AI rast iz Srbije: lekcije za industriju i izvoz

Februar je mesec kada se u Beogradu tradicionalno “sabira” tehnološka scena: planovi za godinu se zaključavaju, budžeti se prelamaju, a timovi biraju šta će graditi. Ove godine jedna stvar je posebno jasna: globalno tržište se neće osvojiti samo dobrim proizvodom, već disciplinom u egzekuciji i pametnom primenom veštačke inteligencije u stvarnim procesima.

Zato je unlockit konferencija (19–20. februar, Beograd) zanimljiva i ljudima van klasičnog startap mehura. Ako vodite proizvodnu firmu, industrijsku kompaniju, ili B2B tim koji prodaje u EU, priče o skaliranju AI proizvoda, rastu prihoda i organizaciji timova imaju direktnu primenu. AI u proizvodnji u Srbiji neće uspeti na prezentacijama; uspeće na liniji, u planiranju, u nabavci i u prodajnom levku.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“ i koristi unlockit kao povod da izvuče ono što industriji najviše treba: konkretne obrasce rasta, metrike i operativne poteze koji pomažu da srpske kompanije budu pouzdanije, brže i vidljivije evropskim partnerima.

Zašto je „milion korisnika“ važan i industriji

Milion korisnika nije startap fetiš; to je signal da je sistem skalabilan. A industriji je skalabilnost večita tema: kako povećati obim bez proporcionalnog rasta troškova, ljudi i grešaka.

U proizvodnji i industrijskim B2B firmama taj „milion korisnika“ često izgleda drugačije:

• 200 aktivnih kupaca u EU sa ponovljenim narudžbinama
• 20 ključnih partnera u lancu snabdevanja koji dele podatke u realnom vremenu
• 10 fabrika koje standardizuju kontrolu kvaliteta i izveštavanje

Poenta je ista: rast traži ponovljiv proces. Veštačka inteligencija danas najviše vredi tamo gde procesu daje tri stvari: brzinu, tačnost i predvidljivost.

AI kao „multiplikator procesa“, ne kao projekat

Najčešća greška koju viđam u firmama: AI se tretira kao izolovan projekat („uradimo pilot“), a ne kao deo operativnog sistema. Industrijski pristup je obrnuto: definišete proces i metriku, pa onda birate model, podatke i automatizacije.

Ako ste u industriji, razmišljajte ovako:

1. Koji proces najviše košta kada greši? (kvalitet, zastojevi, reklamacije, pogrešna nabavka)
2. Koja odluka kasni jer podaci kasne? (planiranje proizvodnje, terminiranje, logistika)
3. Koja komunikacija jede sate? (B2B ponude, tehnička dokumentacija, usklađivanje specifikacija)

unlockit je dobar trenutak da se ove teme stave na sto bez marketing magle.

Lekcija iz rasta Gamma.app: brz prihod bez ogromnog tima

Brz rast prihoda bez armije ljudi nije magija; to je fokus na proizvod, kanale i automatizaciju. Na unlockit-u govori Raviš Agraval iz Gamma.app, startapa koji je, prema najavi konferencije, za manje od dve godine došao do preko 100 miliona dolara godišnjeg prihoda sa timom od oko 50 ljudi.

To je važna poruka za Srbiju, posebno za industriju: nećete uvek naći (niti platiti) 200 novih ljudi. Ali možete izgraditi sistem gde AI preuzima rutinu, a ljudi rade odluke.

Šta industrija može da „pozajmi“ iz ovog modela

1) Produktizujte znanje koje već imate. U proizvodnim firmama znanje je često „u glavama“ tehnologa, kontrolora kvaliteta i planera. AI može pomoći da se to znanje pretvori u:

• standardne radne instrukcije koje se automatski ažuriraju
• brže obuke (mikro-uputstva, vizuelni vodiči)
• interne asistente za procedure, norme i reklamacije

2) Automatizujte izveštavanje pre nego što automatizujete sve ostalo. Ako izveštaji kasne 7 dana, vi upravljate firmom iz retrovizora. Generativna AI + dobra struktura podataka mogu skratiti ciklus:

• dnevni kvalitet (scrap, rework) po liniji
• OEE/iskorišćenje po smeni
• status narudžbina i kašnjenja prema kupcima

3) Merite ono što utiče na cash flow. Startapi opsesivno prate metrike. Industrija ponekad prati previše, ali bez veze sa odlukama. Odaberite 5–7 metrika koje direktno vezuju AI inicijative za rezultat: reklamacije, lead time, tačnost planiranja, zastojevi, vreme odgovora na upit, stopa konverzije ponuda.

Jedna rečenica koja vredi da se zapamti: AI projekat koji ne smanjuje grešku ili vreme ciklusa, nije industrijski projekat.

Od 2008. do 5 miliona korisnika: kako se menja organizacija

Skaliranje je promena načina rada, ne samo veći obim. Daan de Wever (Dstny) donosi priču o rastu kompanije od startapa pokrenutog 2008. do evropskog lidera sa više od 5 miliona poslovnih korisnika.

Za industrijske i proizvodne firme ovo je posebno relevantno jer mnoge kompanije u Srbiji već jesu „zrele“ po stažu, ali im nedostaje savremeni model organizacije za digitalno doba.

Tri promene koje industrija mora da proguta

1) Od heroja do sistema. Ako jedan planer „drži fabriku“, vi nemate proces nego zavisnost. AI pomaže, ali prvo morate standardizovati ulaze: šifre, norme, rute, definicije grešaka.

2) Od projekata do proizvoda. Industrija često radi „implementacije“. Ali dugoročno, uspešniji je pristup „internog proizvoda“: npr. platforma za kvalitet ili sistem za prediktivno održavanje koji se iterira svake 2–4 nedelje.

3) Od lokalne optimizacije do end-to-end lanca. AI u lancu snabdevanja nije samo bolja nabavka. To je koordinacija prognoze potražnje, proizvodnje, logistike i komunikacije sa kupcem.

Ako iz unlockit priče izvučete samo jednu stvar, neka bude ova: organizacija mora da prati kompleksnost rasta, inače AI samo ubrzava haos.

Brend, prodaja i EU partneri: zašto „smisao“ pobeđuje metrike

B2B kupci u Evropi ne kupuju samo cenu i specifikaciju; kupuju sigurnost. Nina Lalić (Brief Agency), koja je radila sa globalnim brendovima, priča o brendu koji ima emociju i smisao, a ne samo dobre metrike.

Industriji to zvuči “mekano”, ali u praksi je brutalno konkretno. Kada vas evropski partner procenjuje, on traži odgovore na tri pitanja:

• Da li ćete isporučiti ono što ste obećali?
• Da li ćete reagovati kad nešto pođe po zlu?
• Da li ste stabilni dugoročno?

Kako AI pomaže B2B komunikaciji (bez jeftinog marketinga)

Generativna AI može ozbiljno da popravi industrijsku prodaju ako se koristi disciplinovano:

• Ponude i tehnički odgovori: brži odgovor na RFQ/RFP uz standardizovane šablone i proveru od inženjera
• Dokumentacija: automatsko sažimanje specifikacija, prevodi, usklađivanje terminologije
• Account management: „next-step“ rezimei sastanaka, evidencija rizika, planovi isporuke

Ali postoji uslov: morate hraniti AI tačnim internim podacima (katalog, sertifikati, tolerancije, rokovi, istorija reklamacija). Bez toga, dobijate lep tekst koji pravi realnu štetu.

Investitorska perspektiva (Antler, a16z): šta u praksi prolazi

Investitori ne finansiraju ideje; finansiraju brzinu učenja i egzekuciju. Prema najavi konferencije, na unlockit dolaze i VC fondovi Antler i a16z (sa upravljanjem sredstava većim od 2 milijarde dolara), da govore o razlikama između timova koji dobijaju investiciju i onih koji ostanu ispod radara.

Industriji ovo može delovati daleko, ali kriterijumi su korisni čak i ako ne tražite VC:

• da li imate jasnu strategiju (šta ne radite je jednako važno)
• koliko brzo testirate pretpostavke (npr. novi proizvod, novo tržište, novi kanal)
• da li je tim sposoban da izdrži operativni pritisak

Industrijski „VC test“ za AI inicijative

Ako želite brzu internu validaciju, postavite sebi ova pitanja:

1. Koji je poslovni KPI koji AI poboljšava (u procentima i roku)?
2. Ko je vlasnik procesa (ime i prezime), ne “IT”?
3. Koji podaci su potrebni i gde su danas (ERP, MES, Excel, papiri)?
4. Kako izgleda kontrola kvaliteta modela (drift, audit, trag odluke)?
5. Šta je minimalna verzija koja radi u 30 dana?

Ovaj okvir je jednostavan, ali nemilosrdan. I zato radi.

Lokalni talenat i globalni hardver: zašto je to bitno za fabrike

AI nije samo softver; hardver i infrastruktura postaju strateški. Miloš Trajković (Tenstorrent) govori o izgradnji globalne tehnološke kompanije u jednoj od najzahtevnijih industrija i o skaliranju AI hardverskih timova iz više geografija, uključujući Srbiju.

Za proizvodne kompanije u Srbiji to znači dve stvari:

• Biće sve više dostupnog znanja i kadra za edge AI (AI na uređaju), industrijske kamere, senzore i lokalnu obradu podataka.
• Partneri u EU će tražiti veću sigurnost i kontrolu: gde se podaci obrađuju, kako se čuva IP, kako se ispunjavaju zahtevi usklađenosti.

Gde je industrijska korist odmah vidljiva

Ako tražite „prvi sledeći korak“ koji ima smisla, tri oblasti daju rezultate brže od većine:

• Kontrola kvaliteta uz računalni vid (detekcija defekata, klasifikacija, tragljivost)
• Prediktivno održavanje (vibracije, temperature, anomalije)
• Planiranje i lanac snabdevanja (prognoze potražnje, optimizacija zaliha, terminiranje)

To su i teme koje se prirodno uklapaju u širi narativ serijala: AI transformacija proizvodnje u Srbiji je najubedljivija kad se vidi na liniji i na bilansu.

Šta da uradite narednih 30 dana (i kako unlockit pomaže)

Najbolji momenat za AI u industriji je kad imate problem koji vas boli svake nedelje. Ako planirate da iskoristite momentum oko unlockit-a, predlažem jednostavan plan od 30 dana:

1. Izaberite jedan proces (kvalitet, planiranje, reklamacije ili B2B ponude).
2. Definišite jednu metriku i cilj (npr. „smanjiti reklamacije 15% u 90 dana“ ili „prepoloviti vreme odgovora na RFQ“).
3. Popišite podatke koje imate i rupe u podacima.
4. Napravite minimalni pilot koji radi u realnom okruženju (ne samo na laptopu).
5. Uvedite nedeljni ritam: rezultat, greške, korekcije.

unlockit format (Growth i Inspiration track, plus radionice 20. februara) ima smisla upravo zato što gura razgovor sa „šta je moguće“ na „šta konkretno radi“.

Ako želite detalje o programu i prijavi: www.unlockit.org

Gde sve ovo vodi srpsku industriju u 2026.

Srpske firme koje 2026. pobede biće one koje AI koriste da postanu pouzdaniji dobavljači i brži partneri. To nije futurizam. To je operativa: manje grešaka, bolja predvidljivost, kraći lead time, jasnija B2B komunikacija sa evropskim kupcima.

unlockit je dobar podsetnik da rast nije stvar motivacije nego sistema. A sistem se gradi kroz procese, metrike, podatke i ljude koji imaju mandat da menjaju način rada.

Koji je jedan proces u vašoj proizvodnji ili B2B prodaji gde biste već ovog kvartala mogli da kažete: „ovde AI mora da smanji vreme ili grešku“—i da to stvarno izmerite?