),
• integraciju sa postojećim MES/SCADA ili makar reporting-om.

To je posao za tim koji razume i softver i proces. Zato je AI edukacija ulaznica, ali domen (proizvodnja) je multiplikator.

Kako IT stručnjaci postaju „AI operativci“ industrije

Najbrži put do relevantnosti nije da naučite 30 alata. Najbrži put je da znate da vodite AI inicijativu kroz fabriku — od pilota do standarda.

Veštine koje se traže u 2026 (u industrijskom kontekstu)

Ako biste morali da birate, ja bih stavio fokus na sledeće:

• Data pismenost u proizvodnji: senzori, šum, missing vrednosti, vremenske serije.
• MLOps i pouzdanost: verzionisanje modela, monitoring, drift, rollback.
• Evaluacija i metrike: šta je “dobro” u proizvodnji (npr. smanjenje škarta za 2% može biti ogroman novac).
• Proces i promene: uvođenje AI-a znači promenu rada ljudi, ne samo instalaciju softvera.

Ovo su veštine koje imaju direktnu vrednost i u B2B okruženju, jer evropski kupci sve češće traže dokaz o stabilnosti procesa, sledljivosti i kvalitetu.

Mini-plan za 90 dana (za pojedinca ili mali tim)

Ako želite da iskoristite AI edukacije pametno, držite se ovog okvira:

1. Dani 1–15: izaberite jedan industrijski use case (kvalitet, održavanje ili planiranje). Definišite KPI (škart %, downtime, lead time).
2. Dani 16–45: rad na podacima: čišćenje, osnovne analize, baseline model (ne mora biti “najbolji”).
3. Dani 46–75: prototip integracije: dashboard, alerting, izveštaj po smeni.
4. Dani 76–90: test protokol + poslovni proračun (koliko to vredi u dinarima/evrima).

Ovaj plan pravi razliku između “znam AI” i “znam da isporučim AI u pogonu”.

B2B komunikacija: gde AI daje brze pobede

Industrija u Srbiji često radi kao dobavljač ili podizvođač evropskim partnerima. Tu AI donosi vrednost na dva fronta: u pogonu i u komunikaciji.

AI u B2B komunikaciji nije samo generisanje teksta. Najkorisniji deo je automatizacija znanja i dokumentacije:

• automatsko generisanje izveštaja o kvalitetu (po seriji, po smeni),
• sažeci reklamacija i korektivnih mera (CAPA) za kupce,
• prevođenje i standardizacija tehničke dokumentacije,
• brža priprema ponuda i tehničkih specifikacija.

Ako ste IT stručnjak, ovo je često lakši ulazak u industrijsku firmu nego “veliki” projekti na traci. Krenete od dokumentacije i reporting-a, a zatim pređete na podatke iz procesa.

U praksi, firme koje prvo srede izveštavanje brže dobiju poverenje da uvedu AI i u kontrolu kvaliteta.

Kako kompanije u Srbiji treba da organizuju AI reskilling

Ono što mi se dopada kod ideje poput AI Hub-a jeste fokus na zajednicu i kontinuitet. Ali za kompanije je ključna unutrašnja organizacija. Reskilling propada kada se svede na “pošaljemo dvoje ljudi na kurs i očekujemo čudo”.

Model koji radi (i u proizvodnim firmama)

• AI šampion u firmi (1 osoba): vodi backlog use case-ova, priča sa proizvodnjom, meri KPI.
• Podrška IT/data (2–3 osobe): podaci, integracije, sigurnost.
• Partner iz proizvodnje (1–2 osobe): definicija standarda kvaliteta i realnih tolerancija.

Uz to, postavite jasna pravila:

• Pilot mora imati KPI, rok i vlasnika.
• Ako nema podatke — prvo se radi data pipeline, ne model.
• Ako nema akciju — model je “demo”, ne sistem.

Ovo je direktno povezano sa porukom iz RSS teksta: uslužni IT je ugrožen jer AI automatizuje rutinu. Industrija je prilika jer nagrađuje operativnu vrednost, ne “broj sati”.

Gde početi već ove nedelje

Ako ste IT profesionalac, Startit-ov program (100+ besplatnih događaja tokom 2026 u Beogradu i Novom Sadu) je dobar povod da napravite lični plan. Ako ste menadžer u industriji, ovo je trenutak da identifikujete ljude koji mogu da postanu nosioci promena.

Tri praktična koraka koja bih uradio odmah:

1. Popišite 10 tačaka bola u proizvodnji (škart, zastoji, ručni unos, reklamacije).
2. Izaberite jednu koja ima podatke (ili koja može da dobije podatke u 30 dana).
3. Napravite minimalni AI pilot koji daje izveštaj ili alert, pa tek onda “pamet”.

AI edukacija ima smisla samo ako je vezana za realan problem. U suprotnom, ostaje na nivou inspiracije.

A ako je vezana za problem? Onda se dešava ono što želimo u ovom serijalu: veštačka inteligencija postaje praktičan alat koji transformiše proizvodnju i industriju u Srbiji, a IT stručnjaci postaju ljudi koji tu transformaciju sprovode.

Sledeće pitanje je najvažnije: koji proces u vašoj firmi je dovoljno bitan da ga merite svaki dan — i dovoljno haotičan da ga AI dovede u red?