Anđeoska investicija: lekcije za AI u industriji Srbije

Jedna rečenica iz razgovora sa poslovnim anđelom Adrianom Đurom i osnivačem Getafeel-a Vukašinom zvuči kao priručnik za svaku firmu koja uvodi veštačku inteligenciju u proizvodnju: „Nisu zaljubljeni u rešenje, već u problem koji rešavaju.” To je razlika između „kupili smo AI alat” i „stvarno smo optimizovali proces”.

U našoj seriji „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji” često pričamo o modelima, softveru i automatizaciji. Ali u praksi, najveći faktor uspeha je organizacioni: tim koji ume da testira pretpostavke, sluša tržište (ili fabriku) i napravi zaokret bez drame.

Priča o anđeoskoj investiciji u Getafeel dolazi iz startap sveta, ali obrazac je isti u industriji: od prvog pitch-a, preko „otpora kupaca”, do pivota u širu platformu. U nastavku vadim konkretne lekcije iz ovog primera i prevodim ih na jezik proizvodnih i industrijskih kompanija u Srbiji koje žele da uvedu AI za optimizaciju procesa, kontrolu kvaliteta i bolje odlučivanje.

Šta poslovni anđeli zaista kupuju: tim koji se prilagođava

Odgovor prvo: poslovni anđeo ne ulaže u prezentaciju, već u sposobnost tima da uči brže od konkurencije.

Adrian Đura je jasno rekao da je presudio kvalitet tima: domensko znanje (nekretnine, 3D vizualizacija, softver), dokaz da umeju da naprave proizvod koji tržište želi, i — ključno — fleksibilnost.

Ovo je odličan filter i za industriju. Kad proizvodna firma kaže „hoćemo AI”, često se misli na nabavku: kamera za vizuelnu inspekciju, MES dodatak, softver za prediktivno održavanje. Ali AI projekti propadaju kad tim nema naviku iteracije.

Industrijska paralela: pilot bez pivota je skupa greška

Uvođenje AI u proizvodnji skoro nikad nije „postavi i radi”. Biće:

• promena osvetljenja na liniji (i model pada)
• drugačija sirovina (i klasifikacija greši)
• nova smena (i podaci se drugačije unose)
• promena prioriteta kupaca (traže drugačiji kvalitet)

Zato je prava investicija u AI — baš kao i anđeoska investicija — investicija u tim i rutine: kratki ciklusi testiranja, jasne metrike i kultura u kojoj feedback ne boli ego.

Snippet za pamćenje: Ako tim nije spreman da menja proces, AI će samo brže proizvesti isti haos.

Od pitch-a do pivota: to je normalan put (i u industriji)

Odgovor prvo: pivot nije znak neuspeha; pivot je dokaz da organizacija meri realnost, a ne brani plan.

Getafeel je, po Vukašinovim rečima, u pitch fazi bio mali tim (2 osnivača + 1 zaposleni) sa proizvodom koji je „tehnički spreman za prodaju”. Ipak, klijenti su pružali otpor: hvale, ali ne kupuju. To je jedan od najkorisnijih signala u biznisu.

Ključni uvid: problem postoji, ali tržištu nije dovoljan izolovani feature. Investicija je donela „prostor i vreme” da razgovaraju sa klijentima, prikupe uvide i naprave pivot — originalni proizvod postaje feature šire platforme. Danas su tim od šest ljudi, sa jasnijom ponudom i zrelijim proizvodom.

Kako to izgleda u proizvodnji: AI kao feature, ne kao strategija

U industriji u Srbiji često vidim obrnuto: kompanija kupi jednu AI funkciju (npr. vizuelna kontrola), očekuje strateški pomak, a dobije lokalno poboljšanje koje ne prelazi na ostatak sistema.

Korisniji pristup je „Getafeel logika”:

1. Kreni od realnog problema (škart, zastoji, reklamacije, energija)
2. Napravi minimalni pilot koji meri efekat
3. Ako radi — ugradi ga u platformu procesa (MES/ERP/QMS), a ne kao izolovanu kutiju

Tipičan „pivot” u industrijskim AI projektima izgleda ovako: umesto da radite samo detekciju greške, shvatite da je veća vrednost u zatvorenoj petlji: detekcija → uzrok → korektivna akcija → verifikacija.

3D vizualizacija kao most ka industriji: digitalni blizanac

Getafeel dolazi iz sveta 3D vizualizacije. U industriji, to se prirodno naslanja na digitalne blizance (digital twins): 3D/CAE modeli, simulacije toka materijala, ergonomije ili energetskih gubitaka.

AI tu ima dve uloge:

• analizira podatke iz procesa i predlaže parametre (npr. brzine, temperature, raspored)
• ubrzava simulacije i „what-if” scenarije kroz surrogate modele

Ako već ulažete u 3D i senzore, sledeći logičan korak je da to spojite u sistem odlučivanja, ne u pojedinačne fajlove i izveštaje.

Šta se dobija posle investicije: feedback, mreža i disciplina

Odgovor prvo: najveći benefit anđeoske investicije je kvalitet razgovora nakon uplate.

Adrian opisuje svoju ulogu jednostavno: feedback na proizvod i pravac, pitanja, upozoravanje na rizike i prilike — bez preuzimanja operativnih odluka. Vukašin ide korak dalje: kaže da su mentorstvo i mreža kontakata vredniji od samog novca.

Ovo je posebno relevantno za industriju u Srbiji, jer mnogo AI inicijativa zapne na „mekim” stvarima:

• ko je vlasnik procesa (IT ili proizvodnja?)
• ko potpisuje promenu standarda kvaliteta?
• kako se meri ROI i kada se projekat gasi?
• kako se obučavaju operateri?

Industrijski ekvivalent „dobrog anđela”: steering komitet koji radi

Ako nemate poslovnog anđela, možete napraviti sličan efekat:

• imenujte AI product owner-a iz biznisa (ne samo iz IT-a)
• uvedite kvartalni ritam (Getafeel radi sync na svaka 4 meseca)
• tražite eksterni feedback: dobavljač opreme, integrator, univerzitet, konsultant, pa i kupac

Dobri AI projekti u proizvodnji imaju disciplinu:

• 1–2 primarne metrike (npr. smanjenje škarta u %; smanjenje zastoja u satima)
• prag uspeha za skaliranje
• prag neuspeha za gašenje ili pivot

To je „investitorska” logika primenjena na industrijski razvoj.

Pitch (za anđele) = business case (za AI u proizvodnji)

Odgovor prvo: ako ne možete da objasnite problem, korisnika i ekonomiku — nema projekta.

Adrian navodi šta pitch mora da sadrži: problem, korisnika, tim, poslovni model, veličinu tržišta, plan razvoja, metrike i namenu novca.

U industriji, kada tražite budžet za AI, to je isti dokument — samo se drugačije zove. Evo praktičnog šablona koji prolazi kod uprava i vlasnika:

1. Problem (u dinarima i satima): škart, reklamacije, downtime, energija, otpis
2. Gde nastaje problem: linija, stanica, smena, dobavljač
3. Zašto sada: rast obima, zahtevi EU kupaca, nedostatak radne snage, pritisak na cenu
4. Podaci: šta već merite, šta nedostaje, ko je vlasnik podataka
5. Rešenje: AI model + procesna promena (uvek oba)
6. Metrike: ciljna vrednost, baseline, period merenja
7. Trošak i ROI: CAPEX/OPEX, povraćaj, rizici
8. Plan skaliranja: sa jedne linije na fabriku, sa fabrike na grupu

Must i red flag: isto važi i za upravni odbor

Vukašin kaže da je must ozbiljna priprema i jasnoća, a red flag defanzivan stav na feedback.

Prevedeno na AI u proizvodnji:

• Must: pokažite da razumete procese i cenu greške. AI nije samo tačnost modela, već stabilnost u realnim uslovima.
• Red flag: „Model je tačan 98%” bez objašnjenja šta znači tih 2% (kvar, reklamacija, bezbednost, zastoj).

Snippet za internu kulturu: Ko se brani od feedbacka, brani i greške u procesu.

Kako da startap logiku prenesete na AI transformaciju u industriji Srbije

Odgovor prvo: najbrži put do AI rezultata je mali pilot + jasne metrike + spremnost na pivot.

Evo plana u 6 koraka koji se dobro uklapa u realnost domaćih proizvodnih kompanija (budžeti, kadrovi, rokovi):

1. Izaberite „bolan” proces (škart, zastoji, potrošnja energije, kontrola kvaliteta)
2. Napravite baseline (npr. škart 4,2% poslednja 3 meseca)
3. Uradite pilot 6–10 nedelja na jednoj liniji
4. Uvedite zatvorenu petlju (detekcija → akcija → verifikacija)
5. Skalirajte samo ako prođe prag (npr. -20% škarta ili -10% downtime)
6. Ako ne prođe — pivot, ne sramota (promena senzora, promena definicije greške, širi scope, druga linija)

Ovakav pristup je posebno važan početkom 2026. godine, kad sve više evropskih partnera traži transparentniji kvalitet, brže izveštavanje i stabilnije rokove. AI može pomoći, ali samo ako je ugrađen u sistem rada.

Zaključak: anđeoski mindset je najzdraviji AI mindset

Anđeoska investicija u Getafeel pokazuje jednostavnu istinu: novac ubrza, ali feedback usmeri. A usmerenje je ono što štedi godine.

Ako vodite proizvodnu ili industrijsku firmu u Srbiji i razmišljate o AI, uzmite ovu startap lekciju ozbiljno: nemojte biti zaljubljeni u alat. Budite opsednuti problemom, merite realnost, i budite spremni da promenite pravac.

Sledeći korak je vrlo praktičan: izaberite jedan proces koji boli, definišite 2 metrike i krenite u pilot koji može da se ugasi bez drame. Ako uspete, imaćete dokaz koji se širi kroz fabriku. Ako ne, imaćete znanje koje se ne može kupiti prezentacijom.

A pitanje koje ostaje za 2026: da li će vaša AI inicijativa biti izolovan feature — ili početak platforme koja menja način na koji fabrika odlučuje?