![\"\"](\"https:\/\/zalucki.rs\/wp-content\/uploads\/2026\/01\/Vestacka-inteligencija-AI-u-industriji-1024x683.png\")
<\/figure>\n<\/div>\n\n\n\n\n\n\n
1. Gre\u0161ka: \u201cHajde prvo alat, pa \u0107emo kasnije misliti\u201d<\/strong><\/h3>\n\n\n\n\nKao kad kupi\u0161 skupi \u010deki\u0107 pre nego \u0161to si izmerio dasku, classic gre\u0161ka. Mnoge firme krenu od AI alata pre nego \u0161to defini\u0161u pravi poslovni cilj<\/em>. Studije sugeri\u0161u da upravo ovaj redosled stavlja tehnologiju ispred poslovne svrhe, pa projekti ostanu fino ura\u0111eni pilot projekti bez jasno merljivog uticaja na poslovanje.<\/p>\n\n\n\nNau\u010dni rad \u201cArtificial Intelligence Adoption in the Manufacturing Sector\u201d koristi TOE model (Technology-Organization-Enviroment) da obja\u0161njava kako tehnolo\u0161ki potencijali, organizaciona spremnost i spolja\u0161nji pritisci moraju harmoni\u010dno da se poklope i ako jedan od ova tri elementa nosi nao\u010dare sa ja\u010dim dioptrijama, AI projekat ne\u0107e pre\u0107i sa papira na liniju.<\/p>\n\n\n\n
Drugim re\u010dima: prvo pitanje koje menad\u017eer treba da postavi nije \u201cKoji model?\u201d, ve\u0107 \u201cKoji biznis problem re\u0161avamo?\u201d<\/p>\n<\/blockquote>\n\n\n\n
2. Podaci su prljavi i niko ne voli prljave podatke<\/strong><\/h3>\n\n\n\n\nU realnosti, podaci su \u010desto nepovezani, nepotpuni ili nemaju zajedni\u010dki \u201cjezik\u201d. Nauka pokazuje da su neure\u0111eni i slabi podaci jedan od klju\u010dnih faktora neuspeha AI-a u industriji. Bez \u010diste, integrisane i istorijske baze podataka, algoritam ne mo\u017ee nau\u010diti ono \u0161to bi trebalo da predvidi.<\/p>\n\n\n\n
A da ironija bude potpuna: upravo kad AI krene da pravi svoje \u201czaklju\u010dke\u201d na takvim podacima, mo\u017ee dovezati do la\u017enih optimizacija a onda direktor dobije KPI koji je, tehni\u010dki, impresivan, ali potpuno beskoristan.<\/p>\n<\/blockquote>\n\n\n\n
3. Struktura i organizacija kad IT i biznis govore razli\u010dite jezike<\/strong><\/h3>\n\n\n\n\n\u010cesto se de\u0161ava da timovi izgledaju ovako: IT radi svoje skripte, proizvodnja svoje operativne procedure, a menad\u017ement o\u010dekuje \u010duda. Ali AI nije aplikacija kao CRM ve\u0107 on \u017eivi u ukr\u0161tenoj ta\u010dki izme\u0111u procesa<\/em>, ljudi<\/em>, i tehnologije<\/em>.<\/p>\n\n\n\nStudije pokazuju da organizaciona spremnost od podr\u0161ke vrha firme do jasnih internalnih komunikacionih kanala \u010desto predvidi uspeh AI projekta vi\u0161e nego sama tehnologija. Bez toga, projekat je kao orkestar bez dirigenta: sve note postoje, ali muzika nikad ne postane simfonija.<\/p>\n<\/blockquote>\n\n\n\n
4. Nedostatak talentovanih ljudi<\/strong><\/h3>\n\n\n\n\n\u201cImamo super data lake\u201d, ka\u017ee CEO. \u201cAli nemamo nijednog ko zna da ga upravlja\u201d, dodaje CTO sa te\u0161kom mukom. To nije vic, to je realnost. Nedostatak internog znanja o AI, ma\u0161inskom u\u010denju, obradi podataka ili industrijskoj analitici je jedna od najve\u0107ih barijera \u0161irom sveta.<\/p>\n\n\n\n
Jednostavno re\u010deno ako projekat zavisi od jednog stru\u010dnjaka koji zna kako da \u201cprimeni\u201d bazu podataka, to nije odr\u017eiv model.<\/p>\n<\/blockquote>\n\n\n\n
5. \u201cBlack box\u201d i poverenje u odluke koje ne vidimo<\/strong><\/h3>\n\n\n\n\nAI modeli, naro\u010dito oni zasnovani na dubokom u\u010denju, \u010desto su \u201ccrne kutije\u201d: donesu odluku, ali ne mogu lepo da objasne za\u0161to<\/em>. To stvara otpor u proizvodnji gde ljudi znaju da ako ne mogu da razumeju odluku ne mogu ni da je prihvate.<\/p>\n\n\n\nOvaj problem \u201ctransparentnosti\u201d je naro\u010dito va\u017ean za menad\u017eere koji moraju da objasne odluke pred odborom ili klijentima i zato mnogi projekti stanu pre nego \u0161to \u201cpostanu \u017eivi\u201d.<\/p>\n<\/blockquote>\n\n\n\n
6. Prevelika o\u010dekivanja i nerealni ROI<\/strong><\/h3>\n\n\n\n\nAI nije instant magija. Nau\u010dna i industrijska literatura bele\u017ee tzv. AI paradoks produktivnosti<\/em> , kratkoro\u010dno produktivnost mo\u017ee i da padne dok ljudi u\u010de da rade sa novim sistemima, a procesi se re-defini\u0161u.<\/p>\n\n\n\nZa direktora to zna\u010di da mora da planira prelaznu zonu. Ako o\u010dekujete da slede\u0107eg meseca robot \u201cspasi kvartal\u201d, proma\u0161ili ste.<\/p>\n<\/blockquote>\n\n\n\n
Zaklju\u010dak: AI kao maraton, a ne sprint<\/strong><\/h2>\n\n\n\nDa parafraziramo, AI u proizvodnji nije \u010darobni \u0161tapi\u0107, ve\u0107 slo\u017een projektni izazov. Tehni\u010dki potencijal je ogrom\u0430\u043d, ali naj\u010de\u0161\u0107e gre\u0161ke nisu u tehnologiji ve\u0107 u strategiji, organizaciji, podacima i ljudima.<\/p>\n\n\n\n
Menad\u017eer koji razume da AI implementacija zahteva:<\/p>\n\n\n\n
\n- jasno definisan cilj,<\/li>\n\n\n\n
- uredne i integrisane podatke,<\/li>\n\n\n\n
- organizacionu spremnost i cross-funkcionalnu saradnju,<\/li>\n\n\n\n
- realisti\u010dna o\u010dekivanja\u2026<\/li>\n<\/ul>\n\n\n\n
\u2026ve\u0107 ima vi\u0161e od pola bitke za uspeh.<\/p>\n\n\n\n
\n\n\n\nZa one koji \u017eele da zarone u literaturu<\/strong><\/h3>\n\n\n\nAko ti treba ozbiljna akademska supstanca, evo nekoliko radova na koje se mo\u017ee\u0161 osloniti:<\/p>\n\n\n\n
1. AI Asset Management for Manufacturing (AIM4M): Development of a Process Model for Operationalization<\/strong> \u2014 model za operativizaciju AI u proizvodnji. (PDF: https:\/\/arxiv.org\/abs\/2509.11691<\/a>)<\/em><\/p>\n\n\n\n2. Applications and Societal Implications of AI in Manufacturing: A Systematic Review<\/strong> \u2014 \u0161iri pregled implikacija AI. (PDF: https:\/\/arxiv.org\/abs\/2308.02025<\/a>)<\/em><\/p>\n\n\n\n3. Artificial Intelligence Adoption in the Manufacturing Sector (TOE Framework)<\/strong> \u2014 teorijska analiza klju\u010dnih faktora uspeha.<\/p>\n\n\n\n4. AI Trustworthiness in Manufacturing<\/strong> \u2014 fokus na izazovima poverenja, etike i \u201ccrnih kutija\u201d.<\/p>\n\n\n\n
\n\n\n\nAutor:<\/strong> Gojko Zalucki
Kontakt:<\/strong> gojko@zalucki.rs<\/a>
Web:<\/strong> zalucki.rs<\/a> & businesscon.rs<\/a><\/p>\n\n\n\n![\"Gojko](\"https:\/\/zalucki.rs\/wp-content\/uploads\/2026\/01\/LinkedIn-cover-1024x256.jpg\")
<\/figure>\n<\/div>\n\n\n
\n\n\n\n<\/p>\n","protected":false},"excerpt":{"rendered":"
Kad se direktor seti ve\u0161ta\u010dke inteligencije u proizvodnji, \u010desto zami\u0161lja prozra\u010dnu halu gde roboti predvi\u0111aju kvarove, optimizuju proizvodnju i \u0161apu\u0107u KPI-jevima da porastu. Ali realnost je najpre statistika i pakleno dosadan kurs u\u010denja za sve uklju\u010dene. Nije to krivica tehnologije, to je kriza implementacije. Prema najnovijim podacima iz industrijskih izvora, mnogi AI projekti nikada ne […]<\/p>\n","protected":false},"author":1,"featured_media":774,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[24,23,5],"tags":[],"class_list":["post-773","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai_digitalna_transformacija","category-inteligencije_i_vestine","category-sm50"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/zalucki.rs\/blog\/wp-content\/uploads\/2026\/01\/AI-zavrsi-u-fijoci.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts\/773","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/comments?post=773"}],"version-history":[{"count":5,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts\/773\/revisions"}],"predecessor-version":[{"id":811,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts\/773\/revisions\/811"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/media\/774"}],"wp:attachment":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/media?parent=773"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/categories?post=773"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/tags?post=773"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Kao kad kupi\u0161 skupi \u010deki\u0107 pre nego \u0161to si izmerio dasku, classic gre\u0161ka. Mnoge firme krenu od AI alata pre nego \u0161to defini\u0161u pravi poslovni cilj<\/em>. Studije sugeri\u0161u da upravo ovaj redosled stavlja tehnologiju ispred poslovne svrhe, pa projekti ostanu fino ura\u0111eni pilot projekti bez jasno merljivog uticaja na poslovanje.<\/p>\n\n\n\n Nau\u010dni rad \u201cArtificial Intelligence Adoption in the Manufacturing Sector\u201d koristi TOE model (Technology-Organization-Enviroment) da obja\u0161njava kako tehnolo\u0161ki potencijali, organizaciona spremnost i spolja\u0161nji pritisci moraju harmoni\u010dno da se poklope i ako jedan od ova tri elementa nosi nao\u010dare sa ja\u010dim dioptrijama, AI projekat ne\u0107e pre\u0107i sa papira na liniju.<\/p>\n\n\n\n Drugim re\u010dima: prvo pitanje koje menad\u017eer treba da postavi nije \u201cKoji model?\u201d, ve\u0107 \u201cKoji biznis problem re\u0161avamo?\u201d<\/p>\n<\/blockquote>\n\n\n\n U realnosti, podaci su \u010desto nepovezani, nepotpuni ili nemaju zajedni\u010dki \u201cjezik\u201d. Nauka pokazuje da su neure\u0111eni i slabi podaci jedan od klju\u010dnih faktora neuspeha AI-a u industriji. Bez \u010diste, integrisane i istorijske baze podataka, algoritam ne mo\u017ee nau\u010diti ono \u0161to bi trebalo da predvidi.<\/p>\n\n\n\n A da ironija bude potpuna: upravo kad AI krene da pravi svoje \u201czaklju\u010dke\u201d na takvim podacima, mo\u017ee dovezati do la\u017enih optimizacija a onda direktor dobije KPI koji je, tehni\u010dki, impresivan, ali potpuno beskoristan.<\/p>\n<\/blockquote>\n\n\n\n \u010cesto se de\u0161ava da timovi izgledaju ovako: IT radi svoje skripte, proizvodnja svoje operativne procedure, a menad\u017ement o\u010dekuje \u010duda. Ali AI nije aplikacija kao CRM ve\u0107 on \u017eivi u ukr\u0161tenoj ta\u010dki izme\u0111u procesa<\/em>, ljudi<\/em>, i tehnologije<\/em>.<\/p>\n\n\n\n Studije pokazuju da organizaciona spremnost od podr\u0161ke vrha firme do jasnih internalnih komunikacionih kanala \u010desto predvidi uspeh AI projekta vi\u0161e nego sama tehnologija. Bez toga, projekat je kao orkestar bez dirigenta: sve note postoje, ali muzika nikad ne postane simfonija.<\/p>\n<\/blockquote>\n\n\n\n \u201cImamo super data lake\u201d, ka\u017ee CEO. \u201cAli nemamo nijednog ko zna da ga upravlja\u201d, dodaje CTO sa te\u0161kom mukom. To nije vic, to je realnost. Nedostatak internog znanja o AI, ma\u0161inskom u\u010denju, obradi podataka ili industrijskoj analitici je jedna od najve\u0107ih barijera \u0161irom sveta.<\/p>\n\n\n\n Jednostavno re\u010deno ako projekat zavisi od jednog stru\u010dnjaka koji zna kako da \u201cprimeni\u201d bazu podataka, to nije odr\u017eiv model.<\/p>\n<\/blockquote>\n\n\n\n AI modeli, naro\u010dito oni zasnovani na dubokom u\u010denju, \u010desto su \u201ccrne kutije\u201d: donesu odluku, ali ne mogu lepo da objasne za\u0161to<\/em>. To stvara otpor u proizvodnji gde ljudi znaju da ako ne mogu da razumeju odluku ne mogu ni da je prihvate.<\/p>\n\n\n\n Ovaj problem \u201ctransparentnosti\u201d je naro\u010dito va\u017ean za menad\u017eere koji moraju da objasne odluke pred odborom ili klijentima i zato mnogi projekti stanu pre nego \u0161to \u201cpostanu \u017eivi\u201d.<\/p>\n<\/blockquote>\n\n\n\n AI nije instant magija. Nau\u010dna i industrijska literatura bele\u017ee tzv. AI paradoks produktivnosti<\/em> , kratkoro\u010dno produktivnost mo\u017ee i da padne dok ljudi u\u010de da rade sa novim sistemima, a procesi se re-defini\u0161u.<\/p>\n\n\n\n Za direktora to zna\u010di da mora da planira prelaznu zonu. Ako o\u010dekujete da slede\u0107eg meseca robot \u201cspasi kvartal\u201d, proma\u0161ili ste.<\/p>\n<\/blockquote>\n\n\n\n Da parafraziramo, AI u proizvodnji nije \u010darobni \u0161tapi\u0107, ve\u0107 slo\u017een projektni izazov. Tehni\u010dki potencijal je ogrom\u0430\u043d, ali naj\u010de\u0161\u0107e gre\u0161ke nisu u tehnologiji ve\u0107 u strategiji, organizaciji, podacima i ljudima.<\/p>\n\n\n\n Menad\u017eer koji razume da AI implementacija zahteva:<\/p>\n\n\n\n \u2026ve\u0107 ima vi\u0161e od pola bitke za uspeh.<\/p>\n\n\n\n Ako ti treba ozbiljna akademska supstanca, evo nekoliko radova na koje se mo\u017ee\u0161 osloniti:<\/p>\n\n\n\n 1. AI Asset Management for Manufacturing (AIM4M): Development of a Process Model for Operationalization<\/strong> \u2014 model za operativizaciju AI u proizvodnji. (PDF: https:\/\/arxiv.org\/abs\/2509.11691<\/a>)<\/em><\/p>\n\n\n\n 2. Applications and Societal Implications of AI in Manufacturing: A Systematic Review<\/strong> \u2014 \u0161iri pregled implikacija AI. (PDF: https:\/\/arxiv.org\/abs\/2308.02025<\/a>)<\/em><\/p>\n\n\n\n 3. Artificial Intelligence Adoption in the Manufacturing Sector (TOE Framework)<\/strong> \u2014 teorijska analiza klju\u010dnih faktora uspeha.<\/p>\n\n\n\n 4. AI Trustworthiness in Manufacturing<\/strong> \u2014 fokus na izazovima poverenja, etike i \u201ccrnih kutija\u201d.<\/p>\n\n\n\n Autor:<\/strong> Gojko Zalucki <\/p>\n","protected":false},"excerpt":{"rendered":" Kad se direktor seti ve\u0161ta\u010dke inteligencije u proizvodnji, \u010desto zami\u0161lja prozra\u010dnu halu gde roboti predvi\u0111aju kvarove, optimizuju proizvodnju i \u0161apu\u0107u KPI-jevima da porastu. Ali realnost je najpre statistika i pakleno dosadan kurs u\u010denja za sve uklju\u010dene. Nije to krivica tehnologije, to je kriza implementacije. Prema najnovijim podacima iz industrijskih izvora, mnogi AI projekti nikada ne […]<\/p>\n","protected":false},"author":1,"featured_media":774,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[24,23,5],"tags":[],"class_list":["post-773","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai_digitalna_transformacija","category-inteligencije_i_vestine","category-sm50"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/zalucki.rs\/blog\/wp-content\/uploads\/2026\/01\/AI-zavrsi-u-fijoci.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts\/773","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/comments?post=773"}],"version-history":[{"count":5,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts\/773\/revisions"}],"predecessor-version":[{"id":811,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/posts\/773\/revisions\/811"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/media\/774"}],"wp:attachment":[{"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/media?parent=773"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/categories?post=773"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/zalucki.rs\/blog\/wp-json\/wp\/v2\/tags?post=773"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Podaci su prljavi i niko ne voli prljave podatke<\/strong><\/h3>\n\n\n\n
\n
3. Struktura i organizacija kad IT i biznis govore razli\u010dite jezike<\/strong><\/h3>\n\n\n\n
\n
4. Nedostatak talentovanih ljudi<\/strong><\/h3>\n\n\n\n
\n
5. \u201cBlack box\u201d i poverenje u odluke koje ne vidimo<\/strong><\/h3>\n\n\n\n
\n
6. Prevelika o\u010dekivanja i nerealni ROI<\/strong><\/h3>\n\n\n\n
\n
Zaklju\u010dak: AI kao maraton, a ne sprint<\/strong><\/h2>\n\n\n\n
\n
\n\n\n\nZa one koji \u017eele da zarone u literaturu<\/strong><\/h3>\n\n\n\n
\n\n\n\n
Kontakt:<\/strong> gojko@zalucki.rs<\/a>
Web:<\/strong> zalucki.rs<\/a> & businesscon.rs<\/a><\/p>\n\n\n<\/figure>\n<\/div>\n\n\n
\n\n\n\n