Dok globalni VC kapital agresivno juri za sljedećim „AI jednorožcem“, Europska unija pokušava zauzeti drukčiji kurs. Umjesto mantranja o „što većem modelu“, Bruxelles sve glasnije govori o povjerenju, sigurnosti i odgovornosti. Inicijativa InvestAI, kojom Europska komisija planira mobilizirati oko 200 milijardi eura za AI infrastrukturu i primjene, poruka je investitorima i tvrtkama: traže se rješenja koja spajaju tehnološku zrelost i strogu usklađenost s regulativom.
U toj priči Hrvatska se sve češće spominje kao idealan testni poligon. Dovoljno je mala da se projekti mogu brzo pokrenuti i iterirati, ali i dovoljno integrirana u EU da uspješna rješenja mogu relativno jednostavno skalirati na druga tržišta. U praksi, to znači da bi domaće tvrtke mogle postati „laboratorij“ za pouzdani europski AI – uz uvjet da znaju spojiti tehnologiju, pravo, etiku i konkretne poslovne potrebe.
Od modela do povjerenja: kako se formira hrvatski AI ekosustav
Domaća AI scena posljednjih nekoliko godina ubrzano sazrijeva. Umjetna inteligencija više nije rezervirana za istraživačke laboratorije i entuzijaste; postaje tema uprava, nadzornih odbora i regulatora. Ključna razlika u odnosu na rane dane „AI hypea“ jest fokus: manje se priča o samim modelima, a više o tome mogu li im se korisnici, regulatori i poslovni partneri doista – vjerovati.
HUP‑ova Koordinacija za umjetnu inteligenciju tu igra važnu ulogu. Ona za istim stolom okuplja velike korporacije, IT tvrtke i startup scene oko tema etike, regulative i industrijskih primjena. Umjesto generičkih panela, rasprave su sve konkretnije: kako uskladiti AI rješenja s GDPR‑om, što znači „high-risk“ sustav prema AI Actu, kako dizajnirati procese nadzora i audita modela u bankarstvu ili zdravstvu.
S druge strane, udruga CroAI gura scenu „odozdo“. Kroz konferencije, meetupe, mentorski vođene programe i pilot‑projekte pomaže startupima da AI ugrade u stvarne proizvode. Na događajima poput CroAI Days ili AI2FUTURE više se ne priča samo o najnovijim modelima, već o tome kako ih integrirati u CRM sustave, kontaktne centre, logističke lance ili bolničke informatičke sustave – pod jasnim regulatornim okvirom.
„Ako ne možemo objasniti zašto je model donio određenu odluku, onda imamo problem – ne samo tehnički, nego i reputacijski i pravni“, često se može čuti od domaćih AI konzultanata. Upravo ta svijest razlikuje današnju scenu od one prije pet godina.
AI u hrvatskim vertikalama: od turizma do financija
Hrvatska se teško može natjecati s globalnim igračima u izgradnji generalnih AI modela, ali ima jasnu prednost u specijaliziranim vertikalama. Tu dolazi do izražaja kombinacija domenskog znanja, dostupnosti podataka i blizine krajnjeg korisnika.
Turizam: personalizacija pod europskim pravilima
Turizam je očiti primjer. Domaće tvrtke već razvijaju AI sustave za dinamičko formiranje cijena, preporuke sadržaja i personaliziranu komunikaciju s gostima. Chatbotovi na hrvatskom i stranim jezicima, koji razumiju lokalni kontekst (od sezonalnosti do specifičnih pravila iznajmljivanja), sve su češće u ponudi hotelskih lanaca i agencija.
Razlika u odnosu na „generičke“ globalne alate jest u tome što domaći timovi od početka dizajniraju rješenja u skladu s GDPR‑om i nadolazećim zahtjevima AI Acta. To znači jasne politike zadržavanja podataka, mogućnost objašnjenja preporuka i mehanizme prigovora korisnika. Takvi projekti lako se mogu ponuditi i drugim mediteranskim destinacijama, uz već stečen „pečat“ usklađenosti na hrvatskom tržištu.
Logistika i industrija: prediktivna analitika i sigurnost
U logistici i industrijskoj automatizaciji AI se koristi za prediktivno održavanje, optimizaciju ruta i planiranje kapaciteta. Hrvatski integratori i softverske kuće rade rješenja koja se ugrađuju u luke, skladišta i proizvodne pogone diljem regije. Prednost je što se projekti mogu testirati u domaćim okruženjima – od riječke luke do proizvodnih zona u Slavoniji – prije izlaska na veće tržište.
Posebno je važno pitanje sigurnosti: u industriji i transportu pogrešna AI odluka može značiti stvarnu štetu. Zato se sve više traže sustavi s jasnim logovima, mogućnošću „rollbacka“ modela i definiranim granicama autonomije – tko u konačnici donosi odluku, čovjek ili stroj.
Fintech i bankarstvo: od KYC‑a do kreditnog rizika
Hrvatske banke i fintechovi već godinama eksperimentiraju s algoritmima za procjenu rizika, detekciju prijevara i automatizaciju KYC procesa. Novi val generativnog AI‑a donosi dodatne mogućnosti – od automatiziranog odgovaranja na upite klijenata do generiranja sažetaka složene dokumentacije.
No, upravo u financijama AI Act i nadzorne institucije najstrože gledaju na transparentnost i nediskriminaciju. To otvara prostor domaćim tvrtkama koje znaju spojiti MLOps prakse s regulatornim zahtjevima Hrvatske narodne banke i europskih tijela. Rješenja koja su „auditabilna“ i objašnjiva imat će prednost u budućim natječajima i RFP‑ovima velikih igrača.
End‑to‑end AI partneri: nova uloga hrvatskih IT tvrtki
Za domaće startupove i etablirane IT kompanije najveća prilika leži u tome da prestanu biti samo „isporučitelji modela“. Europsko tržište traži partnere koji mogu voditi projekt od početne ideje do produkcije i nadzora – end‑to‑end.
To uključuje nekoliko ključnih koraka:
- definiranje podatkovne strategije i pravnih okvira korištenja podataka
- pripremu i čišćenje podataka, uključujući anonimizaciju i pseudonimizaciju
- razvoj i treniranje modela, uz MLOps prakse za kontinuirano učenje
- implementaciju mehanizama nadzora, evaluacije i upravljanja rizicima
- usklađivanje sa zahtjevima AI Acta, GDPR‑a i sektorskih regulativa
Tvrtke koje mogu isporučiti takav kompletan paket postaju prirodni partneri za korporacije i javne institucije koje same nemaju dovoljno AI kapaciteta. Primjeri već postoje: od hrvatskih tvrtki koje za strane klijente razvijaju AI‑om potpomognute sustave za korisničku podršku, do rješenja za javnu upravu koja pomažu u obradi zahtjeva građana i detekciji nepravilnosti.
Talent i obrazovanje: najveći usko grlo
Najveći izazov ostaje – ljudi. Hrvatski fakulteti posljednjih godina uvode sve više kolegija vezanih uz strojno učenje i podatkovnu znanost, no industrija upozorava da to nije dovoljno. Potrebni su interdisciplinarni profili koji razumiju i kod i regulativu, i model i korisnika.
„AI nam ne treba samo u laboratoriju, nego u poslovnim procesima. To znači da nam trebaju inženjeri koji razumiju pravo, pravnici koji razumiju podatke i menadžeri koji razumiju ograničenja modela“, poruka je koja se često čuje na domaćim konferencijama.
Programi cjeloživotnog obrazovanja, poput specijalističkih studija na FER‑u, FOI‑ju ili Algebra LAB‑u, sve se više prilagođavaju toj potrebi. Pojavljuju se tečajevi za AI product ownere, prompt inženjere, AI governance stručnjake i evaluatore modela. Istodobno, HR odjeli u IT tvrtkama prilagođavaju politike zapošljavanja – traže se ljudi koji mogu voditi AI projekte kroz cijeli ciklus, a ne samo „trenirati modele“.
Konferencije kao mjesta dogovora konkretnih projekata
Infobip Shift, AI2FUTURE, Data Science Conference Adriatic i slični događaji postaju više od mjesta za razmjenu znanja. Oni se pretvaraju u tržišta projekata. Na panelima se sve češće raspravlja o AI governanceu, odgovornosti za odluke modela i novim ulogama u timovima, dok se u hodnicima dogovaraju pilot‑projekti i partnerstva.
Za hrvatske tvrtke to je prilika da se pozicioniraju kao regionalni lideri u „pouzdanom AI‑u“. Strani sudionici na domaće konferencije dolaze upravo zato što Hrvatsku vide kao mini‑laboratorij: dovoljno uređen regulatorno, a opet dovoljno agilan da se nove ideje mogu brzo testirati.
Hrvatska kao AI testni poligon: što treba napraviti sada
Scenarij u kojem Hrvatska postaje AI testni poligon Europe više nije samo optimistična fraza. Preduvjeti su tu: članstvo u EU, rastući IT sektor, aktivne strukovne udruge i jasna orijentacija Unije prema pouzdanom AI‑u. No, da bi se taj potencijal materijalizirao, potrebno je nekoliko konkretnih koraka.
- Pametno povezati javne politike i industriju – nacionalne strategije digitalizacije, AI‑a i obrazovanja moraju biti usklađene s potrebama tržišta. InvestAI i slične inicijative treba iskoristiti za projekte koji imaju jasne poslovne i društvene učinke.
- Ubrzati regulatorne „sandboxove“ – sektorske agencije (financije, zdravstvo, transport) mogu otvoriti kontrolirana okruženja u kojima se AI rješenja testiraju pod nadzorom, uz brže procedure i jasne kriterije uspjeha.
- Potaknuti javni sektor na pilot‑projekte – e‑Građani, zdravstvo, lokalna samouprava i pravosuđe mogu biti ključni korisnici prvih „pouzdanih“ AI rješenja, uz stroge standarde zaštite prava građana.
- Uložiti u ljude – od stipendija i doktorskih programa do industrijskih akademija, fokus mora biti na razvoju interdisciplinarnih AI kompetencija.
Za domaće developere, product leadove i poduzetnike poruka je jasna: vrijeme „AI dodataka“ prolazi. Proizvodi i usluge moraju se dizajnirati kao AI‑nativni – od prve linije koda do posljednjeg paragrafa uvjeta korištenja. Tehnička sofisticiranost više nije dovoljna; presudno će biti koliko su rješenja usklađena s europskim standardima povjerenja, sigurnosti i odgovornosti.
Ako Hrvatska to shvati na vrijeme, ulogu „AI testnog poligona“ mogla bi vrlo brzo zamijeniti ulogom izvoznika znanja i rješenja za cijelu Europu.
