Od američke dominacije do nove višepolarnosti u AI-u
Razvoj umjetne inteligencije godinama je bio gotovo sinonim za nekoliko američkih tehnoloških divova. Veliki jezični modeli (LLM) razvijali su se pretežno u zatvorenim ekosustavima, pod kontrolom ograničenog broja tvrtki i infrastrukture u SAD-u. Posljednjih mjeseci taj se poredak ubrzano mijenja.
Kineski otvoreni modeli, predvođeni projektima poput DeepSeeka, i europske inicijative poput OpenEuroLLM-a ulaze u fokus. Ne radi se samo o novim imenima na tržištu, nego o promjeni ravnoteže snaga: otvoreni, transparentniji i cjenovno pristupačniji modeli postaju ozbiljna alternativa zatvorenim rješenjima.
DeepSeek je najvidljiviji primjer tog zaokreta. Njegova nova generacija otvorenih modela postigla je performanse usporedive s najboljim komercijalnim modelima, ali uz znatno niže troškove treniranja i inferencije. Tržište je reagiralo burno – objave o učinkovitosti DeepSeeka bile su dovoljno snažne da kratkoročno sruše vrijednost dionica Nvidije, jer su investitori počeli preispitivati koliko će se dugo moći oslanjati na skupe GPU klastere i zatvorene modele.
Zašto su otvoreni AI modeli strateški važni
Otvoreni modeli nisu samo tehnička alternativa, nego i strateški alat. Kod otvorenog modela organizacija može preuzeti model, proučiti arhitekturu, prilagoditi ga vlastitim potrebama i pokretati ga na infrastrukturi koju sama kontrolira – od lokalnih servera do specijaliziranih europskih cloud pružatelja.
U praksi to donosi nekoliko ključnih prednosti:
- Kontrola nad podacima – osjetljivi podaci ostaju unutar organizacije ili unutar EU jurisdikcije, bez slanja trećim stranama u SAD ili Kinu.
- Prilagodba jeziku i domeni – modeli se mogu dodatno trenirati (fine-tuning) na specifičnim datasetovima, lokalnim jezicima i stručnim terminologijama.
- Predvidljiviji troškovi – umjesto plaćanja po pozivu API-ju, moguće je optimizirati vlastitu infrastrukturu i koristiti modele onoliko koliko je potrebno.
- Tehnička neovisnost – smanjuje se ovisnost o poslovnim odlukama nekoliko globalnih pružatelja usluga.
Kineski projekti poput DeepSeeka pokazuju koliko daleko takav pristup može ići. Kombiniraju visoke performanse, agresivnu optimizaciju za potrošnju resursa i otvorene licence koje omogućuju široku primjenu, od istraživanja do komercijalnih proizvoda. Za developere to znači veću fleksibilnost: mogu pokretati modele na edge uređajima, prilagođenim GPU klasterima ili u hibridnim cloud okruženjima.
Europski odgovor: GenAI4EU i OpenEuroLLM
Europa je dugo zaostajala u razvoju velikih generativnih modela, ali sada pokušava iskoristiti vlastite prednosti: regulativu, javno financiranje i snažnu istraživačku zajednicu. Ključni elementi tog pristupa su program GenAI4EU i inicijativa OpenEuroLLM.
GenAI4EU: financiranje i infrastruktura
GenAI4EU je okvir Europske unije za poticanje razvoja generativne AI. Cilj je stvoriti ekosustav u kojem istraživačke institucije, startupovi i industrija imaju pristup:
- računalnoj infrastrukturi za treniranje velikih modela,
- zajedničkim višejezičnim datasetovima,
- financiranju za razvoj specijaliziranih rješenja po sektorima (zdravstvo, industrija, javna uprava).
Umjesto da se svaka organizacija samostalno bori za GPU resurse i podatke, GenAI4EU nastoji stvoriti zajedničku bazu. To snižava ulaznu barijeru i omogućuje da se dijelovi infrastrukture i datasetova koriste ponovo, uz jasna pravila o privatnosti i autorskim pravima.
OpenEuroLLM: otvoreni, višejezični modeli za Europu
OpenEuroLLM je inicijativa usmjerena na razvoj velikih jezičnih modela otvorenog koda prilagođenih europskom kontekstu. Fokus nije samo na engleskom, već na širokom spektru jezika EU-a, uključujući manje tržišne jezike kojima komercijalni modeli često posvećuju manje pažnje.
Ključne ideje OpenEuroLLM-a su:
- višejezičnost – modeli koji podjednako dobro razumiju i generiraju sadržaj na većim i manjim europskim jezicima,
- transparentnost – jasno dokumentirani datasetovi, metode treniranja i evaluacijski protokoli,
- sigurnost i usklađenost – dizajn u skladu s europskim pravilima o zaštiti podataka i sigurnosnim standardima.
Za tvrtke i javni sektor to znači da mogu razvijati rješenja – od chatbota i sustava za pretraživanje dokumenata do analitike i automatizacije procesa – na modelima koji su od početka prilagođeni europskom regulatornom i jezičnom okruženju.
Akt o umjetnoj inteligenciji: regulativa kao konkurentska prednost
Europski Akt o umjetnoj inteligenciji (AI Act) često se opisuje kao regulatorni teret, ali u kontekstu otvorenih modela može postati i konkurentska prednost. Nova pravila za modele opće namjene već su na snazi i zahtijevaju:
- transparentnost oko podataka na kojima je model treniran,
- dokumentiranje rizika i sigurnosnih mjera,
- jasne informacije o mogućim ograničenjima i namjeni modela.
Otvoreni modeli prirodno se uklapaju u takav okvir. Lakše je pokazati porijeklo podataka, način treniranja i mehanizme za filtriranje štetnog sadržaja kada je kod dostupan, a dokumentacija javna. Za razliku od „crnih kutija“, otvoreni modeli omogućuju regulatorima, istraživačima i korisnicima da provjere kako sustav zapravo funkcionira.
Za organizacije koje posluju u EU to znači manji regulatorni rizik kada biraju otvorene modele s dobro dokumentiranim datasetovima i licencama. Usto, lakše je dokazati usklađenost s pravilima o autorskim pravima, što je posebno važno za medijske kuće, izdavače i kulturne institucije.
Hibridni pristup: kombiniranje otvorenih i komercijalnih modela
U praksi se rijetko događa da jedna organizacija koristi isključivo otvorene ili isključivo komercijalne modele. Sve je popularniji hibridni pristup u kojem se kombiniraju različite vrste modela, ovisno o vrsti zadatka, razini rizika i troškovima.
Tipična arhitektura može izgledati ovako:
- Lokalno pokrenuti otvoreni modeli za obradu osjetljivih podataka (npr. interni dokumenti, financijski izvještaji, medicinska dokumentacija),
- specijalizirani otvoreni modeli za određene jezike ili domene (pravne analize, tehnička dokumentacija, javna uprava),
- komercijalni API-ji (npr. GPT-5.1, Google Gemini 3) za kompleksne multimodalne zadatke, generiranje slike i videa ili vrlo kreativne zadatke gdje je potrebna vrhunska kvaliteta.
Takav pristup donosi nekoliko prednosti:
- smanjuje troškove jer se najskuplji API-ji koriste samo tamo gdje su nužni,
- povećava suverenitet nad podacima jer ključni procesi ostaju na lokalnoj ili europskoj infrastrukturi,
- olakšava usklađenost s EU regulativom jer se za osjetljive scenarije koriste modeli s jasnim pravilima i dokumentacijom.
U praksi to može značiti da tvrtka za internu pretragu dokumenata koristi otvoreni model treniran na vlastitom korpusu, dok za generiranje marketinških kampanja na više jezika koristi komercijalni model putem API-ja. Ili da javna institucija za obradu građanskih upita koristi OpenEuroLLM model u vlastitom podatkovnom centru, a za izradu analitičkih izvješća povremeno koristi vanjske usluge.
Interoperabilnost i standardi: ključ za europsku ulogu u AI infrastrukturi
Kako broj modela raste, postaje jasno da utrka za „najveći“ ili „najprecizniji“ model više nije jedina priča. Jednako važna postaje sposobnost da modeli, alati i infrastruktura međusobno surađuju – od zajedničkih formata za razmjenu podataka do standardiziranih metrika za mjerenje performansi i energetske učinkovitosti.
Tehnički standardi i otvoreni formati
Za Europu je interoperabilnost prilika da se nametne kao središte za sigurnu i transparentnu AI infrastrukturu. Ako regulatorna tijela, istraživačke institucije i industrija uspiju dogovoriti:
- standardizirane formate za modele i težine (weights),
- jasne smjernice za dokumentiranje datasetova i procesa treniranja,
- metodologije za mjerenje energetske potrošnje i ugljičnog otiska modela,
- minimalne sigurnosne i etičke kriterije za distribuciju otvorenih modela,
tada Europa može postaviti pravila igre koja će prihvatiti i globalni akteri. To bi otvorenim modelima iz EU, ali i iz Kine ili SAD-a, olakšalo integraciju u europske sustave, uz zadržavanje visokih standarda zaštite podataka i sigurnosti.
Ekosustav umjesto jednog „pobjednika“
U takvom scenariju fokus se pomiče s pojedinačnih modela na ekosustav. Važno postaje kako se modeli povezuju s:
- data lakeovima i poslovnim sustavima,
- alatima za orkestraciju AI agenata,
- edge uređajima, gatewayima i IoT senzorima,
- platformama za nadzor, audit i upravljanje rizicima.
Umjesto jednog „pobjednika“ koji bi dominirao svim primjenama, razvija se mreža interoperabilnih, otvorenih i regulatorno usklađenih modela. Na toj mreži će se graditi sljedeća generacija AI alata, servisa i poslovnih rješenja – od industrijske automatizacije i pametnih gradova do personaliziranog obrazovanja i zdravstva.
Što to znači za tvrtke u Europi i regiji
Za tvrtke u Europi i regiji ovo je trenutak u kojem se strateške odluke o AI-u više ne svode samo na izbor jednog dobavljača. Organizacije sada mogu:
- kombinirati kineske otvorene modele poput DeepSeeka s europskim OpenEuroLLM rješenjima,
- graditi hibridne arhitekture koje balansiraju cijenu, kvalitetu i usklađenost s regulativom,
- aktivno sudjelovati u oblikovanju standarda i datasetova relevantnih za vlastite sektore,
- razvijati unutarnje kompetencije za rad s otvorenim modelima, od MLOps praksi do upravljanja podacima.
Oni koji na vrijeme iskoriste ovu novu generaciju otvorenih modela imat će prednost: veću kontrolu nad tehnologijom, bržu prilagodbu promjenama regulative i mogućnost da svoje proizvode i usluge ponude izvan granica, na temelju interoperabilnih i transparentnih rješenja.
Globalna AI scena ulazi u fazu višepolarnosti u kojoj Kina, Europa i SAD nude različite tehnološke i regulatorne modele. Otvoreni projekti poput DeepSeeka i OpenEuroLLM-a pokazuju da se ravnoteža snaga može mijenjati ne samo kroz veličinu modela, nego i kroz otvorenost, suradnju i pametno postavljene standarde.
