AI skaliranje u Srbiji: lekcije startapa za industriju

U 2025. srpska startap scena je dobila hladan tuš: investicija je manje, fondovi su izbirljiviji, a “rast po svaku cenu” više ne prolazi ni na jednom ozbiljnom razgovoru. To zvuči kao problem — i jeste — ali je istovremeno i korisna korekcija kursa.

Ono što mi je posebno zanimljivo (i relevantno za proizvodnju i industriju u Srbiji) jeste da se isti pritisak koji osećaju startapi sada širi i na industrijske kompanije: manje prostora za greške, jača konkurencija iz EU, skuplja energija i sirovine, stroži zahtevi kupaca, sve više audita i dokumentacije. U takvoj realnosti, veštačka inteligencija postaje alat za preživljavanje i skaliranje, ne “lepa inovacija za prezentaciju”.

Netokracijina analiza startap ekosistema za 2025. pokazuje zreliju sliku: timovi se okreću ranijem prihodu, jasnijoj validaciji proizvoda i tržištima van regiona. I tu je ključna veza sa ovom serijom tekstova („Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“): ono što startapi uče o skaliranju uz AI, industrija može da primeni već sutra — u kvalitetu, proizvodnosti, lancima snabdevanja i izveštavanju.

Zašto je 2025. prelomna za AI i skaliranje u Srbiji

Najvažnija promena u 2025. nije samo to što je „AI svuda“. Promena je u tome što se očekivanja pomeraju: od kompanija se traži da pokažu merljiv efekat (ušteda, kvalitet, brzina, prihod), a ne samo da kažu da koriste AI.

U razgovorima iz analize ekosistema provlače se tri poruke koje vredi prevesti na jezik industrije:

• Kapital je oprezniji → svaki projekat mora imati jasnu računicu.
• Prodaja i izlazak na strana tržišta su najteži deo → industrija to zna, ali često podcenjuje koliko AI može da pomogne baš tu.
• AI prelazi iz “feature-a” u infrastrukturu → firme koje ga tretiraju kao dodatak kasne 12–24 meseca.

Jedan praktičan stav mi se dopada: ako ne možeš da objasniš gde AI pravi rezultat u procesu (u minutima, procentima ili evrima), verovatno ga još uvek koristiš pogrešno.

Šta industrija može da nauči od startapa: “unit economics” za AI projekte

Startapi su poslednjih godinu-dve brutalno disciplinovani da razumeju unit economics: koliko košta da dođeš do kupca, koliko zarađuješ po korisniku, koliko traje povrat ulaganja. Industrija često radi projekte automatizacije bez takve jasne metrike.

Evo kako izgleda „startap logika“ za AI u proizvodnji — i zašto radi:

1) Prvo definiši trošak greške, pa tek onda model

U proizvodnji, najskuplje greške su obično:

• škart i reklamacije
• zastojevi (downtime)
• pogrešno planiranje (višak zaliha ili kašnjenje)
• previše ručnog administriranja i izveštavanja

AI projekat treba vezati za jednu od tih stavki, pa postaviti cilj tipa: smanjiti škart za 15% ili skratiti vreme planiranja smena za 30%. Bez cilja, svaka implementacija postaje pilot koji nikad ne odraste.

2) Pilot nije dokaz, dokaz je stabilan rezultat

Mnogi timovi „pobede“ na pilotu, a izgube u produkciji. U industriji je to još očiglednije: pilot radi na čistim podacima, a realnost je prljava.

Zato KPI-jeve podeli na dve grupe:

• Model KPI: tačnost detekcije, precision/recall, vreme inferencije.
• Biznis KPI: škart, vreme zastoja, broj reklamacija, vreme obrade naloga.

Ako model KPI raste, a biznis KPI ne mrda — implementacija nije uspela.

3) “Founder-led sales” ima industrijsku verziju

U analizi ekosistema, prodaja se pojavljuje kao najveća prepreka. Industrijske firme često misle da je prodaja rešena jer već imaju kupce.

Ali B2B realnost u 2025/2026 je drugačija: kupci iz EU sve češće traže dokaze o sledljivosti, kvalitetu i usklađenosti, a ne samo cenu.

Industrijska verzija founder-led sales je: direktor proizvodnje + kvalitet + nabavka moraju zajedno da „prodaju“ projekat interno (upravi) i eksterno (ključnim kupcima). AI tu pomaže kroz:

• automatizovano generisanje izveštaja (audit-ready dokumentacija)
• prediktivno održavanje kao argument stabilnosti isporuke
• analitiku kvaliteta koja se pretvara u “quality story” za kupca

Gde se AI u praksi najbrže isplati u proizvodnji

Najbrži ROI u Srbiji obično dolazi iz četiri zone. Ne zato što su „najmodernije“, nego zato što imaju dovoljno podataka i direktan trošak.

Prediktivno održavanje: manje zastoja, manje haosa

Ako mašina stane, staje sve: ljudi, isporuke, penali. Prediktivni modeli (na osnovu vibracija, temperature, struje, istorije kvarova) pomažu da se kvarovi predvide ranije.

Pragmatičan cilj: smanjiti neplanirani downtime za 10–20% u 6 meseci na jednoj kritičnoj liniji.

Vizuelna kontrola kvaliteta: doslednost umesto “zavisi ko gleda”

AI vizija je često najdirektniji put do merljive promene: kamera + dobar set označenih podataka + jasna definicija defekta.

Dobro radi u:

• ambalaži i etiketiranju
• metaloprerađivačkoj industriji (površinski defekti)
• prehrani (vizuelna klasifikacija)
• auto-komponentama (dimenzije, ogrebotine, nepravilnosti)

Najveća greška: pokušaj da se “uhvati sve” odjednom. Počni sa 1–2 defekta koji prave najveći trošak.

Optimizacija lanca snabdevanja: manje zaliha, manje kašnjenja

AI je odličan u predviđanju potražnje, ali samo ako su osnovni podaci stabilni (prodaja, sezonalnost, rokovi dobavljača).

Za mnoge firme u Srbiji najrealniji prvi korak nije „savršena prognoza“, već:

• bolja klasifikacija dobavljača po riziku
• rano upozorenje na kašnjenja
• predlog alternativnih narudžbina na osnovu istorije

Automatizacija administracije i izveštavanja: skrivena ušteda

U startap priči iz 2025, jedna od upečatljivih stvari je investicija od 3,5 miliona evra u domaći tim koji automatizuje složene administrativne i finansijske procese, uz prve signale o preko 30% većoj efikasnosti.

Za industriju to ima direktnu analogiju: planovi proizvodnje, otpremnice, fakture, reklamacije, sertifikati, ISO dokumentacija, izveštaji za kupce. Generativni AI i „copilot“ pristup često daju brzu vrednost jer smanjuju ručni rad u kancelariji koji niko ne meri dovoljno strogo.

Agentic AI i sajber bezbednost: industrija nema luksuz da čeka

Jedan od trendova koji se posebno ističe u ekosistemu 2025 je agentic AI, naročito u sajber bezbednosti. To je važno za proizvodnju iz prostog razloga: industrija je sve povezanija (OT/IT), a napadi sve automatizovaniji.

Kada napadači koriste AI da brže pronađu ranjivosti, odbrana mora da koristi AI da brže detektuje anomalije. To nije teorija, to je matematika brzine.

Praktični koraci za industrijske firme u Srbiji:

1. Mapiraj OT imovinu (PLC, SCADA, industrijski PC) i uvedi osnovnu segmentaciju mreže.
2. Postavi AI/ML detekciju anomalija na mrežnom saobraćaju (u početku kao “alerting”, ne automatsko blokiranje).
3. Uvedi procedure: ko reaguje, u kom roku, i kako se linija bezbedno vraća u rad.

Ako ovo zvuči kao trošak, seti se da je downtime u industriji često skuplji od bilo kog bezbednosnog projekta.

“Manje investicija” ne znači manje prilika — znači manje tolerancije

Poruka iz startap scene Srbije 2025 je jasna: investicija je manje, pogotovo u kasnijim fazama, ali kvalitetni timovi i dalje prolaze. U industriji je isto: budžeti postoje, ali su vezani za rezultat.

Zato se AI program u proizvodnoj firmi ne organizuje kao “jedan veliki projekat”, nego kao portfelj:

• 1–2 brza use-case-a sa ROI u 3–6 meseci (npr. vizuelna kontrola, automatizacija izveštaja)
• 1 srednjoročni use-case sa ROI u 6–12 meseci (npr. prediktivno održavanje)
• 1 strateški use-case (npr. optimizacija lanca snabdevanja ili digitalni twin) koji zahteva disciplinu podataka

Ovo je praktično i za LEADS cilj: kad firma vidi brzi rezultat, mnogo lakše se otvara prostor za veće korake.

Dobra AI strategija u industriji izgleda dosadno: proces, podaci, KPI-jevi, disciplina. Ali donosi novac.

Sledeći korak za 2026: skaliranje AI, ne “eksperimentisanje”

Ulazimo u 2026. sa jasnim signalom: kompanije koje budu tretirale AI kao niz izolovanih eksperimenata imaće puno radionica, a malo efekta. Kompanije koje ga pretvore u infrastrukturnu sposobnost — kroz podatke, standarde i vlasništvo nad use-case-ovima — biće brže, stabilnije i ubedljivije kupcima.

Ako ste proizvodna ili industrijska firma u Srbiji, postavite sebi jedno pitanje koje ne može da se izbegne: koji je jedan proces u kom biste već u Q1 2026 mogli da pokažete merljivo poboljšanje uz veštačku inteligenciju?

To pitanje je dobra početna tačka za ozbiljan razgovor — i za plan koji će preživeti realnost tržišta.