AI rast u industriji Srbije: lekcije projekta Above

Februar 2026. je dobar trenutak da budemo brutalno iskreni: većina kompanija u Srbiji ne gubi trku u proizvodnji zato što nema dovoljno tehnologije. Gubi je zato što nema dovoljno konteksta—kako da iz mase alata izabere ono što radi, kako da to poveže sa ljudima i kako da održi fokus duže od jednog kvartala.

Upravo tu se uklapa najava projekta Above, koji je pokrenuo Vladimir Kovač nakon 15 godina u marketingu i organizaciji događaja. Above se pozicionira kao ekosistem (podkast, konferencija, blog i newsletter) za lidere i kompanije koje žele dugoročan rast i jasnu strategiju. To na prvi pogled zvuči kao tema “za digital”, ali je zapravo direktno relevantno za našu seriju „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“.

Ovo je moj stav: AI u industriji neće uspeti kao “projekat IT-ja”. Uspeće kao promena načina upravljanja. Above je zanimljiv baš zato što insistira na liderstvu, data-driven odlučivanju i ljudskom faktoru—tačno onome što većini proizvodnih firmi fali kad krenu u automatizaciju i optimizaciju.

Above i industrija: zašto “ekosistem znanja” sada znači novac

Odgovor je jednostavan: AI inicijative pucaju na prelazu između strategije i operacije. Proizvodne firme često kupe softver (MES, ERP dodatak, vizuelnu inspekciju, RPA), postave pilot i onda shvate da niko ne “poseduje” rezultat, podaci nisu spremni, a promena procesa nije iskomunicirana.

Kovač u intervjuu naglašava da tehnologija više nije dovoljna sama po sebi i da je tržište prezasićeno informacijama, pa je potreban filter koji izdvaja suštinu. U industriji je to još izraženije: svaka nedelja donosi novu AI platformu, ali fabrika živi od stabilnosti, a ne od hype-a.

Above ima format koji je industriji prirodan: ritam (nedeljni podkast), “veliki reset” (godišnji summit/konferencija) i pisanu dubinu (blog i newsletter). Za proizvodne lidere to može da bude praktičan okvir da ostanu u toku, a da ne potroše pola godine na pogrešne teme.

Šta je “dugoročni rast” u proizvodnji, konkretno?

U proizvodnoj kompaniji dugoročni rast obično znači vrlo merljive stvari:

• OEE (Overall Equipment Effectiveness) ide gore bez prekovremenih
• Škart i reklamacije idu dole
• Zastoji se predviđaju pre nego što se dese
• Planiranje postaje preciznije (manje hitnih nabavki, manje ekspresa)
• Energija i potrošnja materijala se optimizuju

AI u proizvodnji i industriji Srbije najbrže daje ROI kada je vezana za ove metrike, a ne za “uvešćemo AI”. Above-ov fokus na strategiju i vrednosti pomaže da AI postane sredstvo za cilj, ne cilj sam po sebi.

“Algoritamski način razmišljanja” nije buzzword—nego uslov za automatizaciju

Kovač kaže da nam danas ne trebaju samo programeri, već lideri sa algoritamskim načinom razmišljanja—ljudi koji umeju da kompleksan problem rastave na delove i rešavaju ga sistematično. U proizvodnji je to presudno.

Odgovor na pitanje “Zašto AI projekti zapnu?” često je: zato što niko nije preveo problem sa jezika biznisa na jezik podataka.

Evo kako “algoritamsko razmišljanje” izgleda u praksi na proizvodnoj liniji:

1. Definišeš ishod: npr. smanjiti škart sa 3,2% na 2,2% u 6 meseci.
2. Razbiješ problem: sirovina, mašina, operator, okruženje, održavanje.
3. Odrediš signale: temperatura, vibracije, brzina, kamera, vlaga, serija materijala.
4. Urediš podatke: standardi unosa, kalibracije, identifikatori, “single source of truth”.
5. Uvedeš promenu: ko reaguje na alarm, u kom roku, ko odobrava korekciju.

Bez ovog koraka, čak i odličan model za prediktivno održavanje ili kontrolu kvaliteta ostaje “demo”. Above-ov narativ o liderstvu i change managementu je baš ova tačka—kako da AI uđe u proces, a ne samo u prezentaciju.

Gde AI u srpskoj industriji već sada najbrže donosi rezultate

Direktan odgovor: kontrola kvaliteta, održavanje, planiranje i izveštavanje su četiri zone gde većina proizvodnih firmi može da vidi dobit u 90–180 dana, ako su podaci i procesi bar minimalno sređeni.

1) AI kontrola kvaliteta (kompjuterski vid)

Kamere + model za detekciju defekata imaju jasan poslovni smisao kad:

• defekti nisu konzistentni (ljudsko oko promaši)
• brzina linije je visoka
• reklamacije prema EU kupcima koštaju više nego sistem

Najveća greška: krenuti od “najsofisticiranijeg modela”. Bolje je krenuti od dovoljno dobrog modela koji se stalno poboljšava kroz označavanje uzoraka i vraćanje povratne informacije iz proizvodnje.

2) Prediktivno održavanje (vibracije, temperatura, zvuk)

Ovo je verovatno najprizemniji AI use-case: manje neplaniranih zastoja. Ali uspeh zavisi od discipline održavanja. Ako tim ne veruje alarmima ili nema proceduru reakcije, sistem postaje još jedan ekran u hali.

3) Optimizacija planiranja i lanca snabdevanja

AI pomaže kad imate:

• sezonalnost i “skokove” potražnje
• mnogo SKU-ova
• osetljive rokove i uvozne komponente

U Srbiji je 2026. realnost da nabavke i dalje trpe od promena cena, rokova i logistike. AI nije čarobni štapić, ali može da bude raniji radar: gde će pucati zalihe, gde će kasniti dobavljač, gde će biti usko grlo.

4) Automatizacija izveštavanja i B2B komunikacije

Da, ovo je “soft” deo industrije, ali donosi brz efekat. Generativna AI i RPA mogu da automatizuju:

• nedeljne izveštaje (proizvodnja, kvalitet, održavanje)
• pripremu dokumentacije za audit
• standardizovane odgovore prema kupcima i partnerima

Ovo je posebno važno za saradnju sa evropskim partnerima, gde je kvalitet komunikacije i dokumentacije često jednako bitan kao i cena.

Kako Above može da postane platforma za uvođenje AI u industriju

Odgovor: zato što industriji treba mesto gde se spajaju ljudi koji donose odluke—ne samo dobavljači alata.

U intervjuu, Kovač objašnjava da Above želi da “dekodira trendove”, da ne nudi opšta mesta i da filtrira bitno od buke. To je logika koju bih preslikao na industrijski AI roadmap:

“Filter” pristup: 5 pitanja pre bilo kog AI projekta

• Koja metrika se menja i za koliko (OEE, škart, zastoji, energija)?
• Ko je vlasnik procesa (ne softvera) i šta mu je KPI?
• Koji podaci postoje, u kom formatu i koliko su pouzdani?
• Kako izgleda reakcija na uvid (procedura, odgovornost, vreme)?
• Da li je rešenje usklađeno sa kupcima i regulativom (posebno EU očekivanja)?

Ovo je “Above” filozofija prevedena u proizvodnju: vrednosti i disciplina na vrhu piramide, tek onda alat.

Konferencije kao prečica do partnerstava (i EU projekata)

Kovač najavljuje konferenciju u Zrenjaninu kao godišnji summit, a zatim fokus na strateška partnerstva i “ključ u ruke” projekte. Za industriju to otvara vrlo praktičnu mogućnost: brže povezivanje sa domaćim i evropskim AI akterima (integratori, konsultanti, data timovi), bez dugog lutanja.

Ako vodite proizvodnju, ovakvi događaji su korisni samo ako se vratite sa:

• 2–3 konkretne ideje sa ROI logikom
• 1 kontaktom za pilot
• 1 internim zadatkom: “sređujemo podatke na ovoj liniji do tog datuma”

Mini-plan: kako da pokrenete AI inicijativu u fabrici u 30 dana

Odgovor: krenite malo, ali ozbiljno—sa jasnim ciljem i podacima.

1. Izaberite jednu liniju i jednu metriku. Ne celo postrojenje.
2. Uradite brzi data audit (5 dana). Šta imate, šta fali, gde su rupe.
3. Definišite “workflow reakcije”. Ko šta radi kad sistem kaže “problem”.
4. Pokrenite pilot (4–8 nedelja). Dovoljan je i PoC, ali sa proizvodnim timom.
5. Izmerite pre/posle. Bez toga nema budžeta za sledeću fazu.

Ako bih birao prvi use-case za većinu firmi, često je to: vizuelna kontrola kvaliteta ili prediktivno održavanje—zato što su najlakši za merenje i organizaciono jasni.

Šta da pratite u 2026: ljudi + podaci + regulativa

Odgovor je trodelan:

• Ljudi: industriji trebaju lideri koji razumeju procese, ali i podatke. Ne morate svi biti data scientist-i, ali morate znati šta je signal, a šta šum.
• Podaci: bez standardizacije (identifikatori serija, logovi mašina, istorija kvarova) AI je skupa improvizacija.
• Regulativa i očekivanja kupaca: EU tržište sve više očekuje tragove usklađenosti, posebno kada automatizujete odluke koje utiču na kvalitet i bezbednost.

Above-ov naglasak na “suštini” i vrednostima je dobra protivteža trendovima: možete juriti nove modele ili možete graditi sistem u kom AI stvarno radi posao.

Najzdraviji pristup industrijskom AI-ju: merljive metrike, čisti podaci, jasna odgovornost i promišljeno liderstvo.

Ako želite da vaša kompanija u Srbiji u 2026. ne bude samo “digitalna na papiru”, fokusirajte se na ove osnove. A projekte poput Above posmatrajte kao mesto gde možete čuti iskustva iz “rovova”, prepoznati obrasce i brže doći do partnera za konkretne pilote.

Gledajući unapred: ko će u srpskoj industriji zaista profitirati od AI? Oni koji je stave u službu dugoročnog rasta—i koji su spremni da promene način odlučivanja, ne samo softver na računaru.