AI i programeri: šta to znači za fabrike u Srbiji

Prošle godine je rečenica „programeri nestaju za 12 meseci“ postala viralna jer zvuči kao pretnja — i kao obećanje. U praksi, istina je mnogo prizemnija: nestaju samo određeni tipovi zadataka, a ne ljudi. To je važna razlika za industriju u Srbiji, jer isti obrazac već gledamo u proizvodnji: automatizuju se ponavljajući poslovi, a ljudi prelaze na nadzor, optimizaciju i donošenje odluka.

Problem je što većina proizvodnih firmi ovu temu čuje kroz IT tračeve (AI piše kod) i zaključi: „To nema veze s nama.“ Ima. Ako AI može da preuzme deo posla programera, može da preuzme i deo posla u planiranju proizvodnje, kontroli kvaliteta, održavanju i izveštavanju. I to je upravo nit koja povezuje ovaj tekst sa serijalom Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji.

Ovaj post koristi jednu provokativnu ideju iz tech sveta kao odskočnu dasku: šta se zapravo automatizuje, gde nastaje nova vrednost i kako da B2B proizvodne kompanije u Srbiji to pretvore u prednost — bez fantazija i bez panike.

„AI zamenjuje programere“ je pogrešno pitanje

Tačnije pitanje je: koje delove posla AI preuzima, a koje pojačava? U programiranju se već vidi šablon: modeli dobro rade na šablonskim zadacima (boilerplate kod, testovi, refaktorisanje, dokumentacija), ali ne nose odgovornost za arhitekturu, bezbednost, poslovnu logiku i rizike.

Ista logika važi u industriji. AI je jak kada:

• postoji mnogo podataka (slike sa kamera, senzori, istorija kvarova)
• zadatak se ponavlja (vizuelna kontrola, klasifikacija, predikcija)
• cilj se može meriti (škart %, OEE, vreme zastoja, potrošnja energije)

AI je slab kada:

• proces nije standardizovan (svaka smena radi „po osećaju“)
• podaci su prljavi ili ne postoje
• posledice greške su skupe, a nema jasne odgovornosti

Jedna rečenica za direktore proizvodnje: AI nije zamena za tim, već zamena za „ručnu obradu“ informacija.

Šta ovaj trend znači za industrijsku automatizaciju u Srbiji

Najveća promena nije u robotima, nego u odlučivanju. Industrijska automatizacija u Srbiji je dugo bila fokusirana na PLC/SCADA i mehaniku: „da linija radi“. AI dodaje sloj iznad toga: „da linija radi optimalno“.

U praksi, to izgleda kao premeštanje dela posla iz kancelarije i kontrole kvaliteta u modele koji rade 24/7.

Od „digitalizacije“ do AI optimizacije

Mnoge firme su u fazi digitalizacije: ERP, MES, bar-kodovi, izveštaji. To je dobar start, ali često ostane na nivou administracije.

AI ulazi kad imate tri stvari:

1. stabilan tok podataka (senzori, proizvodni parametri, QA rezultati)
2. jasnu metriku uspeha (npr. škart, zastoj, vreme ciklusa)
3. vlasnika procesa (ko odlučuje šta se menja)

Odatle dolaze najbrži dobici: manje otpada, manje zastoja, brže uočavanje anomalija.

„AI u programiranju“ kao šablon za „AI u proizvodnji“

Ako AI alat piše 30–60% šablonskog koda, programer dobija vreme za ono što donosi novac: dizajn rešenja, integracije, bezbednost, rad sa korisnicima.

U fabrici je analogija jasna:

• ako AI preuzme 50% vizuelne kontrole, kontrolor kvaliteta dobija vreme za analizu uzroka i prevenciju
• ako AI najavi kvar 7–14 dana ranije, održavanje prelazi sa gašenja požara na planirane intervencije
• ako AI predloži optimizaciju parametara, tehnolog se bavi stabilnošću procesa, a ne ručnim traženjem „zlatne sredine“

Tri najpraktičnije AI primene u proizvodnji (sa primerima)

Ako želite rezultate u 90–180 dana, ovo su tri use-case-a koja najčešće prolaze kroz budžet i realnost pogona.

1) AI kontrola kvaliteta (computer vision)

Odgovor prvo: AI vizuelna kontrola radi najbolje tamo gde je škart skup, a greške su vidljive na slici.

Kamere i modeli za detekciju defekata se koriste za:

• ogrebotine, pukotine, deformacije
• pogrešno montirane komponente
• greške u štampi/etiketi (uz OCR)
• proveru kompletnosti pakovanja

Praktičan scenario u Srbiji: linija sa 2–3 tačke kontrole, gde ljudi ne stižu da pregledaju 100% komada. AI može da uradi 100% screening, a čovek radi validaciju „sivih zona“ i uzročne analize.

Šta meri uspeh: smanjenje škarta, smanjenje reklamacija, brže puštanje serija.

2) Prediktivno održavanje (anomalije i kvarovi)

Odgovor prvo: Prediktivno održavanje se isplati kad imate istoriju zastoja i bar osnovne senzore (vibracije, temperatura, struja motora).

Najčešći početak nije „AI svuda“, nego jedan kritičan sklop:

• kompresori
• ležajevi i motori
• pumpne stanice
• CNC vretena

AI modeli ne „pogađaju budućnost“, nego hvataju odstupanja od normalnog rada i povezuju ih sa poznatim obrascima kvarova.

Šta meri uspeh: manje neplaniranih zastoja, bolja dostupnost opreme, manje hitnih nabavki.

3) Planiranje proizvodnje i lanac snabdevanja

Odgovor prvo: AI u planiranju donosi vrednost kad imate previše promenljivih da bi Excel ostao tačan.

U realnosti, planiranje u mnogim firmama je ručno balansiranje:

• kapaciteti mašina
• smene i ljudi
• rokovi kupaca
• dostupnost materijala

AI može da predlaže rasporede i scenarije („šta ako kasni isporuka“, „šta ako pukne mašina“) i da optimizuje ciljeve poput ukupnog kašnjenja ili broja prebacivanja alata.

Šta meri uspeh: veća isporučivost, manje ekspediterskih troškova, manje zaliha u pogonu.

„Ako AI piše kod, zašto mi uopšte trebaju programeri?“

Odgovor prvo: Trebaće vam manje ljudi za ručno kucanje, a više ljudi za integraciju, podatke i odgovornost.

U industriji se ovo prevede na vrlo konkretnu potrebu: neko mora da poveže MES/ERP, SCADA, baze podataka, kamere, senzore i modele — i da obezbedi da to radi u tri smene, u prašini, pod vibracijama, sa realnim kvarovima.

Tu nastaju nove uloge:

• industrial data engineer (prikupljanje, čišćenje, tokovi podataka)
• ML/AI engineer (modeli, MLOps, monitoring)
• automation + IT integrator (OT/IT spoj)
• procesni vlasnik (odgovoran za KPI, validaciju i promene)

Najskuplja greška koju viđam: kupi se AI „rešenje u kutiji“, a nema ko da vodi podatke, validaciju i promenu procesa. Posle 6 meseci sistem postoji, ali ga niko ne koristi.

Minimalan plan za AI u proizvodnoj firmi (bez teatralnosti)

Odgovor prvo: Krenite od jednog problema, jedne linije i jedne metrike. Sve ostalo je rizik.

Evo plana koji radi u B2B proizvodnim okruženjima:

1. Izaberite use-case koji boli
   Primer: reklamacije kupaca zbog vizuelnih defekata ili česti zastoji na jednom sklopu.

2. Definišite KPI pre pilotiranja
   Npr. škart sa 3,2% na 2,4% u 3 meseca, ili 20% manje neplaniranih zastoja.

3. Sredite podatke pre modela
   Ako su oznake serija nepouzdane ili se parametri ne loguju, AI će samo ubrzati haos.

4. Pilot 6–10 nedelja
   Dovoljno da sakupite uzorke, obučite model, uvedete osnovni monitoring.

5. Validacija u smenama
   Ako radi samo u prvoj smeni „kad je inženjer tu“, ne radi.

6. Plan širenja (ili gašenja)
   Posle pilota donesite odluku: skalirati, iterirati ili ugasiti. Ne držati „zombi projekat“.

Snippet za interne prezentacije: „AI projekat bez KPI-ja je demo, ne investicija.“

Kako ovo utiče na B2B konkurentnost Srbije u 2026.

Odgovor prvo: Kupci u EU sve češće očekuju dokazivu kontrolu kvaliteta, trasabilnost i stabilnu isporuku — AI pomaže da to postane rutina, ne herojski napor.

U 2026. pritisak dolazi sa više strana: troškovi energije, nedostatak kadra, zahtevi za kvalitetom i brzinom. AI u industriji u Srbiji nije „fancy dodatak“, nego način da se održi marža i pouzdanost.

Najbolje firme neće samo smanjiti škart; one će brže odgovarati partnerima, imati čistije audit tragove i manje „iznenađenja“ u proizvodnji. To je razlika između dobavljača koji pregovara i dobavljača koji moli.

Šta da uradite sledeće

Ako vam je naslov „programeri nestaju“ zvučao kao clickbait, dobro ste reagovali. Ali poruka iza toga je korisna: automatizacija prvo uzima rutinu. I kad rutina ode, postaje vidljivo šta je firma zapravo gradila — procese ili improvizaciju.

Ako vodite proizvodnju, kvalitet, održavanje ili operacije, sledeći korak je jednostavan: izaberite jednu tačku gde vas podaci već „bole“ i pretvorite je u pilot sa jasnim KPI-jem. Kad to proradi, skaliranje ide brže nego što ljudi očekuju.

Šta je vaš najskuplji ponavljajući problem danas: škart, zastoji ili planiranje? Taj odgovor je obično najbolja mapa puta za AI u proizvodnji u Srbiji.