AI rast iz Srbije: od fabrike do globalnog tržišta

Brojka iz teksta o unlockit konferenciji bode oči: AI proizvod Gamma.app je za manje od dve godine stigao do 100 miliona dolara godišnjeg prihoda sa oko 50 ljudi u timu. To nije priča o „tajnom hacku“, već o disciplini: pametno postavljenom proizvodu, jasnim metrikama i agresivnoj upotrebi automatizacije.

Za proizvodne i industrijske kompanije u Srbiji ovo je važna poruka, čak i ako ne prave SaaS. Ako AI omogućava malom timu da izgradi globalni proizvod, onda može da omogući i srednje velikoj fabrici da prodaje pametnije, planira preciznije i isporučuje pouzdanije na EU tržištu. Problem je što većina firmi AI i dalje posmatra kao „projekat IT-ja“, umesto kao način rada u prodaji, nabavci, kvalitetu i održavanju.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“ i koristi poruke sa unlockit-a (19–20. februar, Beograd) kao odskočnu dasku: šta industrija može da nauči od startapova koji rastu do miliona korisnika — i kako to pretvoriti u konkretne korake za izlazak na globalno tržište.

Globalni rast nije marketing problem — to je sistem

Najbrži put do globalnog tržišta u industriji je stabilan operativni sistem, a tek onda glasnija prodaja. EU kupci (posebno u automobilskoj, mašinskoj i elektro industriji) ne biraju dobavljače zbog lepih brošura, već zbog dokazive pouzdanosti: rokovi, kvalitet, dokumentacija, sljedivost, kontinuitet isporuke.

AI ovde ne služi da „zameni ljude“, već da smanji varijabilnost. U praksi to znači:

• manje iznenađenja u planiranju (AI prognoza potražnje i kapaciteta)
• manje scrap-a (AI detekcija odstupanja u procesu)
• manje zastoja (prediktivno održavanje)
• brže ponude i preciznije kalkulacije (AI podrška prodaji i costingu)

Startap lekcija sa unlockit-a: rast dolazi kad prestaneš da improvizuješ. Industrija to već zna — ali AI omogućava da taj „sistem“ postane brži, jeftiniji i više vođen podacima.

Digitalizacija kao preduslov (i gde većina zapne)

AI ne radi bez urednih podataka. Ako su norme u Excelu, zastoji u svesci, a reklamacije u mail-u, model neće imati šta da „nauči“.

Minimalni paket digitalizacije koji viđam da daje rezultat u 8–12 nedelja:

1. Jedinstveni šifrarnik proizvoda/materijala (ERP/MRP disciplina)
2. Standardizovan razlog zastoja i škarta (kodovi, ne opisne rečenice)
3. Osnovna OEE struktura po liniji/mašini
4. Centralno mesto za dokumentaciju kvaliteta (revizije, verzije)

Tek posle toga AI dobija smisao — i postaje alat za skaliranje.

Lekcija iz „100M ARR sa 50 ljudi“: AI kao multiplikator u timu

Poenta priče o Gamma.app nije da svi treba da prave AI aplikacije. Poenta je da AI menja odnos između output-a i veličine tima. U industriji to izgleda ovako: isti broj ljudi može da opsluži više kupaca, više varijanti proizvoda i strože zahteve kvaliteta.

Gde se to najbrže vidi u proizvodnim firmama?

1) Prodaja i ponude: brže, preciznije, na jeziku kupca

AI može da skrati vreme izrade ponude i tehničkog odgovora na upit (RFQ), posebno kada kupci traže:

• alternative materijala
• dokaz o usaglašenosti (certifikati, standardi)
• istoriju sličnih projekata
• realne rokove isporuke

Praktičan pristup: napravite internu bazu znanja (ponude, tehnički listovi, reklamacije, CAPA) i koristite AI kao asistenta da:

• pronađe relevantne reference
• predloži strukturu odgovora
• upozori na tipične rizike iz ranijih projekata

To je „skaliranje bez velikog tima“ prevedeno na industrijski jezik.

2) Planiranje i nabavka: manje hitnih nabavki, više kontrole

U industriji se profit često izgubi u „sitnicama“: hitna isporuka, dodatna smena, preplaćen repromaterijal, penali zbog kašnjenja.

AI u planiranju radi dve stvari koje ljudima teško idu u kontinuitetu:

• uočava obrasce (sezonalnost, tipični zastoji, dobavljači koji kasne)
• simulira scenarije (šta ako poraste porudžbina 15%? šta ako kasni alat?)

Rezultat nije magija, nego manje vatrogasnih intervencija i stabilniji cashflow.

Od startapa do 5 miliona korisnika: industriji treba „organizacija za faze rasta“

Priča o Dstny-ju (rast od startapa do miliona korisnika) podseća na jednu realnost: kako firma raste, menjaju se ljudi, procesi i način odlučivanja. U proizvodnji je to još izraženije jer rast donosi:

• više SKU-ova i varijanti
• više zahteva kupaca (audit, PPAP/FAI, traceability)
• veći pritisak na rokove

AI tu pomaže, ali samo ako firma promeni i upravljanje.

„Growth track“ za fabrike: tri operativne odluke

Ako ste u fazi da želite više izvoza ili rad sa zahtevnijim EU kupcima, tri odluke prave najveću razliku:

1. Vlasništvo nad podacima: ko je odgovoran za tačnost proizvodnih podataka (ne „IT“)?
2. Standard rada: da li imate standarde koje AI može da prati i optimizuje, ili sve zavisi od smene?
3. Brzina učenja: da li posle reklamacije menjate proces ili samo „ugasite požar“?

Startapovi koji rastu brzo imaju brutalnu disciplinu oko treće tačke: svaka greška postaje input za sistem. Industrija često stane na „analizirali smo“.

Brend sa smislom: zašto je industrijski marketing najčešće pogrešno postavljen

Nina Lalić na unlockit-u govori o brendu koji ima emociju, ne samo metrike. U B2B industriji to zvuči kao luksuz — ali nije.

Industrijski brend nije slogan. Brend je osećaj rizika kod kupca. Ako kupac veruje da ćete isporučiti na vreme, pratiti promene crteža, reagovati na reklamaciju i držati kvalitet, vi imate brend.

AI ovde daje dve praktične poluge:

• konzistentnost komunikacije: strukturisani odgovori, jasni izveštaji, standardizovana dokumentacija
• dokazivost: dashboard-i kvaliteta i isporuke, trendovi, transparentnost

Ako želite jači nastup na globalnom tržištu, bolji sajt i LinkedIn nisu dovoljno. Kupac želi signal da ste „operativno ozbiljni“. AI vam pomaže da taj signal pokažete kroz podatke.

Lokalni talenat i hardver: zašto je to važna vest za Srbiju

Priča Miloša Trajkovića i Tenstorrenta je dobar podsetnik: Srbija nije samo outsourcing — ovde se grade timovi i za AI hardver, jednu od najtežih disciplina današnjice.

Za industrijske kompanije to znači dve stvari:

1. Talenat postoji, ali ga morate vezati za realne probleme (kvalitet, energija, održavanje), ne za „AI pilot radi pilota“.
2. Ako se AI ekosistem širi (softver + hardver), sve je lakše uraditi lokalno: od PoC-a do integracije na liniji.

U februaru 2026. mnoge firme planiraju budžete i ciljeve za godinu. Moj stav: ako u 2026. nemate makar jedan AI use case u proizvodnji ili lancu snabdevanja koji ide u produkciju, zaostajaćete u trošku i brzini.

Praktičan plan: 90 dana do AI inicijative koja donosi rezultat

Najbolji način da AI u industriji donese vrednost je da ga vežete za KPI koji već pratite. Evo plana koji radi u praksi, bez “velike transformacije” na papiru.

Prvih 30 dana: izaberite use case koji boli

Birajte problem koji ima novčani trag i dovoljno podataka:

• reklamacije (Pareto uzroka + predikcija)
• zastoji (prediktivno održavanje ili analiza razloga)
• scrap (detekcija odstupanja parametara)
• planiranje (prognoza i optimizacija zaliha)

Definišite:

• cilj (npr. -10% zastoja na liniji X)
• vlasnika (operativa, ne samo IT)
• izvor podataka

31–60 dana: sredite podatke i napravite „model odluke“

Ne jurite savršenstvo. Treba vam:

• jasna definicija događaja (šta je zastoj? šta je defekt?)
• osnovno čišćenje podataka
• jednostavan dashboard + pravila odlučivanja

AI bez pravila odlučivanja je samo lep grafikon.

61–90 dana: pilot u realnom procesu, pa standardizacija

Uvedite pilot na jednoj liniji/mašini ili jednoj grupi proizvoda.

Merite pre/posle i standardizujte:

• ko gleda signal
• kada se reaguje
• kako se beleži ishod

Ako pilot ne promeni ponašanje na terenu, nije uspeo — čak i da je model „tačan“.

Snippet za poneti: AI projekat je uspešan tek kad promeni odluku, ne kad napravi predikciju.

Gde unlockit uklapa industriju (i kako da izvučete maksimum)

Unlockit (19–20. februar, Beograd) je prvenstveno tech/growth konferencija, ali industriji je korisna iz jednog razloga: donosi mentalne modele rasta i realne priče o egzekuciji, brzini učenja i organizaciji.

Ako dolazite iz proizvodnje, idite sa tri pitanja:

1. Koji deo našeg poslovanja može da postane „AI-assistovan“ već ove godine?
2. Koje odluke danas donosimo sporo jer nemamo podatke na jednom mestu?
3. Šta bi za kupca bio najuverljiviji dokaz da smo pouzdan dobavljač?

To su pitanja koja povezuju AI, globalno tržište i održiv biznis — bez velikih fraza.

Sledeći korak: AI kao alat za izvoz, ne kao eksperiment

Ako ovaj serijal ima jednu poruku, onda je to ova: veštačka inteligencija u proizvodnji i industriji u Srbiji nije „trend“, već metoda da budete konkurentni na globalnom tržištu. Pobednici neće biti firme koje su „uvele AI“, nego firme koje su ubrzale učenje, smanjile varijabilnost i dokazale pouzdanost kroz podatke.

Ako planirate rast u 2026, izaberite jedan proces (kvalitet, održavanje, planiranje ili prodaja), postavite KPI i uvedite AI tako da ljudi na terenu zaista menjaju ponašanje. To je put od lokalnog dobavljača do globalnog partnera.

Koji proces u vašoj firmi bi doneo najveću korist kada bi odluke bile 30% brže i 10% tačnije — i ko je prava osoba da ga „poseduje“?