Jasan početak: što je procjena i plan za AI
Pritisak na usvajanje AI-a u 2025. snažan je: odbori traže pomake, kupci očekuju brzinu, a konkurencija demonstrira prototipove koji izgledaju spektakularno, dok se interni timovi i dalje muče s osnovnim pitanjem “što, kada i kako sigurno pokrenuti”. Ovaj članak je za voditelje i stručnjake koji imaju operativno iskustvo i žele jasan, izvediv put od ideje do rezultata – bez mitova i bez skupe improvizacije.
AI procjena i plan nisu “još jedan dokument”, nego strukturirani popis stanja i mogućnosti koji promatra ljude, procese, tehnologiju i podatke te se pretvara u pisani playbook za transformaciju. Kao kod pregleda kuće prije adaptacije: prvo popišete što postoji, što ne radi i što je izvedivo, zatim fazno popravljate. Taj playbook pretvara otkrića u prioritetne slučajeve uporabe, vremenske okvire, odgovornosti i faze “puzi–hodaj–trči”.
“Ne počinjite s alatima. Počnite razumijevanjem svojih ljudi, svojih sustava i svojih ciljeva.”
“Gradite nešto smisleno.”
okvir s četiri stupa koji vodi u fazirani plan
Okvir procjene: ljudi, procesi, tehnologija, podaci
Četiri stupa čine ponovljiv okvir: prvo slušajte ljude, zatim secirajte procese, popišite tehnologiju i realno procijenite podatke. Redoslijed je važan jer vam ljudi otkrivaju trenjne točke vrijedne rješavanja, procesi pokazuju gdje se posao lomi, tehnologija razotkriva integracijske praznine, a podaci određuju može li AI uopće dobiti kvalitetan “obrok”.
- Ljudi: kombinirajte kvalitativne intervjue s kratkim kvantitativnim anketama. Pitajte “Što vam troši vrijeme?” i “Gdje nastaju greške?” Tek tada vidite, primjerice, da pravna službenica tjedno troši “četiri do pet sati” na predloške.
- Procesi: mapirajte korake i “točke loma”. Ako nadzornik pakirnice kasno u smjeni “na oko” provjerava etikete i uzrokuje povrate, imate mjerljiv problem: sati izgubljeni, postotak pogrešaka, povratni troškovi.
- Tehnologija: popis alata, vlasnika, integracija i nedostajućih funkcija. Ako glavna sestra izrađuje rasporede u Excelu 12 sati tjedno, to je i tehnološki i procesni signal – možda je dovoljna konfiguracija, a ne novi sustav.
- Podaci: što se prati, gdje živi, tko pristupa i koliko je čisto. Financijski savjetnik s podacima rasutim po CRM-u i e-pošti ne može nahraniti modele personalizacije; zrelost podataka je usko grlo.
Praktični minimum: tri intervjua po funkciji, anketa s pet pitanja za usporedivu bazu, jedan end-to-end hod kroz workflow u svakom odjelu te katalog alata/podataka. Ostanite prizemni: budžeti, kampanje, ugovori, donatori – prvi slučajevi moraju biti odmah prepoznatljivi.
Ishod: iz svakog stupa izvlačite kandidate za slučajeve uporabe. Procjenjujete napor i ROI, te slažete roadmap s vlasnicima, kriterijima pilota i budžetom. Raspršena zapažanja pretvaraju se u plan pogodan za odlučivanje.
Od bolnih točaka do slučajeva uporabe i ROI
Slučajevi uporabe moraju biti izravno vezani za pronađene trenjne točke, nikako “AI radi AI-a”. U visokom obrazovanju to može značiti sustav ranog upozoravanja za studente, prediktivne marketinške panele, “AI pojačivač” za pripovijedanje, chatbot za upise ili AI vitrine prilika – svaki je povezan s konkretnim problemom iz procjene.
Praktična metoda: stavite slučajeve na jednostavnu ROI mapu – napor na X-osi, ROI na Y-osi. Ciljajte “brze pobjede”: visoki učinak, mali napor. Sustav ranog upozoravanja često donosi odmah vidljivu vrijednost uz razumnu podatkovnu pripremu. Pilote instrumentirajte jasnim kriterijima uspjeha, zatim fazirajte: pilot → poboljšaj → skaliraj, s eksplicitnim vlasništvom i rokovima.
Brojevi za orijentaciju: 3/4 poduzeća izvješćuje da genAI inicijative ispunjavaju ili nadmašuju očekivanja; rast prihoda kreće se 3%–15%, a zadovoljstvo uslugom raste oko ~20%. Shvatite ovo kao smjerokaz, ne garanciju – mjerite lokalnu stvarnost.
Primjer pilota: chatbot za upise. Metrički cilj: stopa defleksije rutinskih upita, kvaliteta odgovora, zadovoljstvo kandidata. Podatkovni preduvjet je skroman (FAQ, pravilnici), integracije umjerene (web, CRM), a ROI ubrzava zbog pokrivanja “izvan radnog vremena” i uštede sati osoblja.
Implikacija: atraktivne ideje koje traže povezivanje više izvora demografije i duboke integracije mogu biti kategorija “hodaj” ili “trči”. Uvrstite i troškove (konzalting, enterprise licence naspram besplatnih alata, inženjering, obuka, promjena) kako biste izbjegli proračunska iznenađenja.
Plan provedbe i upravljanje bez papira viška
Držite se ritma “puzi–hodaj–trči”. Plan neka bude kratak, operativan, usmjeren na ishode – ne višegodišnja monografija.
- Puzi: ograničeni pilot s jasnim logiranjem i povratnim petljama
- Hodaj: širenje na više korisnika, trening i iteracije
- Trči: široka integracija i operativno ukorjenjivanje
Uloge i odgovornosti (RACI-duh): izvršni sponzor, voditelj projekta, vlasnici tehnologije/podataka, AI prvak (pilotira alate i evangelizira). Za prilagođene izrade: tehnički lead, arhitekt, inženjeri, UX i QA.
Raspored od 90 dana radi u praksi: 1. Tjedni 1–4: pilot, kriteriji uspjeha, provjera privatnosti 2. Tjedni 5–8: popravci, trening, podešavanje upravljanja 3. Tjedni 9–12: širenje, plan podrške, osvježenje budžeta
Trening je eksplicitan: ishodi učenja, formati (radionica, wiki, kratke snimke), tajming usklađen s prijelazom faza. Vodite checkpoint sastanke s vodstvom radi iskrenog izvještavanja i održavanja sponzorstva. Za povjerljive scenarije dajte prednost poslovnim (enterprise) slojevima ili vlastitim instancama LLM-a s ugovornim jamstvima o nekorištenju podataka za treniranje.
Alati, platforme i tehničke taktike
Prvo mapirajte potrebu na arhetip rješenja:
| Kategorija | Kada ju birati | Primjeri |
|---|---|---|
| Svakodnevni alati i low-code | Brzi eksperimenti i automatizacije | ChatGPT/Copilot, Claude, Zapier, Make |
| Enterprise platforme | Konfiguracija i integracije nad postojećim sustavima | Epic, Salesforce, Microsoft/AWS sklopovi |
| Prilagođene izrade | Diferencijacija i specifičnosti | API + vektorske baze, Ollama i otvoreni LLM-ovi |
Taktike koje štede živce: - Razlomite dugačke zadatke na role-based promptove (“testerska persona”, “inspektor zahtjeva”) kako biste izbjegli kolaps rezoniranja. - Koristite projektne “knowledge storeove” (standardni obrasci, arhitektura) za utemeljenje odgovora. - Čuvajte kontekst: veći prozori konteksta pomažu, ali je struktura prompta i dalje ključna.
Empirija iz projekata: timovi su skratili izradu zahtjeva i testnih artefakata s 10 na oko 4 dana. Nije garancija, ali pokazuje gdje AI najbrže vraća vrijeme. Otvoreni i samohostani pristupi daju kontrolu, ali dižu operativni trošak – birajte prema osjetljivosti podataka i sposobnosti tima.
Rizici, sigurnost i usklađenost
Rizici su stvarni, mitigacije praktične: - Izbjegavajte slanje povjerljivih podataka na besplatne slojeve bez ugovornih klauzula o nekorištenju. Enterprise ili on-prem stvaraju “ograđeni vrt”. - Usklađenost temeljite na izvornicima: NIST AI RMF, ISO 26262, IEC 62304. Dajte modelu autoritativan tekst umjesto da “naglas pogađa” reference. - Očekujte hirove u dugim zadacima; ublažite dijeljenjem u “komade”, ulogama i većim kontekstom. - Upravljajte pristranosti kroz kriterije nabave i revizije rezultata.
Primjer: “živa trasabilnost” – povezivanje zahtjeva, koda i testova uz AI provjere pokrivenosti za audite slične PCI-u. AI ističe praznine, ljudi validiraju.
Psihologija promjene: otpore pretvorite u povjerenje
Otpor je normalan – kao kod parnog stroja, elektrifikacije ili montažnih linija. Normalizirajte, pa upravljajte.
- Imenujte AI prvaka: znatiželjan, vjerodostojan, praktičan.
- Počnite slušanjem (“Što vam troši vrijeme?”). Time smanjujete tjeskobu i pronalazite brze, ljudski relevantne dobitke.
- Mjerite percepciju i stvarnost: istraživanja su pokazala da su iskusni developeri ponekad ~20% sporiji i kad se osjećaju brže. Instrumentirajte pilote.
- Komunicirajte ljudske koristi: manje repetitivnog rada, brži odgovor klijentima.
Narativ je važan: “gradite nešto smisleno” i podsjetnik “ne počinjite s alatima”.
Tržišni trendovi 2025 koje vrijedi znati
AI se masovno koristi, ali s ogradama. Većina prijavljuje rezultate (3/4 inicijativa ispunjava ili nadmašuje očekivanja), prihodi rastu 3%–15%, zadovoljstvo uslugom ~20%. Poduzeća migriraju na korporativne planove s ugovornim zaštitama ili na samohostanje za osjetljive podatke. Konsolidacija i specijalizacija idu ruku pod ruku: opći LLM alati plus domenski sustavi (npr. zdravstveni IS, analitika u oblaku). Vještine se brzo mijenjaju – procjena glasi da će ~39% današnjih vještina izgledati sasvim drukčije u sljedećih pet godina. Dobavljači uvode “agente”, ali bez dubinske arhitekturne svijesti; prednost imaju oni koji spajaju LLM-ove s kontekstnim bazama znanja.
Implikacija: ulažite u osposobljavanje i “uzemljenje” modela u vaše standarde. Nabavu i integracije planirajte s usklađenošću od prvog dana.
Zašto je ovo važno
Jer trebate rane, vjerodostojne pobjede bez zaključavanja u rizik. Playbook ukorijenjen u Ljudi–Procese–Tehnologiju–Podatke pretvara hype u isporuku pod upravljanjem. Faze “puzi–hodaj–trči” smanjuju rizik skaliranja. ROI mape usklađuju budžete. Trening i prvaci mijenjaju kulturu. A vaša stvarna podatkovna zrelost određuje što je moguće već ovog kvartala. To je put kako “graditi nešto smisleno”, a ne još jedan izolirani pilot.
Česta pitanja
- Koji je prvi korak? Intervjui s reprezentativnim osobljem i kratka anketa. Krenite slušanjem.
- Kako izbjeći prekomjerno obećavanje? Koristite ROI kartu za odabir visokog učinka i niskog napora; ostalo fazirajte.
- Što s sigurnošću? Dajte prednost enterprise slojevima ili samohostanim modelima; provjerite ugovore i SLA-ove.
- Kako mjeriti uspjeh? Sati/kune uz misijske ishode (kvaliteta usluge, vrijeme odgovora). Instrumentirajte pilote.
- Trebamo li vlastite modele? Samo ako diferencijacija to traži; inače konfigurirajte postojeće platforme i low-code.
Preporuke za čitanje
- Vaše interne mape procesa, inventari alata i podatkovni rječnici – krenite od onoga što imate.
- Enterprise dokumentacija dobavljača (OpenAI Enterprise, Microsoft Copilot, Claude) o korištenju podataka i SLA-ovima.
- NIST AI Risk Management Framework i relevantne industrijske norme (npr. ISO 26262, IEC 62304) za utemeljene promptove usklađenosti.
- Praktični vodiči za oblikovanje promptova s “chunkingom” i ulogama kod dugačkih zadataka.
- Studije slučaja o sustavima ranog upozoravanja, upisnim chatbotovima i živoj trasabilnosti za obrasce koje možete prilagoditi.