Gotovo svaki softverski dobavljač danas nudi „AI”, a iza te oznake kriju se vrlo različite stvari. Objašnjavamo što AI integracija u poslovnom softveru zaista znači, gdje donosi vrijednost, a gdje troši novac.
Prošle nas je godine nazvao klijent s naizgled jasnim zahtjevom: „Trebamo AI u aplikaciji.” Kad smo ga pitali što točno želi, odgovorio je: „Pa, nešto pametno. Kao ChatGPT, samo za nas.”
Takav razgovor nije iznimka. Sve više tvrtki dolazi s istom idejom, ali bez jasne slike o tome što im zapravo treba. Razlika između korisne AI integracije i skupog eksperimenta koji nitko ne koristi nastaje upravo u tom koraku: kad se razjasni što AI može, a što ne može.
Tvrtke koje su od AI-ja dobile stvarnu vrijednost počele su s jednim konkretnim problemom. Razočarane tvrtke počele su s vizijom.
Što se krije iza oznake „AI”
Kad softverski dobavljač kaže da ima „AI”, to može značiti gotovo bilo što: automatsko dovršavanje teksta, klasifikaciju podataka, pretraživanje prirodnim jezikom, izradu izvještaja ili chatbot koji razumije kontekst razgovora. Sve su to AI tehnologije, ali se bitno razlikuju po trošku, točnosti i primjeni.
Prije nego što kažete „želimo AI”, odgovorite na jedno pitanje: koji problem vašim korisnicima trenutačno oduzima previše vremena ili dovodi do previše pogrešaka? Odgovor na to pitanje određuje sve ostalo.
Četiri primjene koje u praksi funkcioniraju
1. Pretraživanje i pronalazak informacija
Klasično pretraživanje traži da korisnik zna točan naziv ili ključnu riječ. AI pretraživanje prepoznaje namjeru.
Korisnik upiše „fakture za Kovačević iz prošlog kvartala” i sustav ga razumije, čak i ako je naziv u bazi zapisan drukčije ili s pogreškom. Onima koji svakodnevno rade s velikim brojem dokumenata, klijenata ili narudžbi to štedi mjerljivo vrijeme.
2. Automatsko kategoriziranje i označavanje
Tvrtke koje tjedno primaju tisuće zahtjeva, reklamacija ili prijava previše vremena troše na ručno razvrstavanje. AI model naučen na vašim podacima, uz dovoljno kvalitetnih primjera, može razvrstavati dolazne unose s točnošću koja se mjeri s ručnim radom.
Primjer iz prakse: servisna tvrtka prima zahtjeve za servis e-poštom. AI pročita poruku, prepozna vrstu kvara, prioritet i lokaciju te automatski otvori prijavu s ispravnim kategorijama. Dispečer više ne gubi pola sata dnevno na ručni unos.
3. Asistent za izradu teksta
Ovdje AI ne zamjenjuje korisnika, nego mu daje polazište.
Korisnik koji piše ponudu dobiva nacrt izrađen na temelju prethodnih ponuda i parametara projekta, a zatim ga sam uređuje i dopunjuje. Umjesto prazne stranice pred sobom ima tekst koji je oko 70 % gotov.
Isto vrijedi za izvještaje, odgovore na standardne upite, pa i za interne zadatke i komentare u sustavu za praćenje zahtjeva.
4. Otkrivanje anomalija i upozorenja
AI može pratiti obrasce u podacima i upozoriti kad nešto odstupa od uobičajenog: neobično velika narudžba klijenta koji inače naručuje malo, kašnjenja isporuke koja se počinju ponavljati kod istog dobavljača ili pad produktivnosti tima prije nego što postane očit.
Takav sustav voditelju daje rani signal koji inače ne bi uočio na vrijeme.
Što ne funkcionira (a prodaje se kao da funkcionira)
„Razgovarat ćete s bazom podataka”
Ideja zvuči privlačno: korisnik pita „koliki je bio prihod prošlog kvartala po segmentu?” i sustav odgovori. U praksi to zahtijeva vrlo čistu i dobro strukturiranu bazu, precizno definirane poslovne pojmove te dosta ulaganja u testiranje i prilagodbu modela.
S urednom bazom i jasnom terminologijom to funkcionira. S prosječnom bazom u kojoj su se godinama gomilale iznimke i nestandardni unosi rezultati su nepredvidivi, a korisnici brzo gube povjerenje.
Chatbot koji zamjenjuje podršku
„Uvest ćemo AI podršku i smanjiti tim.” Tu smo rečenicu čuli više puta.
Chatbot koji odgovara na predvidljiva pitanja s poznatim odgovorima funkcionira. Chatbot koji mora razumjeti specifičan poslovni kontekst, iznimke i nijanse, i pritom biti vrlo točan, projekt je za koji treba planirati više vremena i resursa nego što dobavljač obično tvrdi.
„Integrirat ćemo GPT i gotovo”
Poziv OpenAI API-ja tehnički je jednostavan zadatak. Pravi projekt počinje kad taj poziv treba učiniti korisnim, pouzdanim, isplativim i sigurnim u poslovnom okruženju.
Troškovi API poziva rastu s brojem korisnika i količinom obrađenog teksta pa ih treba planirati unaprijed. Halucinacije modela, odnosno uvjerljivi, ali netočni odgovori, neprihvatljive su ondje gdje točnost nije stvar izbora. Latencija može smetati u aplikacijama u kojima korisnici očekuju trenutačnu reakciju.
Realna očekivanja i hype na jednom mjestu
| Primjena | Realno | Hype |
|---|---|---|
| Pretraživanje prirodnim jezikom | Funkcionira s urednim podacima | Čarobno razumije svaki unos |
| Kategorizacija zahtjeva i prijava | Visoka točnost uz dovoljno primjera | Radi odmah, bez treniranja |
| Izrada nacrta teksta | Ubrzava rad, ali ne zamjenjuje čovjeka | Piše sam, čovjek samo klikne „Pošalji” |
| Chatbot za podršku klijentima | Djelomično: dobar za česta pitanja, slab za iznimke | Zamjenjuje cijeli tim podrške |
| Razgovor s bazom podataka | Djelomično: moguć uz čiste podatke i prilagodbu modela | Uključite ga i odmah radi |
| Otkrivanje anomalija | Vrijedan rani signal | Predviđa budućnost |
Kako procijeniti ima li AI smisla za vas
Prije početka iskreno odgovorite na tri pitanja.
1. Postoji li ponavljajuća aktivnost koja oduzima mjerljivo vrijeme?
Procijenite koliko sati tjedno odlazi na tu aktivnost i isplati li se automatizacija s obzirom na ulaganje. Ako odgovor nije konkretan broj, AI projekt još nije spreman.
2. Imate li dovoljno podataka za učenje modela?
Opći modeli dobro rješavaju opće zadatke. Za specifičan poslovni kontekst trebaju vam specifični podaci: najmanje nekoliko stotina primjera za klasifikaciju, a za složenije zadatke tisuće.
3. Tko će to koristiti i koliko pogrešaka može podnijeti?
Interni korisnici koji znaju da AI griješi i umiju ispraviti rezultat lakše podnose pogreške. Prema klijentima je drukčije: pogreška AI-ja postaje pogreška vaše tvrtke.
Pravi redoslijed koraka
Svaki naš projekt AI integracije koji je donio stvarnu vrijednost prošao je isti put: počeli smo s jednim konkretnim problemom, uveli minimalno rješenje, izmjerili rezultate i tek ga tada širili.
Ako razmišljate o AI integraciji u vlastiti softver ili poslovne procese, razgovarajmo. AI ne prodajemo po svaku cijenu: pomažemo vam procijeniti gdje ima smisla, a gdje nema.
Autor
Osnivač Unitpicka i softverski arhitekt. Poslovni softver razvija od 2003., a danas vodi razvoj vlastitog SaaS proizvoda UnitLook.
Imate projekt na umu?
Javite nam se i razgovarajmo o vašem projektu, bez obveze.