AI glumci i AI fabrike: ista debata, veći ulog

Holivud je krajem 2025. dobio novu „zvezdu“: Tilly Norwood, AI-generisanu glumicu sa izgledom dovoljno realističnim da izazove paniku, a ne samo radoznalost. Priča je brzo prešla granice zabave, jer je otvorila pitanje koje će 2026. sve češće stizati i do direktora proizvodnje u Srbiji: ako algoritam može da „odglumi“ ulogu, šta sve može da „odradi“ u fabrici?

Ta debata se često pogrešno vodi kao moralna drama (AI protiv ljudi), umesto kao poslovna odluka (AI kao alat uz jasna pravila). U zabavi se svađamo oko autentičnosti i prava na lik/glas. U industriji, iste teme dobijaju konkretnu cenu: zastoji, škart, reklamacije, energija, bezbednost, izvozna usklađenost. I tu nema mnogo romantike.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“. Krećemo od pop-kulturnog slučaja (AI glumica) da bismo došli do praktičnih lekcija za domaće proizvodne kompanije: gde AI donosi merljiv efekat, gde su rizici, i kako da se postavi sistem koji daje rezultat umesto haosa.

Šta nas Tilly Norwood uči o AI u industriji

Najvažnija lekcija je jednostavna: AI nije „magija“, nego model koji uči na tuđim podacima. U Holivudu je to odmah pokrenulo pitanje: da li je AI treniran na radu glumaca bez dozvole? U industriji je analogija direktna: na čijim podacima trenira vaš model i imate li pravo da ih koristite?

Ako AI u proizvodnji trenirate na:

• snimcima kamera sa linije (kontrola kvaliteta),
• istoriji kvarova i održavanja (prediktivno održavanje),
• ERP/MES podacima (planiranje, OEE),
• podacima dobavljača i logistike (lanac snabdevanja),

…onda pitanje vlasništva i dozvola nije teorija. To je osnov da kasnije ne završite u sporu sa partnerom, integratorom ili radnicima.

„Spremna za ekran“ vs. „spremna za liniju“

Kreatori Tilly su je promovisali kao „spremnu za ekran“. U proizvodnji prečesto čujem sličnu rečenicu: „model je spreman za produkciju“ — a onda krene realnost.

AI sistem je stvarno spreman za proizvodnju tek kada:

1. radi stabilno na realnim ulazima (osvetljenje, prašina, vibracije, promena serija),
2. ima definisan način validacije (test set, monitoring, drift),
3. ima jasne odgovornosti (ko gleda alarme, ko menja pragove),
4. ima plan za kvarove (fallback na ručnu kontrolu, procedure),
5. i, ključno, ima biznis KPI (škart -x%, zastoje -y%, reklamacije -z%).

Holivud je u panici jer se boji zamene. Fabrika treba da bude „u fokusu“ jer se boji nepredvidivosti. To je razlika.

AI u filmovima, AI u fabrikama: isti alati, različite posledice

Vest iz RSS-a pominje da je film The Brutalist koristio AI za poboljšanje akcenta glumaca, uz stav Akademije da AI u postprodukciji neće automatski pomoći ni odmoći nominaciji. To je dobar okvir: AI je alat u procesu, ne automatska presuda.

U industriji je slična podela:

• AI u „postprodukciji“ = analitika nakon proizvodnje (izveštaji, uzroci škarta, analiza reklamacija)
• AI u „produkciji“ = sistemi koji utiču na tok linije (vizuelna inspekcija u realnom vremenu, optimizacija parametara, prediktivno održavanje)

Razlika je u riziku: ako pogrešite u filmu, imate loš kadar. Ako pogrešite u proizvodnji, možete dobiti seriju reklamacija, povlačenje robe ili bezbednosni incident.

Praktičan okvir za odluku: gde AI sme da „dodirne“ proces?

Ako vodite proizvodnju, moj savet je da AI uvodite u 3 zone, tim redom:

1. Zona A (nizak rizik): izveštavanje, pomoć operaterima, pretraga dokumentacije, standardne procedure, automatsko popunjavanje zapisa.
2. Zona B (srednji rizik): preporuke bez automatske akcije (npr. AI predlaže termin servisa, čovek odobrava).
3. Zona C (visok rizik): automatizovane akcije (npr. automatsko izbacivanje komada, automatsko podešavanje parametara). Ovo ide tek kad imate stabilne podatke, robustan monitoring i audit trail.

U praksi, većina srpskih kompanija bi već u Zoni A i B mogla da napravi ozbiljan pomak u 90 dana.

Deepfake i poverenje: zašto je industriji potrebna „AI transparentnost“

U zabavi, AI bendovi i sintetički sadržaj pokreću pitanje: da li publika treba da zna da je nešto AI-generisano? U industriji, odgovor je još stroži: da, i to mora da bude dokumentovano.

Proizvodne firme u Srbiji sve češće rade za EU kupce gde su važni:

• sledljivost (traceability),
• dokaz o kontroli kvaliteta,
• procedure promene procesa,
• standardi (ISO 9001, IATF 16949, ISO 13485, HACCP… zavisno od sektora).

Ako AI učestvuje u kontroli kvaliteta ili odluci o ispravnosti, kupac će (s pravom) pitati:

• Koji je model i koja verzija?
• Kako je treniran i na kojim podacima?
• Ko je odobrio puštanje u rad?
• Kako merite greške: false positive/false negative?
• Šta se dešava kad kamera „oslepi“ ili model „odluta“ (data drift)?

„AI bez transparentnosti stvara brzinu, ali i sumnju. U B2B, sumnja je skuplja od sporijeg procesa.“

Mini-checklista za AI transparentnost u proizvodnji

• Definišite gde se AI koristi (izveštavanje, QC, planiranje, održavanje).
• Vodite evidenciju verzija modela i parametara.
• Uvedite pragove i pravila eskalacije (kada čovek preuzima).
• Uspostavite mesečni pregled performansi (tačnost, drift, incidenti).
• Dokumentujte promene kao promene procesa (ne kao „IT update“).

Ovo nije birokratija radi birokratije. Ovo je način da AI preživi audit i ostane u pogonu.

Od AI podkasta do B2B prodaje: kako AI pomaže srpskim proizvođačima da se bolje prodaju

RSS pominje i AI u podkastima (kloniranje glasova, prevod, automatizacija), uz bojazan da to narušava poverenje. U industriji postoji zdrava verzija iste ideje: AI za komunikaciju, ne za obmanu.

Za srpske proizvodne kompanije koje izvoze ili žele da izvoze, AI može da skrati vreme do ponude i poveća kvalitet materijala:

• generisanje prvih verzija tehničkih opisa proizvoda (uz inženjersku proveru),
• prevod i lokalizacija kataloga i uputstava (uz terminološki rečnik),
• izrada FAQ i onboarding materijala za kupce,
• priprema odgovora na RFQ (Request for Quotation) uz standardizovane šablone,
• brža analiza tender dokumentacije.

Ovo je često najbrži „AI ROI“ jer ne traži kamere, PLC integracije i promene na liniji. Traži disciplinu u dokumentima.

Gde su realne koristi AI u proizvodnji u Srbiji (i kako da krenete)

Realne koristi su najčešće u tri oblasti: kvalitet, održavanje i planiranje. Ne zato što je to „trend“, nego zato što tu već imate podatke i jasne metrike.

1) AI kontrola kvaliteta (computer vision)

Najčešći scenario: kamera + model detekcije grešaka na proizvodu ili ambalaži.

• Korist: manje škarta, stabilniji kvalitet, manje reklamacija.
• Rizik: loši uslovi snimanja i promena serija „razbijaju“ model.
• Prvi korak: napravite dataset od sopstvenih proizvoda (dobre/loše klase) i definišite tolerancije koje kupac prihvata.

2) Prediktivno održavanje

Ako imate podatke o vibracijama, temperaturi, struji motora ili logove zastoja, AI može da prepozna obrazac pre kvara.

• Korist: manje neplaniranih zastoja, bolji plan servisa.
• Rizik: previše lažnih alarma i gubitak poverenja ljudi u sistem.
• Prvi korak: počnite sa 1 kritičnom mašinom i jasnim ciljem (npr. smanjiti neplanirani zastoj 10–15% u 6 meseci).

3) Planiranje i lanac snabdevanja

AI može da poboljša prognozu potražnje, planiranje serija, zalihe i terminiranje proizvodnje, posebno kada imate sezonalnost i više SKU.

• Korist: manje hitnih narudžbina, stabilnija proizvodnja, manje zaliha.
• Rizik: loši ulazni podaci (šifra robe, vremena operacija, BOM) daju „precizno pogrešne“ planove.
• Prvi korak: očistite master podatke i uvedite jedno mesto istine (ERP/MES disciplina).

Najveći mit: „AI će zameniti radnike“

Holivudska panika oko Tilly Norwood zvuči poznato: „ostaćemo bez posla“. U proizvodnji u Srbiji, veći problem je suprotan: nedostatak ljudi i preopterećenje ključnih majstora i tehnologa.

AI najčešće ne zamenjuje tim. On menja raspodelu posla:

• manje ručne kontrole 100% komada,
• više kontrole uzoraka i rešavanja uzroka,
• manje gašenja požara, više preventivnog održavanja,
• manje prepisivanja u Excel, više analize i odluka.

Ako želite da AI „legne“ u pogon, nemojte ga prodavati kao zamenu. Prodajte ga kao stabilizator procesa.

Šta bih uradio u prva 4 nedelje (plan za rukovodioce proizvodnje)

1. Izaberite jedan problem sa cenom: škart, reklamacije, zastoji ili energija. Bez toga AI postaje demonstracija.
2. Definišite metriku i baznu liniju: npr. škart 3,2% u poslednja 3 meseca.
3. Mapirajte podatke: gde su, ko ih unosi, koliko su tačni.
4. Pilot bez heroizma: jedna linija, jedna smena, jedan proizvod.
5. Ugovorite pravila: vlasništvo nad podacima, sigurnost, audit trail.

Ovo je dosadno. I zato radi.

Gde to sve vodi u 2026.

AI glumica je postala simbol rasprave o kreativnosti, pravu i zameni ljudi. U proizvodnji i industriji u Srbiji, ista rasprava dobija praktičan oblik: da li ćemo imati kontrolu nad tehnologijom ili će ona upravljati nama kroz loše podatke, nejasne procedure i nerealna očekivanja.

Ako AI uvodite kao alat sa jasnim metrikama, transparentnošću i odgovornošću, dobićete ono što je industriji najpotrebnije: stabilniji kvalitet, manje zastoja i bržu komunikaciju sa B2B partnerima.

Sledeći put kad čujete vest o deepfake videu ili AI zvezdi, probajte ovu misaonu vežbu: ako bi „Tilly“ sutra ušla u vašu fabriku, da li bi imala podatke i pravila da radi bezbedno? Ako je odgovor „ne“, to je odlična početna tačka za vaš AI plan.