Mejkers labovi: rasadnik AI kadrova za industriju Srbije

Sedam novih Mejkers labova otvorenih u septembru i oktobru 2025. nije „još jedna vest iz obrazovanja“. To je vrlo konkretan signal da Srbija polako rešava problem koji proizvodne firme osećaju svakog dana: nema dovoljno ljudi koji umeju da spoje teoriju, alat i realan problem — baš onako kako se radi u proizvodnji, održavanju i razvoju proizvoda.

U našoj seriji „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“ uglavnom pričamo o AI u fabrikama: vizuelna kontrola kvaliteta, prediktivno održavanje, planiranje proizvodnje, optimizacija energije, automatizacija izveštavanja. Ali postoji jedna istina koju mnogi preskaču: AI u industriji ne počinje u pogonu, nego u učionici u kojoj se prvi put prototipira, meri, greši i ponavlja. Mejkers lab mreža je upravo to — infrastruktura za talente koji će sutra praviti i održavati industrijske AI sisteme.

Mejkers lab mreža u Srbiji: šta je novo i zašto je bitno

Odgovor prvo: širenje Mejkers labova menja način na koji nastaje buduća radna snaga za industriju, jer učenike uči istom obrascu rada koji postoji u modernoj proizvodnji: problem → prototip → test → iteracija → dokumentovanje.

Tokom septembra i oktobra 2025. otvoreno je 7 novih Mejkers labova, a mreža je stigla do 32 laboratorije širom zemlje, uz plan da se do kraja 2025. otvori još 10. Nove lokacije nisu „samo u velikim centrima“ — od Novog Sada i Beograda do Lajkovca i Guče. Ta geografija je važna: industrija u Srbiji je disperzovana, a isto mora da važi i za talente.

Ono što Mejkers lab čini praktično relevantnim za proizvodnju nije naziv „učionica budućnosti“, nego oprema i metod rada: 3D štampa, Arduino setovi, robotika, elektronika, VR/dronovi, multimedija. To su alati preko kojih se prirodno uvode teme kao što su senzori, prikupljanje podataka, automatizacija, modelovanje procesa i kontrola — a to su temelji za ozbiljniji ulazak u AI u proizvodnji.

Od „učimo gradivo“ do „pravimo stvar“

Većina kompanija ne traži da junior zna sve. Traži da zna da radi u timu, da meri, da dokumentuje i da isporuči prototip koji radi. Mejkers lab okruženje pravi baš tu naviku.

Kad učenik napravi digitalni sat, vozilo koje se upravlja telefonom ili prototip 3D štampanog proizvoda, on zapravo prolazi isti mini-proces kao i inženjerski tim u firmi:

• definisanje zahteva
• izbor komponenti
• sklapanje i test
• iteracija
• prezentacija i „pitch“

To je odlična vest za industriju, jer AI projekti su 70% inženjering i organizacija, a 30% model.

Od 3D štampe do industrijske AI: most koji već postoji

Odgovor prvo: Mejkers labovi su prirodan poligon za veštine bez kojih nema uspešnih AI inicijativa u fabrikama: prikupljanje podataka, razumevanje varijabilnosti, eksperimentisanje i standardizacija.

AI u proizvodnji često zapne na banalnim stvarima: podaci nisu konzistentni, senzori nisu kalibrisani, proces nije stabilan, ne postoje jasne radne instrukcije. Učenici koji rano uče da “hardver laže”, da merenje ima grešku i da sve mora da se ponovi više puta — sutra su ljudi koji brže uvode AI u realan pogon.

Kako projekti iz Mejkers labova liče na industrijske use-case-ove

Evo direktnih paralela koje menadžeri proizvodnje odmah prepoznaju:

1. Robotika i Arduino → automatizacija radnih stanica
   Isti koncepti: senzori, aktuatori, logika upravljanja, sigurnost i pouzdanost.

2. 3D štampa → brzo prototipiranje i izrada alata
   U industriji to često znači pomoćni alat, držač, šablon, test komad ili čak „jig“ koji smanji greške u montaži.

3. VR i multimedija → obuka i standardizacija procesa
   Dobra VR demonstracija ili video instrukcija je često najbrži način da se smanje greške novih radnika i ubrza onboarding.

4. Digitalne platforme (npr. prepoznavanje emocija u sadržaju) → rad sa podacima i modelima
   Čak i kad tema nije industrijska, učenik uči: dataset, metrike, testiranje, pristrasnost.

Ako ste proizvodna firma, ovo treba da čitate kao poruku: talenti se već formiraju, pitanje je da li ćete ih “pokupiti” na vreme.

Šta možemo da naučimo iz 7 novih labova (i kako to preslikati na fabrike)

Odgovor prvo: najveća vrednost novih labova nije oprema, nego model saradnje: škole + lokalna zajednica + kompanije. To je isti obrazac koji uspešno uvodi AI u industriji.

U ovih sedam priča provlače se tri motiva koja su direktno primenljiva na digitalnu transformaciju u B2B okruženju.

1) Donacije i alumni podrška: “brz kapital” za realne veštine

Primer iz Novog Sada (Gimnazija „Isidora Sekulić“) pokazuje koliko alumni mreže mogu da ubrzaju stvari. U industriji je analogija jasna: pilot projekti AI najčešće kreću iz malih budžeta (proof-of-concept) i tek posle dobijaju veliki zamah.

Stav koji radi: počnite skromno, ali tražite merljiv ishod (npr. prototip, standard, obučena grupa, biblioteka šablona).

2) STEAM + preduzetništvo: AI tim nije samo data science

Subotica je naglasila STEAME pristup (nauka, tehnologija, inženjerstvo, umetnost, matematika i preduzetništvo). U praksi, to znači da se podjednako ceni:

• inženjer koji zna proces,
• osoba koja zna da radi sa podacima,
• neko ko zna da objasni i „proda“ rešenje unutar organizacije.

U fabrikama se AI projekti najčešće sruše jer “niko nije vlasnik problema”. STEAME logika razvija tu vlasničku odgovornost.

3) Saradnja sa industrijom: od opreme ka trening centrima

Stara Pazova je posebno zanimljiva zbog saradnje škole i industrije i ambicije da lab bude oslonac budućeg trening centra. To je najbliži model onome što industriji treba u 2026: mikro-akademije za prekvalifikacije (operateri → tehničari, tehničari → specijalisti, specijalisti → lideri).

Ako ste kompanija, ovo je direktan poziv da ne ostanete na nivou „donirali smo opremu“. Veća vrednost je u programu:

• zajednički definisane teme (kvarovi, kvalitet, potrošnja energije)
• mentorski rad
• praksa u realnom okruženju
• zajedničke mini-projekte sa merljivim rezultatima

Jedan Mejkers lab u srednjoj školi je mali trošak. Jedna generacija koja razume podatke i automatizaciju je velika ušteda.

AI u proizvodnji u Srbiji: koje veštine treba graditi već u srednjoj školi

Odgovor prvo: industriji u Srbiji najviše trebaju “hibridni” profili — ljudi koji razumeju proces i podatke, a ne samo kod ili samo mašine.

Evo praktične mape veština koje Mejkers labovi mogu (i treba) da ciljaju ako hoćemo više AI projekata u pogonima:

Osnovni nivo (za sve smerove)

• rad sa podacima: tablice, čišćenje podataka, osnovna statistika
• merenje i senzori: šta je šum, kalibracija, ponovljivost
• dokumentovanje: radne instrukcije, verzije fajlova, kratki izveštaji

Srednji nivo (za tehničke i IT smerove)

• Python osnove + rad sa CSV/JSON podacima
• osnove mašinskog učenja: klasifikacija, regresija, evaluacija
• industrijska komunikacija kao koncept: signali, protokoli, integracija

Napredni nivo (za takmičarske timove i projekte)

• computer vision prototipi (kamera + detekcija defekata)
• prediktivno održavanje na jednostavnom dataset-u (vibracije/temperatura)
• MLOps navike: verzionisanje modela, testiranje, praćenje performansi

Poenta: ne treba svaka škola da pravi data scientiste. Treba da pravi ljude koji znaju kako izgleda realan problem i kako se dolazi do rešenja.

Šta industrijske kompanije mogu da urade već u Q1 2026

Odgovor prvo: najbolji “lead” u ovoj temi nije kontakt forma, nego zajednički projekat koji završite za 6–10 nedelja.

Ako ste direktor proizvodnje, HR ili vlasnik firme, evo pet poteza koji imaju smisla i u Srbiji i u EU B2B kontekstu:

1. Usvojite jednu školu ili jedan Mejkers lab kao partnerski čvor
   Ne morate da pokrivate sve. Jedna dobra saradnja daje više rezultata nego pet površnih.

2. Donesite pravi industrijski problem (bez poverljivih podataka)
   Primeri: detekcija ogrebotine na delu, brojaње komada, predikcija zastoja na osnovu logova.

3. Postavite mini-izazov sa jasnim kriterijumima
   Npr. “tačnost detekcije ≥ 92% na test setu” ili “smanjenje vremena merenja za 30%”.

4. Obezbedite mentore 2 sata nedeljno
   Mentorski kontinuitet je vredniji od jednokratne posete.

5. Nagradite isporuku, ne ideju
   Prototip, video demonstracija, dokumentacija i kratka prezentacija — to je industrijski standard.

Ovaj model radi i kao employer branding, i kao realan kanal za zapošljavanje, i kao priprema za ozbiljnije AI u industriji Srbije projekte.

Gde se ovo uklapa u širu priču o AI transformaciji industrije u Srbiji

Mejkers labovi su dokaz da digitalna transformacija nije „software inicijativa“ nego sistem: ljudi, procesi, oprema, partnerstva. Ako taj sistem postoji u školama, mnogo je lakše da se preslika u proizvodne kompanije.

Sledeći korak je jasan: više zajedničkih projekata škola i firmi, više trening centara, i više „mostova“ između prototipa i pogona. Kada ta veza postane rutina, AI prestaje da bude tema konferencija i postaje deo svakodnevnog rada.

Ako vodite proizvodnju i planirate AI projekte u 2026, razmislite koga ćete imati u timu za 18 meseci. Da li će to biti ljudi koji su već navikli da prave, testiraju i popravljaju? Ili ćete ih tek tada tražiti na tržištu?