AI i dugoročan rast: lekcije iz projekta Above

U Srbiji se poslednjih godinu dana najbrže širi jedna poslovna navika: kompanije gomilaju alate, a i dalje nemaju jasnu strategiju. Kupuje se softver za planiranje, uvode se chatbotovi, dodaju se senzori na mašine, a KPI-jevi ostaju mutni, odgovornosti nejasne i odluke se i dalje donose „iz stomaka“. Rezultat je predvidiv: skupa digitalizacija bez merljivog efekta.

Zato mi je zanimljiv novi projekat Vlade Kovača, Above — ne zato što je još jedna konferencija ili podkast, već zato što insistira na onome što industriji često fali: kontekst, filtriranje buke i primena znanja u realnom poslovanju. Above je zamišljen kao ekosistem (podkast, konferencija, blog, newsletter) za lidere i kompanije koje jure dugoročan rast, i to kroz balans tehnologije, organizacione kulture i jasne vizije.

U okviru serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“, Above je dobar primer kako bi industrijske firme trebalo da razmišljaju o AI: manje o „trendu“, više o mindsetu i načinu odlučivanja. Jer AI u proizvodnji ne propada zbog modela — propada zbog loše postavljenih ciljeva, loših podataka i slabe promene navika.

Above kao signal: tržište traži suštinu, ne još jedan alat

Poenta Above-a je jednostavna: tehnologija više nije dovoljna. To je stav koji vredi prevesti na industrijski jezik: robotika, ERP, MES, SCADA, AI vizija za kontrolu kvaliteta — sve to može da radi, ali bez liderstva i discipline u odlučivanju neće doneti stabilan rast.

Vladimir Kovač u razgovoru naglašava tri stuba: liderstvo, data-driven odlučivanje i ljudski faktor. Ako vodite proizvodnu firmu, ova tri stuba direktno određuju da li će AI projekat završiti kao pilot na jednoj liniji ili kao standard koji se širi na sve pogone.

„Danas nam nisu potrebni samo programeri, već lideri sa algoritamskim načinom razmišljanja.“

Ova rečenica pogađa u centar. Industrija u Srbiji često kupi rešenje, a onda shvati da niko u firmi ne zna da napiše dobar problem: šta tačno optimizujemo, koji su ulazi/izlazi, ko je vlasnik procesa, kako izgleda „uspeh“ na kraju kvartala.

Zašto je „filtriranje buke“ presudno za AI u industriji

AI scena je preplavljena obećanjima. Danas je to generativna AI, sutra agenti, prekosutra novi standardi. Industrijskim firmama treba filter koji razdvaja:

• šta je spremno za proizvodnju (npr. vizuelna inspekcija defekata, prediktivno održavanje)
• šta je još eksperiment (npr. potpuno autonomno planiranje proizvodnje bez ljudske potvrde)
• šta je uopšte pogrešno postavljeno (npr. „AI će srediti podatke“)

Above se pozicionira baš kao takav filter — kroz razgovore sa relevantnim ljudima, kroz konferenciju i kroz pisani format koji nije samo spisak linkova.

„Algoritamski način razmišljanja“: šta to znači u pogonu

Algoritamsko razmišljanje u industriji znači da se složen problem rastavlja na merljive korake. To nije „IT stvar“, to je menadžerska veština. U praksi izgleda ovako:

1. Definišete cilj (npr. smanjenje škarta na liniji A sa 3,2% na 2,5% za 90 dana)
2. Definišete ulaze (parametri mašine, kvalitet sirovine, temperatura, brzina, operator)
3. Obezbedite podatke (kontinuirano, standardizovano, sa jasnim vlasnikom)
4. Odredite akciju (šta se menja kad model detektuje odstupanje)
5. Uvedete kontrolu promene (ko potpisuje promenu parametara i kada)

Bez ovog reda, AI u proizvodnji postaje skupa tabla sa grafikonima.

Mini-case: kontrola kvaliteta uz AI (realan scenario)

Recimo da firma iz prehrambene industrije izvozi u EU i ima problem sa varijacijom u pakovanju (težina, zaptivanje, vizuelni defekti). Tipičan put koji „radi“:

• Postavite kameru i model za detekciju defekata na kraju linije
• Povežete nalaze sa šaržom, dobavljačem ambalaže i smenom
• Napravite pravilo: kada se defekti povećaju iznad praga, linija automatski usporava, a supervizor dobija incident
• Na nedeljnom nivou radite root cause analizu: da li je uzrok materijal, mašina, podešavanje ili obuka

Ključ nije samo model. Ključ je proces odlučivanja — i tu Above-ov fokus na liderstvo i change management postaje direktno primenljiv.

Konferencije kao „operativni prečica“ za industrijske AI projekte

Dobar događaj štedi mesece lutanja. Ne zato što ćete čuti „nešto novo“, nego zato što ćete videti kako drugi mere uspeh, koje greške prave i koje dobavljače (ili timske profile) biraju.

Above najavljuje konferenciju u Zrenjaninu kao godišnji summit. To je zanimljivo i iz industrijskog ugla: Vojvodina ima snažnu bazu proizvodnih kompanija, logistike i izvoznika. Ako se na takvim mestima formira zajednica koja priča o strategiji (ne samo o alatima), to je dobra vest za celu industriju.

Šta industrijska firma treba da „izvuče“ sa jednog ovakvog skupa

Ako šaljete direktora proizvodnje, kvaliteta ili digitalizacije na konferenciju, nemojte im tražiti beleške. Tražite odgovore na pet pitanja:

• Koji su 3 use-case-a za AI u proizvodnji koji su se pokazali najisplativijim u firmama slične veličine?
• Koji podaci su bili usko grlo (i kako su ga rešili)?
• Kako su postavili ownership: ko je vlasnik modela u radu (IT, proizvodnja, kvalitet)?
• Kako su rešili obuku operatora i prihvatanje promena?
• Kako mere ROI: po liniji, po pogonu, po proizvodu?

Ovo su pitanja koja prave razliku između „imali smo prezentaciju“ i „pokrenuli smo program“.

Newsletter i „znanje koje nije na jedan klik“: zašto je to važno za lead generation

Kovač naglašava da newsletter nije samo agregator linkova, već prostor za thought leadership i ekspertizu koja nije trivijalno dostupna. U industriji to ima posebnu težinu: kupci i partneri ne traže sadržaj — traže smanjenje rizika.

Ako ste dobavljač industrijskim firmama (automatizacija, AI rešenja, senzori, softver), najbrži put do leadova nije agresivna prodaja. To je:

• pokazati da razumete operativne probleme (škart, zastoje, planiranje, audit trag)
• objasniti pristup koji radi (kako se uvodi AI, ko učestvuje, kako se meri)
• dati primer iz regiona (čak i anonimizovan) i brojke koje imaju smisla

Above format (podkast + konferencija + newsletter) je prirodan mehanizam za to. I još važnije: može da posluži kao model industrijskim firmama koje žele da grade autoritet kod EU partnera kroz B2B komunikaciju zasnovanu na podacima.

Praktična matrica: kako da AI inicijative vežete za dugoročan rast

Evo matrice koju koristim kada procenjujem da li AI projekat ima šanse da „preživi“ posle pilota:

• Strategija: Da li je use-case vezan za poslovni cilj (profit, kvalitet, rokovi isporuke), ili je „demo“?
• Podaci: Da li su podaci kontinuirani, standardizovani i dostupni bez ručnog prepisivanja?
• Ljudi: Ko je vlasnik procesa i ko donosi odluku kad model kaže „stop“?
• Promena: Da li su obuka, SOP-ovi i odgovornosti ažurirani?
• Skaliranje: Može li rešenje da se kopira na druge linije/pogone bez „heroja“ koji sve zna?

Ako dve stavke škripaju, projekat će verovatno ostati eksperiment.

„Change management“ je stvarna AI tehnologija u industriji

Najskuplji deo AI transformacije je promena ponašanja. To je deo o kojem se najmanje priča, jer nije „seksi“, ali pravi razliku.

U proizvodnim firmama promena izgleda ovako:

• operatori moraju da veruju signalima sistema
• supervizori moraju da prestanu da „pregovaraju“ sa standardima
• kvalitet mora da dobije bolji audit trag
• IT mora da pređe iz uloge „servisa“ u ulogu partnera proizvodnje

Above eksplicitno postavlja change management uz tehnologiju. Ja bih išao korak dalje: ako nemate plan promene, nemate AI strategiju.

Sledeći korak za industrijske firme u Srbiji

Ako ste u 2026. u industriji i još uvek razmišljate da li vam treba AI, kasnite — ne zato što svi imaju AI, nego zato što se konkurencija već disciplinuje oko podataka, procesa i bržeg odlučivanja. Above je zanimljiv jer podseća na tu disciplinu: vrednosti, liderstvo i data-driven upravljanje, pre nego hype.

Ako želite dugoročan rast, krenite skromno, ali ozbiljno: izaberite jedan proces (kvalitet, održavanje, planiranje), postavite meru uspeha, sredite podatke i uvedite odgovornost. Tek onda birajte modele i dobavljače.

A pitanje koje vredi poneti na sledeći sastanak uprave je ovo: da li u našoj firmi AI koristimo da brže donosimo bolje odluke — ili samo da bismo rekli da ga koristimo?