Subtotal 0 рсд
Ovaj priručnik je nastao nakon nekoliko stotina sati direktnog rada i radionica sa ljudima koji nisu programeri: računovođama, menadžerima projekata, nastavnicima, pravnicima, preduzetnicima, administrativnim radnicima. Ljudima koji su na prvu radionicu došli sa istim pitanjem: „Da li je ovo za mene, ili moram da budem IT stručnjak?“
Odgovor je uvek isti: veštačka inteligencija danas nije tehnologija samo za IT. To je alat za sve koji rade sa tekstom, podacima, odlukama i ljudima — dakle, za gotovo svakoga. Istraživanja pokazuju da je generativna veštačka inteligencija stigla do 53% populacije brže nego personalni računar ili internet (Stanford HAI, 2026). Pitanje više nije da li ćete koristiti AI, nego da li ćete ga koristiti dobro, bezbedno i pametno.
Da vas nauči da samostalno i sigurno koristite pet ključnih alata — Claude, ChatGPT, Gemini, Perplexity i Gammu — na primerima iz svakodnevnog posla.
Kako da radite bezbedno (šta se sme, a šta ne sme deliti sa AI alatima), šta su AI agenti i kako se razlikuju od četbota, kako AI menja projektni menadžment, šta je ekonomija tokena (i zašto vas se tiče čak i ako nikad ne vidite račun za API), i zašto lokalni AI — model koji radi na vašem računaru — postaje strateški važan za privatnost i suverenitet podataka.
Poslednji deo priručnika vas vodi korak dalje — do uloge AI inovatora u vašoj kompaniji ili organizaciji. To je uloga koja se danas ne dobija diplomom, već inicijativom. Organizacije koje su uspešno uvele AI nisu to postigle kupovinom softvera, nego kroz ljude poput vas: zaposlene koji su prvi razumeli, prvi probali i prvi preneli znanje kolegama.
Konsultantska kuća BCG je to sažela u pravilo 10-20-70: samo 10% uspeha AI transformacije čine algoritmi, 20% tehnologija i podaci, a čak 70% ljudi i procesi (BCG, 2024). Ovaj priručnik je posvećen tih 70%.
Sve tvrdnje u priručniku oslonjene su na proverene izvore: zvaničnu dokumentaciju proizvođača alata, regulativu Evropske unije, okvire američkog NIST-a i OWASP fondacije, i istraživanja institucija kao što su Stanford HAI, McKinsey, BCG, Gartner i PMI. Reference su navedene po APA 7 standardu, u tekstu u obliku (Autor, godina), a kompletna lista se nalazi na kraju knjige.
Način na koji čitate ovaj priručnik zavisi od vas. Ako ste potpuni početnik, čitajte redom. Ako već koristite ChatGPT ili Claude, možete preskočiti na Deo II (bezbednost) — to je poglavlje koje, po mom iskustvu, najviše nedostaje i najiskusnijim korisnicima. Ako ste menadžer ili vlasnik firme, Deo VI je pisan za vas.
Jedno obećanje pre početka: u ovom priručniku nema ni jedne jedine linije programskog koda. Ali ima nečeg vrednijeg — sistem razmišljanja koji vas čini nezavisnim. Cilj nije da zavisite od konsultanata, kurseva ili od ovog priručnika. Cilj je da posle poslednje strane umete sami da procenite novi alat, sami napišete dobar prompt, sami prepoznate rizik i sami pokrenete prvi AI projekat u svojoj organizaciji.
Pritisnite start.
Šta je veliki jezički model, kako zapravo radi, šta su tokeni, zašto AI „halucinira“. Zatim detaljan vodič kroz pet alata: Claude, ChatGPT, Gemini, Perplexity i Gamma — za šta koji radi najbolje, koliko košta i kada koji izabrati. Na kraju: veština pisanja promptova, jedina „programerska“ veština koja vam treba.
Šta nikada ne unositi u AI alat, kako podesiti privatnost u svakom od pet alata, šta kaže GDPR i EU AI Act, kako prepoznati halucinacije, deepfake i AI prevare, i šta su OWASP rizici prevedeni na svakodnevni jezik.
Razlika između četbota, automatizacije i agenta. Šta agenti danas realno mogu, gde greše, kako se bezbedno uvode uz ljudsku kontrolu, i kako da specificirate agenta i ako ga ne gradite sami.
Kako AI menja upravljanje projektima: od zapisnika i izveštaja do analize rizika i planiranja. Šta kažu Gartner i PMI, i konkretna biblioteka promptova za vođenje projekata.
Kako se AI naplaćuje i zašto je to važno i za obične korisnike. Šta je lokalni LLM, zašto su privatnost i suverenitet podataka njegove najveće prednosti, i kada je lokalno bolje od clouda.
Poslednja trećina priručnika. Zašto većina AI inicijativa zastane u pilotu, okvir od pet faza za uvođenje AI u organizaciju, uloga AI šampiona, upravljanje rizicima i usklađenost, izgradnja AI kulture i 90-dnevni akcioni plan sa šablonima.
Kada danas kažemo „veštačka inteligencija“ u poslovnom kontekstu, u 90% slučajeva mislimo na jednu konkretnu tehnologiju: velike jezičke modele (engl. Large Language Models, skraćeno LLM). Claude, ChatGPT i Gemini su svi izgrađeni na LLM tehnologiji.
Veliki jezički model je računarski program koji je „pročitao“ ogromnu količinu teksta — knjige, članke, veb-stranice, dokumentaciju — i iz toga naučio statističke obrasce jezika. Kada mu postavite pitanje, on ne pretražuje bazu gotovih odgovora, već generiše odgovor reč po reč, predviđajući koja reč najverovatnije sledi na osnovu svega što je naučio i na osnovu vašeg pitanja.
Ova jedna rečenica objašnjava gotovo sve što ćete kasnije naučiti o AI alatima:
Iz iskustva sa stotinama polaznika radionica, najkorisnija mentalna slika je sledeća: zamislite izuzetno načitanog, vrednog i brzog saradnika koji je juče došao u vašu firmu. Zna opštu teoriju gotovo svega, piše odlično, nikad se ne umara — ali ne poznaje vašu firmu, vaše klijente ni vaš kontekst, i ponekad samouvereno pogreši. Takvom saradniku ne biste prepustili konačnu odluku, ali biste mu sa zadovoljstvom delegirali prve verzije, analize i pripremu.
Organizaciona upotreba AI je u međuvremenu postala norma: prema AI Index izveštaju Stanford instituta za veštačku inteligenciju usmerenu na čoveka, 88% organizacija izveštava o upotrebi AI u najmanje jednoj poslovnoj funkciji (Stanford HAI, 2026). Razlika između organizacija se više ne pravi na pitanju „da li“, nego „koliko dobro“.
Još jedna tehnička reč koju u ovom priručniku morate zapamtiti je token, jer se na njoj zasniva i način rada i način naplate AI alata (Deo V).
AI model ne čita tekst slovo po slovo niti reč po reč, već ga deli na tokene — delove reči duge u proseku 3–4 karaktera u engleskom jeziku. Reč „mačka“ može biti jedan token; duža ili ređa reč se deli na više tokena.
1.000 tokena ≈ 700–750 reči (OpenAI, n.d.).
Nekoliko pojmova koje ćete sretati svakodnevno:
| Pojam | Šta znači u praksi |
|---|---|
| Razgovor (chat) | Osnovna jedinica rada. Sve što ste napisali u jednom razgovoru model „vidi“ dok odgovara. Novi razgovor = čist početak. |
| Sistemske instrukcije (custom instructions) | Većina alata dozvoljava da jednom podesite trajna uputstva: ko ste, čime se bavite, kakav stil odgovora želite. Najpotcenjenija funkcija za produktivnost — podesite jednom, važi u svakom razgovoru. |
| Memorija | Neki alati (ChatGPT, Gemini, Claude) mogu da pamte informacije između razgovora. Korisno, ali ima implikacije po privatnost — u Delu II ćemo proći kako se memorija kontroliše i briše. |
| Projekti / Spaces / Gems | Radni prostori u koje smestite dokumente i uputstva za jednu temu (npr. „Ponude za klijente“), pa svaki razgovor u tom prostoru počinje sa gotovim kontekstom. Claude ih zove Projects, Perplexity Spaces, Gemini Gems. |
| Priloženi fajlovi | Svi vodeći alati primaju PDF, Word, Excel i slike. Umesto prepričavanja dokumenta — priložite ga. |
Na tržištu postoje stotine AI alata, ali za netehničkog profesionalca pet pokriva praktično sve potrebe. Cene i verzije modela navedene su prema stanju u avgustu 2026. i menjaju se često — uvek proverite zvanične stranice proizvođača (navedene u referencama).
Šta je: AI asistent kompanije Anthropic, dostupan na claude.ai, kao aplikacija za računar i telefon. Anthropic je kompanija poznata po naglasku na bezbednosti i pouzdanosti AI sistema.
U čemu je najbolji:
Kako se plaća: besplatan nivo sa dnevnim ograničenjima; Pro pretplata (oko 20 USD mesečno) za ozbiljniji rad; Team i Enterprise nivoi za organizacije sa administracijom i zaštitom podataka (Anthropic, n.d.).
Dugi dokumenti, kvalitetno pisanje, poverljiviji poslovni kontekst, ponavljajući procesi kroz Projects.
Šta je: najpoznatiji AI asistent na svetu, proizvod kompanije OpenAI (chatgpt.com). Za većinu ljudi — prvi susret sa generativnom AI.
U čemu je najbolji:
Kako se plaća: besplatan nivo; Plus (oko 20 USD mesečno); Team/Enterprise za organizacije (OpenAI, n.d.).
Kao univerzalni „švajcarski nož“ — za generisanje slika, glasovni rad i kada vam treba najširi spektar mogućnosti u jednom alatu.
Šta je: Google-ov AI asistent (gemini.google.com), duboko integrisan u Google ekosistem — Gmail, Docs, Sheets, Drive, Meet.
U čemu je najbolji:
Kako se plaća: besplatan nivo; Google AI pretplate vezane uz Google One; poslovne opcije kroz Google Workspace (Google, n.d.).
Ako koristite Google Workspace; za rad sa multimedijom; za NotebookLM scenarije učenja i istraživanja.
Šta je: AI pretraživač (perplexity.ai) — ukršta jezički model sa pretragom interneta u realnom vremenu i, ključno, navodi izvore za svaku tvrdnju.
U čemu je najbolji:
Kako se plaća: besplatan nivo; Pro pretplata (oko 20 USD mesečno) sa naprednijim modelima i više Deep Research upita (Perplexity, n.d.).
Činjenice u Perplexity — pisanje u Claude/ChatGPT.
Šta je: AI alat za prezentacije, dokumente i veb-stranice (gamma.app). Od jedne rečenice ili nalepljenog teksta pravi kompletnu, dizajniranu prezentaciju.
U čemu je najbolji:
Kako se plaća: besplatan nivo sa ograničenim brojem kreiranja; Plus/Pro pretplate za više generisanja i naprednije opcije (Gamma, n.d.).
Sadržaj pripremite u Claude-u (struktura, poruke, podaci), a zatim ga Gamma „obuče“ u dizajn.
| Zadatak | Prvi izbor | Alternativa |
|---|---|---|
| Pisanje i dorada poslovnih tekstova | Claude | ChatGPT |
| Analiza dugog ugovora / izveštaja | Claude | Gemini (NotebookLM) |
| Istraživanje sa proverljivim izvorima | Perplexity | Gemini |
| Prezentacija za sutra | Gamma | ChatGPT + PowerPoint |
| Rad u Gmail / Docs okruženju | Gemini | — |
| Generisanje i analiza slika | ChatGPT | Gemini |
| Glasovni rad i diktiranje | ChatGPT | Gemini |
| Ponavljajući procesi sa vašim dokumentima | Claude (Projects) | ChatGPT (Custom GPT) |
| Učenje nove oblasti iz vaših materijala | NotebookLM | Claude |
Nemojte odmah kupovati sve. Standardna preporuka sa naših AIMAN radionica je da tim krene sa jednim generalnim alatom (Claude ili ChatGPT) plus Perplexity za istraživanje, pa da se ostalo dodaje kada se ukaže stvarna potreba.
Ako danas počinjete od nule, evo provereno dobrog rasporeda za prvu nedelju. Po pola sata dnevno je dovoljno.
| Dan | Tema | Šta konkretno radite |
|---|---|---|
| Dan 1 | Nalog i podešavanja | Otvorite nalog na jednom generalnom alatu (Claude ili ChatGPT). Odmah idite u podešavanja: uključite dvofaktorsku autentifikaciju i pogledajte opcije privatnosti (detaljno u Delu II). Prvi razgovor: predstavite se alatu — čime se bavite, šta vas čeka ove nedelje — i tražite tri predloga gde bi vam mogao pomoći. |
| Dan 2 | Prvi stvarni zadatak | Uzmite mejl ili dokument koji ionako danas pišete i uradite ga sa AI, po formuli iz 3.2. Ne birajte najteži zadatak — birajte najdosadniji. |
| Dan 3 | Rad sa dokumentom | Priložite PDF ili Word dokument (izveštaj, uputstvo, anonimizovan ugovor) i vežbajte: „sažmi na 10 tačaka“, „šta su tri najveća rizika“, „objasni odeljak 4 jednostavnim jezikom“. |
| Dan 4 | Istraživanje | Otvorite Perplexity i istražite temu koja vam treba za posao. Obratite pažnju na izvore, kliknite bar na dva i proverite da li zaista kažu to što je navedeno. |
| Dan 5 | Tabela | Priložite tabelu (Excel/CSV) sa radnim podacima (opet: bez ličnih podataka) i tražite: trendove, neobičnosti, predlog grafikona, nacrt zaključka za izveštaj. |
| Dan 6 | Prezentacija | Uzmite tekst od dana 3 ili 5 i napravite od njega prezentaciju u Gammi. Izvezite u PowerPoint i doterajte. |
| Dan 7 | Sistematizacija | Napravite dokument „Moja prompt biblioteka“ i u njega prekopirajte najuspešnije promptove nedelje. Zapišite i grubu procenu: koliko ste sati uštedeli? |
Posle sedam dana imaćete ono što većina korisnika nema ni posle godinu dana: naviku, biblioteku i prvu meru vrednosti.
Prompt je uputstvo koje dajete AI modelu — način komunikacije sa LLM-om. Razlika između beskorisnog i izvanrednog odgovora gotovo nikada nije u modelu, nego u promptu. Dobra vest: pisanje dobrih promptova nije programiranje. To je veština jasne komunikacije — ista ona koju koristite kada delegirate zadatak novom saradniku.
Sva uputstva proizvođača — Anthropic-ov vodič za prompt engineering, OpenAI-jeva dokumentacija, Google-ovi vodiči za Gemini — svode se na isti princip: budite konkretni, dajte kontekst, pokažite šta želite (Anthropic, n.d.; OpenAI, n.d.).
Najjednostavniji okvir koji na radionicama učimo prvog dana:
Recite modelu ko da bude. „Ti si iskusan HR menadžer…“ / „Ponašaj se kao revizor…“
Šta tačno treba da uradi — jednim glagolom: napiši, sažmi, uporedi, proveri, predloži.
Sve što bi znao dobar saradnik: za koga je, povod, ograničenja, šta je već pokušano. Priložite dokument ako postoji.
Kako da izgleda rezultat: dužina, ton, struktura, jezik. „Maksimalno 150 reči, srpski, poslovni ton, u tri pasusa.“
Razlika u rezultatu je dramatična — a razlika u uloženom trudu je 60 sekundi.
Pokažite modelu jedan vaš stari mejl, izveštaj ili ponudu i recite: „Piši u ovom stilu i formatu.“ Model uči iz primera bolje nego iz opisa.
Za analize i računanje: „Prvo izlistaj pretpostavke, zatim analiziraj svaku, pa tek onda daj zaključak.“ Smanjuje greške u rezonovanju.
Prvi odgovor je prva verzija. „Skrati za trećinu.“ „Ton je previše formalan.“ „Dodaj pasus o rokovima.“ Najbolji rezultati nastaju u 3–4 kruga.
Moćna tehnika za složene zadatke: „Pre nego što počneš, postavi mi 5 pitanja koja će ti pomoći da ovo uradiš bolje.“ Model tada radi sa vašim stvarnim kontekstom, a ne pretpostavkama.
„Oceni ovaj tekst kao strogi urednik: šta je nejasno, šta nedostaje, šta bih izbacio?“ AI je odličan drugi par očiju.
Kada radite sa dokumentom: „Odgovaraj isključivo na osnovu priloženog dokumenta. Ako informacije nema u dokumentu, reci da je nema.“ Ovo je najjednostavnija odbrana od izmišljanja (Deo II).
Profesionalci ne pišu promptove ispočetka svaki put. Vodite dokument (Word, Notion, beleške) sa promptovima koji su vam dali dobre rezultate, organizovan po zadacima: mejlovi, izveštaji, analiza, sastanci, prezentacije. Na nivou tima, zajednička prompt biblioteka je jedan od najbržih načina da se znanje širi — o tome više u Delu VI.
Za ponavljajuće zadatke, pretvorite najbolje promptove u trajna podešavanja: Claude Project, Custom GPT ili Gemini Gem. Tako prompt pišete jednom, a koristite ga stotinama puta.
Po AIMAN metodologiji, svako poglavlje se završava zadatkom koji primenjujete istog dana:
| # | Greška | Kako je izbeći |
|---|---|---|
| 1 | Jedno pitanje, jedna šansa | Početnik postavi pitanje, dobije osrednji odgovor i zaključi „ne valja ovo“. Profesionalac tretira prvi odgovor kao prvu verziju i dorađuje kroz razgovor. AI je saradnik, ne automat za kafu. |
| 2 | Premalo konteksta | „Napiši ponudu“ ne može dati dobru ponudu — kao što ni saradnik kome ste to isto rekli u prolazu ne bi znao odakle da krene. Sve što biste rekli novom kolegi, recite i modelu. |
| 3 | Predugačak razgovor za sve | Jedan razgovor koji traje nedeljama, sa pedeset različitih tema, zbunjuje model (i troši kontekstni prozor). Nov zadatak — nov razgovor; trajna uputstva u custom instructions ili Project. |
| 4 | Slepo poverenje | Preuzimanje broja, imena ili člana zakona iz AI odgovora bez provere. Pravila iz Dela II nisu opciona. |
| 5 | Skrivanje upotrebe | Korišćenje AI „u tajnosti“, na privatnom nalogu, sa poslovnim podacima. Ako u organizaciji nema pravila, budite prva osoba koja predloži pravila (Deo VI), a do tada radite po bezbednosnoj listi iz Dela II. |
| 6 | Očekivanje čitanja misli | Model ne zna šta vam se ne sviđa dok ne kažete. „Ne dopada mi se“ je slaba povratna informacija; „previše je formalno i predugačko, skrati za pola i piši kao kolegi“ je dobra. |
| 7 | Odustajanje posle prvog lošeg iskustva | Svaki alat ima zadatke koje radi sjajno i one koje radi loše. Ako je prvi pokušaj promašio, problem je verovatno u izboru zadatka ili prompta — ne u tehnologiji. Vratite se na tabelu iz 2.6 i probajte zadatak za koji je alat građen. |
„Da li bih ovaj sadržaj poslao nepoznatoj osobi van firme?“
Ako je odgovor ne — ne unosite ga u AI alat bez izmena ili bez odgovarajućeg poslovnog naloga sa garancijama zaštite podataka. Ovo pravilo, dosledno primenjeno, sprečava veliku većinu incidenata koje viđamo u praksi.
Umesto toga — anonimizujte. AI ne mora da zna da se klijent zove „Petrović d.o.o.“ da bi vam pomogao sa ugovorom. Zamenite: „Klijent A“, „iznos X“, „grad N“. Kvalitet pomoći ostaje isti, rizik nestaje.
Kod svakog AI alata treba da znate odgovor na tri pitanja: (1) da li se moji razgovori koriste za treniranje modela, (2) šta alat pamti o meni, (3) kako se to isključuje. Opšta pravila (proverite aktuelno stanje u zvaničnim centrima pomoći):
| Alat | Gde se kontroliše privatnost |
|---|---|
| ChatGPT | U podešavanjima (Data Controls) možete isključiti korišćenje vaših razgovora za unapređenje modela; memorija se pregleda i briše u podešavanjima; „Temporary Chat“ ne ulazi u istoriju (OpenAI, n.d.). |
| Claude | Podešavanja privatnosti kontrolišu da li razgovori mogu biti korišćeni za unapređenje modela; razgovori se mogu brisati; Anthropic objavljuje detaljna pravila u centru za privatnost (Anthropic, n.d.). |
| Gemini | Aktivnost se kontroliše kroz „Gemini Apps Activity“; možete isključiti čuvanje i automatsko brisanje istorije (Google, n.d.). |
| Perplexity | U podešavanjima naloga postoji opcija isključivanja upotrebe podataka za trening („AI data retention“) (Perplexity, n.d.). |
| Gamma | Kao i kod svih alata u koje unosite poslovni sadržaj — proverite politiku privatnosti i poslovne planove (Gamma, n.d.). |
Team i Enterprise verzije (Claude Team/Enterprise, ChatGPT Team/Enterprise, Gemini kroz Google Workspace) po pravilu ugovorno garantuju da se podaci organizacije ne koriste za trening, nude administraciju, kontrolu pristupa i usklađenost sa propisima. Ako sa AI radite poslovno i ozbiljno, poslovni nalog nije luksuz — nego higijena.
Ako unesete lične podatke klijenta u AI alat, vi ste izvršili obradu podataka u smislu GDPR-a (Uredba (EU) 2016/679), odnosno srpskog Zakona o zaštiti podataka o ličnosti koji je sa njim usklađen. To znači da za tu obradu morate imati pravni osnov, a vaša organizacija odgovara za posledice.
Unosite najmanju količinu ličnih podataka potrebnu za zadatak — najbolje nijednu (anonimizacija).
Organizacija treba da ima internu politiku koja kaže koji alati su odobreni i za šta (šablon u Delu VI).
Većina AI servisa obrađuje podatke van vaše zemlje; poslovni ugovori (DPA — Data Processing Agreement) to uređuju, privatni nalozi ne.
Akt o veštačkoj inteligenciji Evropske unije — Uredba (EU) 2024/1689 — prvi je sveobuhvatan zakon o AI na svetu. Za netehnička lica, dve tačke su ključne.
| Nivo rizika | Šta obuhvata |
|---|---|
| Zabranjene prakse | npr. manipulativni sistemi, socijalno bodovanje |
| Visokorizični sistemi | npr. AI u zapošljavanju, kreditiranju, obrazovanju — dozvoljeni su uz stroge obaveze |
| Ograničen rizik | obaveza transparentnosti — čovek mora znati da razgovara sa AI |
| Minimalan rizik | najveći deo svakodnevne upotrebe |
Član 4 Uredbe obavezuje i proizvođače i korisnike-organizacije (deployers) da obezbede „dovoljan nivo AI pismenosti“ svog osoblja koje radi sa AI sistemima, srazmerno njihovom znanju, iskustvu i kontekstu upotrebe. Obaveza je na snazi od 2. februara 2025, a od avgusta 2026. nadležni organi država članica je i formalno sprovode (European Union, 2024; Future of Life Institute, n.d.).
Obuka kakvu ova knjiga pruža nije samo dobra praksa — u EU je i regulatorna obaveza poslodavca. Za organizacije koje posluju sa EU tržištem (što uključuje i mnoge srpske firme), ovo je direktno relevantno.
Halucinacija je situacija u kojoj AI generiše netačnu informaciju koja zvuči potpuno uverljivo: izmišljen izvor, pogrešan datum, nepostojeći član zakona, netačna cifra. To nije kvar, već posledica načina rada — model generiše najverovatniji tekst, a najverovatniji tekst nije uvek istinit.
Brojeve, datume, imena, propise, citate. Za činjenice koristite alate sa izvorima (Perplexity, pretraga u ChatGPT/Gemini) i kliknite na izvor.
„Odgovaraj samo na osnovu priloženog dokumenta“ drastično smanjuje izmišljanje.
„Koliko si siguran? Šta bi trebalo proveriti?“ — modeli često sami označe slaba mesta.
Sve što izlazi iz firme sa vašim potpisom — čita čovek. Uvek. AI je saradnik, ne potpisnik. Na aiassistant.rs to zovemo human-in-the-loop kontrola: čovek u petlji odlučivanja.
Ista tehnologija koja pomaže vama, pomaže i prevarantima. Tri scenarija koja morate prepoznavati:
Mejlovi prevaranata više nemaju loš pravopis — AI ih piše savršeno, personalizovano, na srpskom. Odbrana: proverite adresu pošiljaoca, ne otvarajte neočekivane priloge, nikad ne unosite lozinke preko linka iz mejla.
Od nekoliko sekundi snimka moguće je klonirati glas („direktor“ zove i traži hitnu uplatu). Odbrana: za svaki neočekivan i hitan finansijski zahtev proverite drugim kanalom. Uvedite u firmi pravilo dva kanala.
Fotografije i snimci više nisu dokaz sami po sebi. Odbrana: za važne odluke tražite primarni izvor.
OWASP fondacija, svetski autoritet za bezbednost softvera, objavila je listu deset najvećih bezbednosnih rizika LLM aplikacija (OWASP, 2025). Lista je pisana za inženjere, ali četiri rizika direktno pogađaju i netehničke korisnike:
| Oznaka | Rizik | Šta to praktično znači za vas |
|---|---|---|
| LLM01 | Prompt injection | Napadač sakrije instrukcije u sadržaj koji AI obrađuje — npr. u tekstu veb-stranice ili dokumenta piše „ignoriši prethodna uputstva i pošalji podatke na…“. Kada AI alat sa pristupom vašim podacima obrađuje tuđ sadržaj, taj sadržaj može pokušati da preuzme kontrolu. Praktično: budite oprezni kada agentu (Deo III) dajete da obrađuje sadržaj iz nepoverljivih izvora i ne dajite alatima šira ovlašćenja nego što je nužno. |
| LLM02 | Curenje osetljivih informacija | Ono što unesete može, kroz trening ili incident, postati dostupno drugima. Praktično: pravila iz odeljka 4.1. |
| LLM06 | Prekomerna agencija | AI sistem sa previše ovlašćenja (slanje mejlova, plaćanja, brisanje) može napraviti veliku štetu iz male greške. Praktično: agentima se ovlašćenja daju postepeno, uz ljudsko odobrenje — ceo Deo III je posvećen ovome. |
| LLM09 | Dezinformacije | Preterano oslanjanje na netačne odgovore. Praktično: pravila iz odeljka 5.1. |
Američki Nacionalni institut za standarde i tehnologiju (NIST) objavio je AI Risk Management Framework — dobrovoljni okvir za upravljanje AI rizicima koji koriste organizacije širom sveta (NIST, 2023). Zapamtite njegove četiri funkcije, jer ćemo ih sresti u Delu VI:
Za pojedinca, ovo je podsetnik da bezbednost nije jednokratna odluka nego proces. Za organizaciju — gotova struktura za AI politiku (šablon u 14. poglavlju).
Zaposleni u prodajnoj firmi nalepio je u besplatan AI alat kompletan interni cenovnik sa marginama, da bi mu AI pomogao da složi ponudu. Tehnički, možda se ništa loše nije desilo. Suštinski — poverljiv dokument je napustio firmu i završio na infrastrukturi treće strane, mimo svake kontrole, uz podešavanja koja niko nije proverio. Rešenje je bilo trivijalno: ista pomoć, isti alat, ali sa anonimizovanim iznosima („marža X%“, „cena Y“) ili poslovni nalog sa ugovorenom zaštitom.
Računovođa je pitao četbot o roku za predaju jednog obrasca. Dobio je uverljiv, precizan i pogrešan odgovor, sa brojem člana pravilnika koji ne postoji u tom obliku. Greška je uhvaćena jer je kolega insistirao na proveri u izvornom propisu.
Finansijskom službeniku stigao je glasovni poziv „direktora“ sa hitnim nalogom za uplatu stranom dobavljaču — glas uverljiv, ton poznat, pritisak velik. Služba je imala pravilo dva kanala: svaki hitan nalog za plaćanje potvrđuje se porukom na poznat broj ili uživo. Direktor, naravno, nije zvao.
Ne u tom smislu. Ozbiljni provajderi objavljuju šta rade sa podacima i daju kontrole (4.2). Rizik nije film o špijunima, nego prozaičan: podaci uneti mimo pravila, na pogrešnom nalogu, sa uključenim trening opcijama. To kontrolišete vi.
Za svoje lične dokumente — vaša odluka, uz preporuku da zdravstvene i pravne podatke anonimizujete gde možete. Za tuđe je potrebna saglasnost i pravni osnov; kao polazište, tretirajte tuđe dokumente kao da su vaši najosetljiviji.
Pouzdani detektori ne postoje — tačnost im je nedovoljna za bilo šta ozbiljno. Umesto detekcije, tražite proces: izvor, primarni dokument, drugi kanal potvrde.
Kvalitetno korišćen AI se ne „vidi“ — vidi se brži i bolji rad. Ali tamo gde propis, ugovor ili odnos poverenja traže transparentnost (npr. AI komunicira direktno sa klijentom), recite otvoreno. Niko ne zamera na alatu; zamera se na skrivanju.
Danas otvorite podešavanja privatnosti u alatu koji najviše koristite. Proverite: (1) da li se vaši razgovori koriste za trening, (2) šta alat pamti o vama, (3) kako se briše istorija. Deset minuta koji vas svrstavaju u manjinu korisnika koja zna gde joj idu podaci.
Reč „agent“ je 2025. i 2026. godine postala najkorišćenija (i najzloupotrebljenija) reč u AI industriji. Da bismo je raščistili, koristimo razlikovanje koje je uveo Anthropic u uticajnom vodiču Building Effective Agents (Anthropic, 2024):
Vi pitate, on odgovara. Sva inicijativa je vaša; alat ne radi ništa dok ne pošaljete poruku i ne preduzima nikakve akcije u spoljašnjem svetu. ChatGPT i Claude u običnom razgovoru su na ovom nivou.
LLM je ugrađen u unapred definisan tok: „kada stigne mejl sa fakturom → izvuci podatke → upiši u tabelu → pošalji na odobrenje“. Koraci su fiksni, AI obavlja pojedine korake (čitanje, izvlačenje, pisanje), ali redosled je zadao čovek. Ovo je predvidivo, jeftino i za većinu poslovnih procesa — sasvim dovoljno.
Sistem u kome AI sam odlučuje o koracima: dobije cilj („pronađi i rezerviši termin sa ova tri klijenta“), pa samostalno planira, koristi alate (kalendar, mejl, pretragu), proverava rezultate i prilagođava plan dok cilj ne ostvari. Anthropic definiše agente upravo tako: sistemi u kojima LLM dinamički upravlja sopstvenim procesima i upotrebom alata, zadržavajući kontrolu nad načinom izvršenja zadatka (Anthropic, 2024).
Koristite najjednostavnije rešenje koje radi. Ako se proces može opisati fiksnim koracima — pravite workflow, ne agenta. Agent se uvodi tek kada je potrebna fleksibilnost i odlučivanje u hodu. Ovo pravilo štedi novac, živce i bezbednosne incidente.
Prema McKinsey istraživanju The State of AI iz novembra 2025, na uzorku od skoro 2.000 organizacija iz 105 zemalja, 23% preduzeća skalira AI agente u bar jednoj funkciji, ali u svakoj pojedinačnoj oblasti tek oko 10% organizacija prijavljuje potpuno uveden sistem (McKinsey & Company, 2025).
Prevod: agenti su stvarni i korisni, ali smo na početku — i to je vaša prilika, ne hendikep.
Tipični uspešni primeri, uključujući i one koje gradimo za klijente kroz AIMAN praksu:
Agenti nasleđuju sve slabosti modela (halucinacije, podložnost prompt injection napadima) i dodaju novu: grešku koja se izvršava. Četbot koji pogreši napiše netačnu rečenicu; agent koji pogreši pošalje pogrešan mejl. Zato je centralno pitanje agenata — pitanje kontrole, a ne tehnologije.
Da bi agent radio nešto korisno, mora da se poveže sa sistemima u kojima živi vaš posao: mejl, kalendar, dokumenti, CRM, tabele. Ta veza se ostvaruje kroz konektore — standardizovane „utičnice“ između AI modela i spoljnih alata (u industriji se ustalio otvoreni standard MCP — Model Context Protocol, koji podržavaju vodeći proizvođači). Za netehničko lice, dve su praktične posledice:
Kada AI alatu povežete kalendar i mejl, rečenica „nađi termin sa Markom sledeće nedelje i pošalji poziv“ prestaje da bude naučna fantastika — to je konektor plus prvi stepenik autonomije.
Svaki konektor je i ulazna vrata. Pravila iz Dela II ovde važe udvostručeno: konektor dajte samo alatu kome verujete, na poslovnom nalogu, sa najužim mogućim pristupom (čitanje pre pisanja, jedan nalog pre svih naloga), i vodite evidenciju ko je šta povezao.
Pitanje „koje konektore imamo uključene?“ jedno je od prvih koje postavljamo na svakom AIMAN bezbednosnom pregledu.
Najvažniji koncept ovog dela knjige. Autonomija agenta se ne uključuje prekidačem, već raste stepenik po stepenik — tako da svaki sledeći nivo agent „zarađuje“ pokazanom pouzdanošću na prethodnom.
| Stepenik | Naziv | Šta agent sme |
|---|---|---|
| 1 | Predloži, čovek odobrava (Draft & Approve) | Agent priprema (odgovor, unos, nalog), čovek pregleda i klikće „pošalji“. Ovde počinje svaki agent. Rizik: minimalan. |
| 2 | Trijaža | Agent samostalno razvrstava i usmerava (mejlove, tikete, dokumente), a odluke i odgovore i dalje priprema za čoveka. Greška u razvrstavanju je vidljiva i ispravljiva. |
| 3 | Koordinacija | Agent samostalno vodi višekorake procese (zakazivanje, prikupljanje podataka, podsetnici), ali svaka radnja prema spoljnom svetu sa posledicama ide na odobrenje. |
| 4 | Ograničeno samostalno delovanje (Bounded Action) | Agent samostalno izvršava tačno definisanu klasu radnji u tačno definisanim granicama („odgovori na upite tipa A i B; sve preko iznosa X ili van šablona — eskaliraj čoveku“). Granice su pisane, merljive i proveravaju se. |
Ni na četvrtom stepeniku ne postoji „pusti i zaboravi“. Postoji samo uži ili širi krug poverenja — uvek sa nadzorom, evidencijom i mogućnošću da čovek preuzme.
Ne morate umeti da napravite agenta da biste ga dobro koristili. Ko odgovori na ovih sedam pitanja, uradio je 70% posla specifikacije — ostatak je tehnika:
| # | Pitanje | Šta tražite kao odgovor |
|---|---|---|
| 1 | Okidač | Šta pokreće agenta? (novi mejl, novi dokument, raspored, zahtev korisnika) |
| 2 | Kontekst | Koje informacije agent sme da vidi? (koji dokumenti, koje baze, koji nalozi) |
| 3 | Alati | Šta agent sme da koristi? (čitanje mejla ≠ slanje mejla; pregled kalendara ≠ zakazivanje) |
| 4 | Autonomija | Na kom je stepeniku lestvice iz 7.1? |
| 5 | Odobrenje | Koje radnje uvek idu na ljudsko odobrenje? (podrazumevano: sve prema spolja) |
| 6 | Eskalacija | Kada agent mora da stane i pozove čoveka? (nesiguran je, izlazi iz šablona, iznos preko granice) |
| 7 | Uspeh | Kako merimo da agent radi dobro? (tačnost, ušteda vremena, zadovoljstvo korisnika — izmereno pre i posle) |
Ova pitanja su istovremeno i vaša odbrana od OWASP rizika „prekomerne agencije“ iz 5.3 — jer agent koji ima samo alate koji su mu potrebni i granice koje su zapisane ne može da napravi štetu velikih razmera.
Na radionicama često čujemo: „Ako sve moram da odobravam, čemu agent?“ Odgovor: odobravanje deset pripremljenih odgovora traje pet minuta; pisanje deset odgovora traje sat i po. Agent ne uklanja čoveka — uklanja repetitivni deo posla, a čoveku ostavlja odluku.
Vremenom, kako statistika pokaže da agent određenu klasu zadataka radi pouzdano, ta klasa se pomera ka većoj autonomiji. To je proces od nedelja i meseci, vođen podacima, a ne entuzijazmom.
McKinsey nalazi da najuspešnije organizacije ne „ubacuju“ agente u postojeći haos, već redizajniraju tok posla — 55% uspešnih fundamentalno menja proces kada uvodi AI (McKinsey & Company, 2025).
Projekat sa vašim procedurama i šablonima je „agent na prvom stepeniku“ — priprema nacrte po vašim pravilima, vi odobravate.
Specijalizovani asistent sa vašim uputstvima i dokumentima.
MindStudio, Zapier, Make i slične — povezuju AI sa vašim mejlom, tabelama i CRM-om u workflow bez koda.
Za složenije slučajeve (obrada faktura, podrška klijentima) angažuje se partner koji gradi agenta — dok je vaš posao da odgovorite na sedam pitanja iz 7.2 i da insistirate na lestvici autonomije iz 7.1.
Uslužna delatnost, ~40 zaposlenih, računovodstvo od tri osobe koje je „davilo“ oko 400 ulaznih faktura mesečno.
Greške prekucavanja: praktično nula — jer prekucavanja više nema. I, što tim najviše ističe, nestala je najmrskija aktivnost u poslu.
Ne model — model je bio standardan. Presudno je bilo: uzak obuhvat (samo fakture), pravilo eskalacije (agent sme da kaže „ne znam“), prvi stepenik autonomije (poverenje se gradilo statistikom — kada je posle mesec dana tačnost predloga prešla 98%, tim je sam tražio da se rutinski slučajevi ubrzaju), i to što je proces redizajniran (odobrenje jednim klikom umesto prekucavanja), a ne samo „ubačen AI“ u stari proces.
Izaberite jedan repetitivan proces iz svog posla (nešto što radite svake nedelje, dosadno je i ima jasna pravila). Prođite kroz sedam pitanja iz 7.2 i zapišite odgovore na jednu stranu. Čestitamo — upravo ste napisali svoju prvu specifikaciju agenta. U Delu VI ćete je pretvoriti u pilot projekat.
Projektni menadžment je oblast u kojoj je AI transformacija najavljena ranije nego u većini drugih: Gartner je još 2019. predvideo da će do 2030. veštačka inteligencija preuzeti 80% današnjih zadataka upravljanja projektima — pre svega prikupljanje podataka, praćenje i izveštavanje (Gartner, 2019). Ta prognoza se pokazala tačnim smerom: rutinski, administrativni sloj projektnog posla automatizuje se prvi.
Project Management Institute (PMI), vodeće svetsko strukovno udruženje projektnih menadžera, u svojim istraživanjima nalazi da organizacije koje koriste AI u upravljanju projektima isporučuju 61% projekata na vreme naspram 47% kod onih koje ne koriste, i da 64% njihovih projekata ostvari ili premaši planirani povraćaj ulaganja, naspram 52% kod ostalih (PMI, 2025). Istovremeno, tek oko petine projektnih menadžera ocenjuje svoje praktične AI veštine kao dobre — što znači da je jaz između mogućnosti i primene ogroman, a to je jaz koji vi možete da popunite.
AI ne zamenjuje projektnog menadžera. Zamenjuje administrativni deo njegovog posla, a oslobođeno vreme premešta ka onome što mašina ne radi: vođenju ljudi, pregovaranju sa stejkholderima, rešavanju konflikata i odlukama pod neizvesnošću.
| Faza | Kako AI pomaže |
|---|---|
| Iniciranje | AI kao sparing partner za poslovni slučaj: „Napravi nacrt project charter-a za uvođenje novog CRM-a u firmu od 50 ljudi: ciljevi, obuhvat, ključni stejkholderi, rizici, grubi vremenski okvir.“ Perplexity za analizu tržišta i primere sličnih projekata; Claude za strukturu i tekst dokumenta. |
| Planiranje | Razlaganje obima na radne pakete (WBS), predlog rasporeda i zavisnosti, procena rizika. AI je posebno dobar za premortem analizu — tehniku u kojoj se zamišlja da je projekat propao pa se unazad traže uzroci. |
| Izvršenje | Zapisnici i akcije sa sastanaka (snimak/transkript → sažetak, odluke, zaduženja, rokovi), priprema statusnih izveštaja za različite publike iz istih podataka (jedan za upravu — tri pasusa; jedan za tim — detaljan), mejlovi i komunikacija. |
| Praćenje i kontrola | Analiza odstupanja („uporedi planirano i ostvareno iz priložene tabele i izdvoj tri najveća odstupanja sa mogućim uzrocima“), rano prepoznavanje rizika iz statusnih izveštaja, priprema materijala za upravljačke odbore. |
| Zatvaranje | Naučene lekcije: priložite hronologiju projekta i tražite strukturiran lessons learned dokument; završni izveštaj; arhiviranje znanja u bazu (Claude Project / NotebookLM) za sledeći projekat. |
Sledeće promptove prilagodite svom kontekstu (i sećajte se anonimizacije iz Dela II):
Pet alata iz ove knjige pokriva i projektni rad: Claude (dokumenti, analiza, Projects kao „projektni dosije“), ChatGPT (svestrani rad + Custom GPT „asistent za [vaš projekat]“), Gemini (ako tim radi u Google Workspace — zapisnici iz Meet-a, izveštaji u Docs), Perplexity (istraživanje dobavljača, tehnologija, benčmarka), Gamma (kickoff prezentacije, izveštaji za odbor).
Specijalizovani projektni alati (Asana, Jira, Monday, ClickUp…) danas ugrađuju AI funkcije — sažetke, predloge zadataka, izveštaje — i vredi ih uključiti ako ih tim već koristi; ali disciplina (ažurni podaci, jasne odgovornosti) ostaje ljudski posao.
AI na neurednim podacima proizvodi uredno formatirane gluposti.
Hronično kašnjenje administrativnih obaveza. Uveden je AI u tri koraka — namerno bez ikakve nove „projektne platforme“.
Ako se Gartnerova prognoza ostvaruje (a ostvaruje se), 80% administrativnog sloja projektnog posla nestaje (Gartner, 2019). Šta ostaje? PMI-jevi podaci daju odgovor: ostaje — i vredi više — sve što je ljudsko: vođenje tima, upravljanje stejkholderima, pregovaranje, etičko rasuđivanje, odluke pod neizvesnošću (PMI, 2025).
Projektni menadžer koji danas nauči da AI-u delegira administraciju ne postaje zamenljiviji, nego suprotno: postaje menadžer koji vodi dvostruko više projekata sa duplo mirnijom glavom. Projektni menadžer koji to ne nauči — takmičiće se sa onim prvim. To je cela karijerna računica, i ona važi za svaku profesiju u ovoj knjizi.
Izaberite jedan sastanak ove nedelje. Snimite ga ili vodite beleške, pa AI-u dajte prompt za zapisnik iz 8.3. Uporedite sa onim što biste sami napisali i izmerite uštedu vremena. To je vaš prvi merljivi AI rezultat u projektu — zapišite ga, trebaće vam za Deo VI.
Fiksni mesečni iznos po korisniku (tipično oko 20 USD za Pro nivoe, više za poslovne). Dobijate aplikaciju, interfejs i „fer“ količinu korišćenja sa ograničenjima. Predvidivo, jednostavno — pravi izbor za pojedince i timove koji koriste AI kroz razgovor.
Kada se AI ugrađuje u procese, softver i agente, plaća se tačno onoliko koliko se potroši — po milionu tokena, posebno za ulaz i izlaz. Izlazni tokeni su po pravilu nekoliko puta skuplji od ulaznih. Ovo je „struja“ AI sveta: nevidljiva dok radi, a na računu na kraju meseca.
Zato što će pre ili kasnije neko u vašoj organizaciji predložiti „da ugradimo AI u naš proces“ — i tada pitanja troška, izbora modela i optimizacije postaju poslovna, a ne tehnička pitanja. Ko razume ekonomiju tokena, taj vodi taj razgovor.
Cene se menjaju često (po pravilu — padaju), pa ih navodimo kao red veličine, uz obavezu provere na zvaničnim cenovnicima (Anthropic, OpenAI i Google objavljuju javne cenovnike).
| Klasa modela | Ulaz (po milionu tokena) | Izlaz (po milionu tokena) |
|---|---|---|
| Najmoćniji („frontier“) modeli | oko 2–5 USD | oko 12–25 USD |
| Najlakši modeli (npr. Flash-Lite klase) | 0,10–0,40 USD — razlika od preko sto puta u odnosu na najskuplje | |
Milion tokena je oko 700.000 reči — otprilike 1.500 stranica teksta. Obrada jedne fakture (pola strane ulaza, par redova izlaza) na jeftinom modelu košta delić dinara; na najskupljem modelu — i dalje manje od dinara. AI po zadatku gotovo nikad nije skup; skupo je hiljadu zadataka dnevno na pogrešnom modelu.
Najveća poluga. Klasifikacija mejlova, izvlačenje podataka, sažimanje — lakši modeli. Složena analiza, važan tekst, rezonovanje — jači modeli. Razlika u ceni: 10–100×; razlika u kvalitetu za jednostavne zadatke: često nikakva.
Ne šaljite ceo ugovor kad treba analizirati jedan član. Plaćate svaki token ulaza — a kraći, fokusiran kontekst obično daje i bolji odgovor.
U dugim razgovorima svaki novi odgovor iznova šalje celu istoriju — trošak raste, a fokus modela opada. (Ovo važi i za kvalitet kod pretplata.)
Za timove koji grade rešenja: ponovljeni deo prompta (uputstva, šabloni) može se keširati po sniženoj ceni, a nehitni poslovi slati u batch režimu — tipično za 50% cene.
Provajderi daju detaljne izveštaje potrošnje. Pravilo iz prakse: 20% procesa pravi 80% troška — nađite ih, pa optimizujte njih.
Ekonomija tokena ima i drugu stranu: ono što AI zameni. Sat rada zaposlenog u Srbiji košta stotine dinara do više hiljada; zadatak koji AI obavi za delić dinara često menja 15–60 minuta ljudskog rada.
Sati ušteđeni nedeljno po zaposlenom (tipično 4–5 sati kod dobro uvedenih procesa) puta cena sata — to je brojka koja ubedi upravu, a ne cena po milionu tokena. Poslovni slučaj za AI se gotovo nikad ne lomi na ceni tokena, nego na tome da li je proces dobro izabran i da li ga ljudi zaista koriste.
Kad-tad će vam neko prodavati „AI rešenje“. Ekonomija tokena vam daje pitanja kojima razdvajate ozbiljne ponuđače od prodavaca magle:
| # | Pitanje | Šta odgovor otkriva |
|---|---|---|
| 1 | „Koji model koristite i zašto baš taj za naš zadatak?“ | Ozbiljan ponuđač ume da objasni izbor (i zna za jeftinije alternative); neozbiljan kaže „najbolji na tržištu“. |
| 2 | „Kako se skalira trošak sa obimom?“ | Tražite cenu po jedinici posla (po fakturi, po upitu), ne samo mesečni paušal — i šta se dešava kada obim poraste pet puta. |
| 3 | „Gde idu naši podaci i po kom ugovoru?“ | DPA, lokacija obrade, da li se podaci koriste za trening. Bez jasnog odgovora nema posla. |
| 4 | „Šta se dešava kada model pogreši?“ | Tražite stopu greške na probnom uzorku vaših podataka, definisanu eskalaciju i ljudsku kontrolu (Deo III). |
| 5 | „Šta od ovoga možemo vremenom sami?“ | Ponuđač koji planira vašu samostalnost je partner; onaj koji je izbegava je renta (princip nulte zavisnosti). |
Do sada opisani alati rade „u oblaku“: vaš tekst putuje na servere proizvođača, tamo se obrađuje i vraća vam se odgovor. Lokalni LLM je jezički model koji se preuzme i izvršava na vašem računaru ili serveru vaše firme — podaci ne napuštaju vašu mašinu.
Ovo je moguće zahvaljujući modelima otvorenih težina (open-weight): Meta (porodica Llama), Mistral, Google (Gemma), Alibaba (Qwen), DeepSeek i drugi objavljuju modele koje svako može besplatno preuzeti i pokrenuti. Oni su po sposobnostima obično korak iza najjačih cloud modela, ali su za mnoge poslovne zadatke — sažimanje, klasifikaciju, izvlačenje podataka, rad sa internim dokumentima — sasvim dovoljni.
Podatak koji ne napusti vaš računar ne može da procuri kod treće strane, ne ulazi ni u čiji trening i ne zavisi od tuđih bezbednosnih praksi. Za advokatske kancelarije, zdravstvo, finansije i rad sa posebno osetljivim podacima — često presudan argument (SitePoint, 2026).
GDPR načela minimizacije podataka najlakše je ispuniti kada obrada ostaje u vašoj infrastrukturi; nema prenosa podataka u treće zemlje, nema pregovaranja o DPA ugovorima za taj deo obrade. Za javni sektor i EU projekte, „podaci ostaju u organizaciji“ je rečenica koja otvara vrata.
Cloud API je jeftin po zadatku, ali pri stotinama hiljada zadataka mesečno trošak raste linearno, dok lokalni model — jednom postavljen — obrađuje neograničeno po ceni struje i hardvera (Programming Helper, 2026).
Radi bez interneta, ne zavisi od promena uslova, cena ili dostupnosti provajdera. Za kritične procese donosi otpornost; za organizacije u regionima sa nestabilnim vezama — upotrebljivost.
| Alat | Šta je i kako se koristi |
|---|---|
| Ollama ollama.com | Besplatan alat: instalirate, izaberete model iz kataloga, i model radi na vašem računaru. Napomena: Ollama nudi i opcione cloud funkcije — za punu privatnost koristite isključivo lokalni režim (SolidAITech, 2026). |
| LM Studio lmstudio.ai | Besplatna aplikacija sa grafičkim interfejsom nalik ChatGPT-u: katalog modela, preuzimanje jednim klikom, razgovor sa modelom, rad sa dokumentima. |
Savremeni laptop sa 16 GB memorije pokreće manje modele (7–14 milijardi parametara) sasvim upotrebljivo; jača radna stanica sa gejmerskom grafičkom kartom pokreće i modele srednje klase; savremene grafičke karte sa dovoljno memorije danas pokreću i modele od 70 milijardi parametara zahvaljujući kvantizaciji — tehnici „sabijanja“ modela uz malo žrtvovanog kvaliteta (SitePoint, 2026). Za tim: jedan server u lokalnoj mreži može služiti celoj firmi.
| Pitanje | Ako je odgovor… | Onda |
|---|---|---|
| 1. Koliko su podaci osetljivi? | Vrlo osetljivi (zdravlje, pravo, finansije klijenata) | lokalno ili poslovni cloud sa ugovornim garancijama |
| Opšti poslovni sadržaj | cloud je praktičniji | |
| 2. Koliki je obim? | Povremena upotreba | cloud (pretplata) |
| Masovna automatska obrada | računajte obe varijante — lokalno često pobedi | |
| 3. Koliko vam treba vrhunski kvalitet? | Najsloženiji zadaci | cloud frontier modeli su i dalje najbolji |
| Rutinski zadaci | lokalni modeli su dovoljni |
Lokalni model za osetljivo i masovno, cloud za najzahtevnije. To nije ili-ili odluka, nego arhitektura — i organizacije koje to razumeju štede novac i spavaju mirnije.
Kancelarija je htela AI pomoć u radu sa dokumentima, ali je poverljivost klijenata činila cloud rešenja neprihvatljivim za najosetljivije predmete, a profesionalna pravila su stroža od GDPR minimuma.
Instalirajte LM Studio ili Ollama na svoj računar (15 minuta), preuzmite jedan manji model i dajte mu isti zadatak koji ste ranije dali cloud alatu. Uporedite kvalitet, brzinu — i osećaj kada znate da tekst nije napustio vaš računar. Od danas u razgovorima o AI možete reći: „Probao sam i lokalni model.“ Malo ko to može.
Brojke iz najuglednijih svetskih istraživanja crtaju neobičnu sliku. S jedne strane, usvajanje je masovno. S druge strane, McKinsey nalazi da ogromna većina organizacija ne uspeva da poveže AI sa poslovnim rezultatom — vrti se u krug pilota: probaju, oduševe se, naprave demonstraciju… i tu stane (McKinsey & Company, 2025).
U uspešnim AI transformacijama, oko 10% napora i vrednosti čine algoritmi i modeli, oko 20% tehnologija i podaci, a oko 70% su ljudi, procesi i organizacione promene.
Većina organizacija troši budžet obrnuto: kupuje licence i tehnologiju (onih 30%), a preskače obuku, redizajn procesa, pravila i upravljanje promenom (onih 70%). Rezultat je poznat svakome ko je gledao uvođenje bilo kog softvera: alat postoji, niko ga ne koristi kako treba, posle šest meseci svi kažu „probali smo AI, nije to za nas“.
Dokazi potvrđuju i suprotan smer: organizacije koje uspevaju rade upravo na onih 70%. McKinsey nalazi da su visokoperformeri 3,6 puta skloniji da AI koriste za transformacionu promenu (a ne kozmetiku), i da 55% njih fundamentalno redizajnira tok posla pri uvođenju AI (McKinsey & Company, 2025).
| # | Greška | Kako izgleda ispravno |
|---|---|---|
| 1 | Tehnologija pre problema | „Kupili smo AI alat, sad da vidimo šta ćemo s njim.“ Ispravno je obrnuto: prvo bolna tačka procesa, pa alat. |
| 2 | Pilot bez plana skaliranja | Demonstracija koja nema unapred definisano „ako uspe, širimo ovako“ umire kao demonstracija. |
| 3 | Preskočena obuka | Alat dobiju svi, obuku niko — a videli smo da je AI pismenost u EU i zakonska obaveza (član 4, Uredba (EU) 2024/1689). |
| 4 | Nula pravila | Bez politike upotrebe, zaposleni ili koriste AI tajno (rizik iz Dela II), ili ga ne koriste uopšte (propuštena vrednost). Oba ishoda su loša. |
| 5 | Zavisnost od spoljnih konsultanata | Konsultant koji vam je „neophodan“ i posle godinu dana nije partner nego renta. Insistirajte na prenosu znanja kao ugovornoj obavezi — u AIMAN praksi to zovemo princip nulte zavisnosti: angažman je uspešan tek kada klijent može da nastavi sam. |
Pre bilo kakvog plana, odredite polaznu tačku. Jednostavna skala od pet nivoa, koju možete popuniti za svoju organizaciju za deset minuta:
| Nivo | Naziv | Prepoznajete ga po… |
|---|---|---|
| 0 | Neznanje | AI se ne pominje, ili se pominje kao pretnja/moda |
| 1 | Stihija | Pojedinci koriste privatne naloge, bez pravila i bez razmene znanja |
| 2 | Eksperiment | Postoji odobren alat i prvi pilot, obično u jednom timu |
| 3 | Usvajanje | Obuka sprovedena, pravila postoje, više procesa koristi AI, meri se učinak |
| 4 | Transformacija | Procesi redizajnirani oko AI, agenti u produkciji, AI deo strategije |
Većina organizacija u Srbiji i regionu je danas između nivoa 1 i 2 — što znači da osoba koja zna ono što je u ovom priručniku može napraviti vidljivu razliku za nekoliko meseci, ne godina.
Bez budžeta za „transformaciju“, sa jednim radoznalim operativnim direktorom. Put: dve Pro pretplate → obuka od tri sata za sve → tri quick-win procesa (ponude, zapisnici, odgovori na upite) → posle šest meseci prvi workflow za obradu upita. Ukupno ulaganje: manje od 1.000 EUR godišnje plus vreme. Efekat: direktor procenjuje uštedu na „jedno radno mesto administrativnog posla“, raspoređeno na sve.
Formalna AI radna grupa (prodaja, finansije, IT, HR), politika, poslovni nalozi, dva pilota po fazi. Ključni momenat: kad je uprava videla izmeren pilot iz prodaje (priprema ponuda: sa 4 sata na 40 minuta), budžet za sledeću fazu više nije bio tema. Posle godinu dana: osam procesa sa AI podrškom, dva agenta na drugom stepeniku autonomije, interni trener.
Najsporiji formalni okviri, ali i najveća glad za rasterećenjem administracije. Put je isti, tempo duplo sporiji, uz dva dodatka: lokalni AI za osetljive podatke (Deo V) i poseban naglasak na transparentnost.
Kroz AIMAN praksu razvili smo i na desetinama angažmana proverili petofazni okvir uvođenja AI u organizaciju — AIMAN Method. Predstavljamo ga ovde ne kao marketing, već zato što je svaka faza oslonjena na globalno priznat okvir (NIST, BCG, Gartner, McKinsey) — pa ga možete koristiti i samostalno, u sopstvenoj režiji. Upravo tako i treba: cilj knjige je vaša nezavisnost.
Pitanje faze: ko je odgovoran, koja su pravila i odakle krećemo?
Pre prvog pilota, organizacija treba tri stvari — i nijedna nije tehnička:
Imenovana odgovornost, usvojena politika na 1–2 strane, snimak stanja.
Pitanje faze: kako da ljudi požele da koriste AI i umeju to bezbedno?
Ovde se dobija ili gubi onih 70%. Tri poluge:
Ne predavanje o istoriji veštačke inteligencije, nego radionica na kojoj svako donese svoj stvarni zadatak (mejl, izveštaj, tabelu) i ode sa rešenjem. Iskustvo sa naših radionica: posle tri sata ovakvog rada, prosečan polaznik piše dokumente za koje mu je trebalo 2–3 sata za 10–15 minuta — i, što je važnije, zna zašto i kada to sme. Time je pokrivena i obaveza AI pismenosti iz člana 4 EU AI Act-a — dokumentujte ko je obuku prošao.
Izaberite 2–3 zadatka koja bole mnoge, a AI ih vidljivo rešava (zapisnici sa sastanaka su neprikosnoveni šampion). Objavite rezultate interno: „tim X štedi 4 sata nedeljno“. Ništa ne širi usvajanje kao kolega koji pokaže svoj rezultat.
Ako vam treba podrška rukovodstva, pravilo 10-20-70 je najjači otvarač razgovora koji znamo: „Ne tražim budžet za tehnologiju — 10% je tehnologija. Tražim tri sata obuke po zaposlenom i dva pilot procesa.“ Uprava koja čuje da su ljudi i procesi 70% uspeha prestaje da o AI misli kao o IT trošku i počinje kao o organizacionoj sposobnosti (BCG, 2024).
Obučen tim (sa evidencijom), 2–3 objavljene brze pobede, podrška rukovodstva.
Pitanje faze: koji procesi, kojim redosledom?
Rangirana lista prilika, 2–3 izabrana pilota sa specifikacijom i metrikom.
Pitanje faze: kako da pilot postane pouzdan proces, a ne demonstracija?
2–3 pilota u produkciji, izmeren učinak, registar rizika, redizajnirani procesi.
Pitanje faze: može li organizacija dalje sama?
Poslednja faza je test svega prethodnog i mesto gde se AIMAN pristup najviše razlikuje od klasičnog konsaltinga. Uspeh se meri time što spoljna pomoć više nije potrebna:
Organizacija koja samostalno bira, uvodi i nadzire AI — nalazi se na nivou 3–4 na skali zrelosti iz 11.3.
Možete — i to je najčešći uzrok kasnijeg čišćenja. Bez pravila, prvi incident sa podacima ruši poverenje u celu inicijativu; bez vlasnika, pilot nema kome da preda rezultat. GROUND za malu firmu traje jedno popodne — nemojte ga preskakati, skratite ga.
Mala organizacija: GROUND + IGNITE za mesec dana, prvi izmeren pilot do trećeg meseca (to je 90-dnevni plan iz 16. poglavlja). Srednja: 6–9 meseci do nivoa 3. Velika: godina i više — ali prve merljive pobede uvek u prvih 90 dana, jer bez njih inicijativa gubi kiseonik.
Radite ono što možete na svom nivou: lično majstorstvo, tim, izmerene brze pobede. Brojka „štedimo X sati nedeljno“ pre ili kasnije stigne do uprave — tuđim ustima, što je često i ubedljivije. Najgora opcija je čekati dozvolu za učenje.
Vratite se po fazama unazad i popunite rupe: politika (GROUND) i obuka sa evidencijom (IGNITE) mogu se uraditi retroaktivno za par nedelja, a registar upotreba (14.2) napravite popisom postojećeg stanja.
Za ubrzanje — mogu pomoći (zato postoji i AIMAN praksa). Ali test iz 11.2 uvek važi: svaki spoljni angažman mora imati ugovoren prenos znanja i datum posle koga možete sami. Konsultant koji se ne trudi da postane nepotreban nije konsultant, nego pretplata.
AI šampion (ili AI inovator) nije „IT podrška za ChatGPT“. To je osoba koja spaja tri stvari: razume posao svog tima, ume da koristi AI alate bolje od proseka i spremna je da znanje prenosi.
Istraživanja pokazuju da je upravo taj profil — ne programer, nego poslovni korisnik sa AI veštinama — najuže grlo transformacije: u projektnom menadžmentu, na primer, tek oko 20% profesionalaca ocenjuje svoje AI veštine kao dobre, dok razlika u učinku između naprednih korisnika i početnika iznosi i šesnaest puta po pojedinim merilima produktivnosti (PMI, 2025).
Prostor na vrhu je prazan. Zauzmite ga.
Primenite transfer zadatke iz ove knjige na svoj posao. Izmerite bar jednu uštedu („zapisnik: 45 → 10 minuta“). Podelite je sa timom — bez teorije, samo rezultat.
Ponudite dvema kolegama da im rešite po jedan zadatak AI-em, zajedno, na njihovom ekranu. Time učite njihov kontekst i gradite reputaciju.
Otvorite zajednički dokument sa 10–15 proverenih promptova za zadatke vašeg tima. Ovo je najmanji artefakt sa najvećim efektom koji znamo.
Jedna strana za rukovodioca: šta smo probali, šta smo izmerili, koja tri procesa predlažem za pilot, šta tražim (obuka + odobren alat + 4 nedelje pilota). Sa brojkama iz nedelja 1–3, ovo više nije molba nego biznis predlog.
Iskren odgovor: AI menja strukturu posla — preuzima rutinske delove, a vrednost se seli ka onome što mašina ne radi (odnosi, odluke, odgovornost). Osoba koja koristi AI ima prednost nad osobom koja ne koristi; to je razlog za obuku, ne za strah. Podaci to potvrđuju: usvajanje raste rekordnom brzinom, a najveću korist izvlače oni koji su počeli prvi (Stanford HAI, 2026).
Tačno — greši (Deo II objašnjava zašto). Ali poenta nije „AI bez nadzora“, nego „čovek sa AI“: nacrt AI, kontrola čovek. Pokažite na konkretnom zadatku skeptika — po pravilu, zapisnik sa sastanka slomi i najtvrđe.
Ulaznica je 20 USD mesečno po korisniku i tri sata obuke — a prva brza pobeda tipično štedi više sati nedeljno po zaposlenom. Trošak nije problem; problem je vreme pažnje, i zato se kreće od malog, merljivog pilota.
Sa uticajem dolazi odgovornost. Tri obaveze:
| Kontekst | Kako izgleda uloga · prednost · zamka |
|---|---|
| Mala firma (do ~30 ljudi) | Šampion je praktično ceo „AI program“: i trener, i pisac politike, i vlasnik pilota. Prednost: odluke su brze — od ideje do pilota za nedelju dana; najjači argument je blizina vlasniku, jedna izmerena ušteda i jedan iskren razgovor obično su ceo „proces odobravanja“. Zamka: sve stoji na vama — zato je vaš prvi strateški zadatak da obučite bar jednog naslednika (nedelja 3 plana iz 13.2 nije opciona). |
| Velika organizacija | Šampion je čvor mreže: ne možete (i ne treba da) sve sami. Cilj je šampion u svakom sektoru i formalna podrška (sponzor u upravi, veza sa IT-jem i pravnom službom). Prednost: resursi i skala — pilot koji uspe u jednom sektoru množi se sa dvadeset. Zamke: politika (nečiji projekat, nečija teritorija) i sporost. Taktika koja radi: ne tražite velike mandate; tražite male, merljive, vremenski ograničene pilote („četiri nedelje, jedan proces, evo metrike“) — protiv toga je teško glasati. I dokumentujte sve: u velikim sistemima registar upotreba i evidencija obuke (14.2) nisu birokratija nego vaša zaštita. |
| Javni sektor i obrazovanje | Dodajte strpljenje i transparentnost: pravila nabavke, sindikat, roditelji/građani. Ali zapamtite profil iz 11.4 — glad za rasterećenjem administracije je tamo najveća, pa su i zahvalnost i vidljivost šampiona najveće. |
Najbolja politika je ona koju ljudi mogu da zapamte. Šest tačaka — prilagodite i usvojite:
| 1 · Odobreni alati | [Claude Team / ChatGPT Team / Gemini Workspace / Perplexity / Gamma — poslovni nalozi]. Privatni nalozi za poslovne podatke nisu dozvoljeni. |
| 2 · Podaci | U AI alate se ne unose lični podaci, podaci klijenata bez saglasnosti, lozinke i dokumenta označena kao poverljiva. Imena i iznosi se anonimizuju — osim na alatima sa ugovorenom zaštitom (DPA). |
| 3 · Kontrola | Sadržaj koji napušta organizaciju (mejl, ponuda, izveštaj, objava) pre slanja pregleda čovek. Autor odgovara za sadržaj bez obzira na to ko ga je (ili šta ga je) pisalo. |
| 4 · Transparentnost | Tamo gde propis ili dobra praksa zahtevaju, naznačava se da je sadržaj pripremljen uz pomoć AI; naši korisnici uvek znaju kada razgovaraju sa mašinom. |
| 5 · Nove upotrebe | Novi alat ili novi tip upotrebe odobrava [ime/uloga] — zahtev se podnosi kratkim opisom (šta, zašto, koji podaci). |
| 6 · Incidenti | Sumnja na curenje podataka, ozbiljna greška AI sistema ili prevara prijavljuje se odmah [ime/uloga] — bez sankcija za savesnu prijavu. |
Ova politika operacionalizuje NIST GOVERN funkciju (NIST, 2023) i pokriva osnovna očekivanja GDPR-a. Za organizacije na EU tržištu, dopunite je evidencijom obuke (član 4) i proverom da li neka upotreba spada u visokorizične kategorije EU AI Act-a (Uredba (EU) 2024/1689).
Druga navika zrelih organizacija: jedna tabela sa svim mestima gde se AI koristi.
| Proces | Alat | Vlasnik | Podaci | Nivo autonomije | Rizici | Poslednja provera |
|---|---|---|---|---|---|---|
Kolone: proces, alat, vlasnik, podaci koji se obrađuju, nivo autonomije (lestvica iz 7.1), rizici, datum poslednje provere. Ovo je NIST MAP funkcija u najjednostavnijem obliku — i prva stvar koju će tražiti svaki ozbiljan klijent, revizor ili regulator.
Za škole, fakultete, udruženja i javne institucije važe ista načela, uz tri dodatka:
Šampion prevodi između svetova. Pet parova pojmova koji najčešće prave nesporazume:
| Vi kažete | Oni čuju | Šta je zapravo pitanje |
|---|---|---|
| „Bezbedno“ | „Usklađeno“ (pravnik) | Alat može biti tehnički bezbedan a pravno neuređen (nema DPA). Tražite oba. |
| „Cloud“ | „Prenos podataka u treće zemlje“ (pravnik) | Ista stvar, različit rečnik — pitanje je gde se podaci obrađuju i po kom ugovoru. |
| „Agent“ | „Nalog sa ovlašćenjima“ (IT) | IT će agenta razumeti kao tehnički nalog sa pravima pristupa — donesite im sedam pitanja iz 7.2, to je jezik koji dele svi. |
| „Pilot“ | „Shadow IT“ (IT) | Pilot bez znanja IT-ja je za IT bezbednosni incident. Uključite ih pre, ne posle. |
| „AI politika“ | „Akt o obradi podataka“ (pravnik) | Vaša politika na jednoj strani ne menja formalne akte — ona ih dopunjuje operativnim pravilima. Neka pravnik blagoslovi vezu između njih. |
Pravnika i IT ne zovete da vam kažu „ne“ na kraju — zovete ih da vam pomognu da bude „da“ od početka. Kad su koautori pravila, postaju saveznici pilota.
Kampanja („nedelja AI!“) napravi talas i splasne. Kulturu grade ritmovi:
15 minuta na sastanku tima gde jedan član pokaže jedan AI trik iz svog posla („petnaest minuta petkom“ je format koji se primio kod više naših klijenata).
Dopuna prompt biblioteke, kratka razmena šta radi / šta ne radi, novi zaposleni prolaze uvodnu obuku.
Pregled registra upotreba, provera politike, odluka o sledećem pilotu; merenje (sati uštede, kvalitet, zadovoljstvo).
Jedan spoljni trening obuči 15 ljudi. Interni trener obučava zauvek. Zato u svakoj ozbiljnijoj organizaciji ciljamo kaskadu: spoljna obuka (ili ova knjiga) → interni šampioni → mini-obuke svojim timovima → novi šampioni. Materijali ostaju interni (prompt biblioteka, primeri iz vašeg posla), pa svaka sledeća generacija uči na sopstvenom kontekstu, ne na tuđim primerima. Ovo je i najjeftiniji i najotporniji model — i jedini koji ispunjava princip nulte zavisnosti.
Četiri brojke su dovoljne za upravu:
| # | Merilo | Kako se meri |
|---|---|---|
| 1 | Obuhvat | % zaposlenih koji su prošli obuku i aktivno koriste odobrene alate |
| 2 | Vreme | Sati ušteđeni nedeljno po zaposlenom (samoprocena + merenja na pilotima; tipičan opseg dobro uvedenih procesa: 4–5 sati) |
| 3 | Kvalitet / rizik | Broj incidenata (curenje, ozbiljna greška). Cilj: nula, uz kulturu prijavljivanja |
| 4 | Vrednost | Izmerena ušteda ili dodatni prihod na pilot procesima (pre/posle) |
…sabotiraće ga tiho i uspešno. Antidot je iskrenost i preraspodela dobiti: recite šta se automatizuje i šta zaposleni dobijaju zauzvrat (manje prekovremenih, zanimljiviji posao, nove veštine, interna mobilnost).
Organizacije koje su uštedu vremena pretvorile u razvoj ljudi imaju šampione u svakom timu; one koje su je pretvorile samo u „više posla za isto vreme“ imaju tihi otpor. To je odluka rukovodstva — i ako ste vi taj rukovodilac, to je najvažnija odluka u celom priručniku.
| Period | Šta se radi |
|---|---|
| Januar | Godišnji pregled — registar upotreba, politika, rezultati prošle godine; ciljevi za novu (2–3 procesa, ne dvadeset) |
| Februar–april | Ciklus pilota #1 (DISCOVER → BUILD za nove kandidate) |
| Maj | Obnova obuke — novi zaposleni + osveženje za sve (alati su se u međuvremenu promenili — uvek jesu); provera evidencije za član 4 |
| Jun | Polugodišnje merenje četiri brojke iz 15.3 + prikaz upravi |
| Septembar–novembar | Ciklus pilota #2; provera dobavljača (pitanja iz 9.5) |
| Decembar | Naučene lekcije godine u internu bazu znanja; plan budžeta (pretplate, hardver za lokalni AI, obuke) |
Kalendar deluje birokratski dok ne shvatite šta zamenjuje: gašenje požara, ad-hok odluke o alatima i večito „od januara krećemo ozbiljno“.
Sve iz knjige, sažeto u jedan plan. Prilagodite tempo svojoj organizaciji — redosled ne menjajte, jer svaka faza gradi na prethodnoj.
Imate lične merljive rezultate i mandat (makar neformalan) da vodite temu.
Tim koristi AI po pravilima; piloti su izabrani i specificirani.
Izmeren pilot, odluka o skaliranju, ritam koji nastavlja bez vas — na svakom sastanku.
Tri dokumenta koja ćete najčešće koristiti.
| Naziv prilike | npr. „Zapisnici sa sastanaka prodaje“ |
| Proces danas | ko radi, koliko traje, koliko često, šta boli |
| Šta bi AI radio | konkretno: ulaz → obrada → izlaz |
| Tip rešenja | razgovor / workflow / agent (nivo iz 6.1) |
| Podaci | koji se obrađuju + da li ima ličnih/poverljivih (Deo II!) |
| Uticaj (1–5) | ušteda vremena, kvalitet, zadovoljstvo |
| Napor (1–5) | podaci, integracije, promena navika, rizik |
| Metrika uspeha | šta merimo pre/posle i ko meri |
| Vlasnik | ime i prezime |
| 1 · Naziv i vlasnik | ______________________________ |
| 2 · Trajanje | od ________ do ________ (4–8 nedelja, ne duže) |
| 3 · Obuhvat | proces ________, tim ________, alat ________ (poslovni nalog) |
| 4 · Nivo autonomije | stepenik ____ (lestvica 7.1); radnje koje uvek odobrava čovek: ________ |
| 5 · Specifikacija | sedam pitanja iz 7.2 (u prilogu) |
| 6 · Metrika uspeha | danas ________ → cilj ________ (merenje: nedeljno) |
| 7 · Rizici i eskalacija | tri najveća rizika + ko reaguje (registar iz 8.3) |
| 8 · Kriterijum odluke | skaliramo ako ________; gasimo ako ________ |
| 9 · Prenos znanja | ko posle pilota ume sve ovo bez autora pilota: ________ |
| Proces | ________ · Ljudi u procesu: ____ · Sati nedeljno na zadatku: ____ |
| Posle pilota | sati nedeljno ____ → ušteda ____ h nedeljno × cena sata ____ = ________ mesečno |
| Trošak | pretplate ________ + vreme uvođenja ________ (jednokratno) |
| Nefinansijski efekti | kvalitet/greške ________, zadovoljstvo tima ________, brzina odgovora klijentu ________ |
| Rizici i pokriće | ________ (politika, nivo autonomije, ljudska kontrola) |
| Predlog odluke | ________ |
Uprava ne kupuje tehnologiju — kupuje ovu polovinu strane. Zato je vodite ažurnom od prvog dana pilota, a ne pišete je naknadno.
Ako ste stigli dovde, vaša organizacija je na nivou 2–3 skale zrelosti, a vi ste — po svakoj razumnoj definiciji — AI inovator svoje sredine. Dalji koraci:
Agenti na višim stepenicima autonomije, lokalna infrastruktura za osetljive procese.
Kaskada obuka kroz cele sektore.
Sertifikacioni programi — poput AIMAN praktičarskog programa — za one koji žele da ulogu šampiona pretvore u profesiju.
Tehnologija u ovoj priči nikada nije bila glavni lik. Deset procenata su algoritmi. Dvadeset — tehnologija. Sedamdeset procenata ste vi — vaša radoznalost, vaša disciplina oko podataka, vaša spremnost da naučeno prenesete dalje. AI ne transformiše organizacije. Ljudi koji razumeju AI transformišu organizacije.
Pritisnite start.
Stil referenciranja: APA 7. izdanje. Svi izvori su provereni i dostupni na navedenim adresama u avgustu 2026.
Anthropic. (2024, 19. decembar). Building effective agents. https://www.anthropic.com/engineering/building-effective-agents
Anthropic. (n.d.). Claude pricing. Preuzeto avgusta 2026. sa https://www.anthropic.com/pricing
Anthropic. (n.d.). Prompt engineering overview. Claude Docs. Preuzeto avgusta 2026. sa https://docs.claude.com/en/docs/build-with-claude/prompt-engineering/overview
Boston Consulting Group. (2024). AI adoption in 2024: 74% of companies struggle to achieve and scale value / the 10-20-70 principle for AI transformation. https://www.bcg.com/publications/2024/wheres-the-value-in-ai
European Union. (2016). Regulation (EU) 2016/679 (General Data Protection Regulation). Official Journal of the European Union, L 119. https://eur-lex.europa.eu/eli/reg/2016/679/oj
European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Future of Life Institute. (n.d.). Article 4: AI literacy. EU Artificial Intelligence Act. Preuzeto avgusta 2026. sa https://artificialintelligenceact.eu/article/4/
Gamma. (n.d.). Gamma help center. Preuzeto avgusta 2026. sa https://help.gamma.app
Gartner. (2019, 20. mart). Gartner says 80 percent of today’s project management tasks will be eliminated by 2030 as artificial intelligence takes over [Saopštenje za javnost]. https://www.gartner.com/en/newsroom
Google. (n.d.). Gemini Apps Help. Preuzeto avgusta 2026. sa https://support.google.com/gemini
Google. (n.d.). Gemini API pricing. Google AI for Developers. Preuzeto avgusta 2026. sa https://ai.google.dev/pricing
McKinsey & Company. (2025, novembar). The state of AI in 2025: Agents, innovation, and transformation. QuantumBlack, AI by McKinsey. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
National Institute of Standards and Technology. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1
OpenAI. (n.d.). API pricing. Preuzeto avgusta 2026. sa https://openai.com/api/pricing
OpenAI. (n.d.). What are tokens and how to count them? OpenAI Help Center. Preuzeto avgusta 2026. sa https://help.openai.com/en/articles/4936856
OWASP Foundation. (2025). OWASP Top 10 for LLM Applications 2025. OWASP GenAI Security Project. https://genai.owasp.org/llm-top-10/
Perplexity. (n.d.). Perplexity help center. Preuzeto avgusta 2026. sa https://www.perplexity.ai/help-center
Programming Helper. (2026). Ollama 2026: How local LLMs are revolutionizing privacy, enterprise AI, and developer workflows. https://www.programming-helper.com/tech/ollama-2026-local-llm-revolution-privacy-enterprise
Project Management Institute. (2025). Pulse of the profession 2025 i The project professional’s GenAI journey. https://www.pmi.org/learning/thought-leadership
SitePoint. (2026). The definitive guide to local LLMs in 2026: Privacy, tools & hardware. https://www.sitepoint.com/definitive-guide-local-llms-2026-privacy-tools-hardware/
SolidAITech. (2026). Local LLMs 2026: The hidden cloud tiers privacy catch. https://www.solidaitech.com/2026/07/local-llm-privacy-ollama-cloud-tiers.html
Stanford Institute for Human-Centered Artificial Intelligence. (2026). The AI Index 2026 annual report. Stanford University. https://hai.stanford.edu/ai-index/2026-ai-index-report
Kao edukator i strateški konsultant, vodio je AI obuke i transformacione projekte za kompanije, obrazovne institucije i EU (Erasmus+) projekte, sa fokusom na jedan cilj: da organizacije postanu samostalne u radu sa veštačkom inteligencijom, bez trajne zavisnosti od spoljnih konsultanata (Werchota princip).
Rangiran je kao vodeći glas AI edukacije i produktivnosti u Srbiji za 2025. godinu (Favikon) i redovan je učesnik na regionalnim i međunarodnim AI konferencijama i samitima (AI Week Milano, GITEX Global Dubai, Global AI Show Abu Dabi i Rijad, Function1 AI Summit Dubai, BIBAN Rijad i drugi).
© 2026. Aleksandar Pokrajac · AIMAN Technology. Sva prava zadržana.
Prvo izdanje · Novi Sad, 2026.