Umjetna inteligencija (AI) danas predstavlja jednu od najvažnijih tehnoloških inovacija koja mijenja način na koji tvrtke posluju, komuniciraju i razvijaju proizvode. Kao vodeća IT kompanija u Hrvatskoj i regiji, Span uspješno integrira AI i suvremene softverske tehnologije u svoja rješenja, čime korisnicima pomaže unaprijediti poslovne procese te povećati učinkovitost.
“Gotovo da nema industrije koja nije razmišljala ili započela vlastiti “AI put” – od eksperimentiranja s generativnim alatima poput ChatGPT-a, Copilota ili Claudea, do razvoja prediktivnih modela i automatizacije poslovnih procesa. Izlaze nove verzije LLM-a (large language modeli), grade se ogromni data centri, no još uvijek je ispred nas daleki put kako bismo ispunili sva očekivanja korisnika”, kaže Maras. “Dok hype oko AI-ja i dalje raste, realnost implementacije u poslovne sustave pokazuje da je put do stvarne vrijednosti znatno kompleksniji nego što se često predstavlja”, govori Mladen Maras, Senior Director, Software and AI Solutions, Span.
AI u razvoju softvera: Copilot kao podrška developerima
Umjetna inteligencija danas oblikuje način na koji pišemo kod, komuniciramo s dokumentima i donosimo odluke. “U Spanu to više nije eksperiment, nego svakodnevna praksa”, naglašava Maras te nastavlja: “AI se strateški primjenjuje u razvoju softvera s ciljem optimizacije i ubrzanja procesa kodiranja. Kroz funkcionalnosti učenja, generiranja primjera i asistiranog pisanja koda, kao i podrške pri testiranju, AI značajno doprinosi efikasnosti. Naš glavni alat je GitHub Copilot koji je integriran u svakodnevne razvojne alate. Važno je reći da je cilj Copilota olakšati rad developerima, a ne zamijeniti ih. Interna anketa među našim developerima pokazala je visoku razinu zadovoljstva; Copilot se najčešće koristi u Visual Studiju i VS Codeu za generiranje, ispravljanje i objašnjavanje koda. Njegova jednostavnost korištenja i ubrzanje rada osigurali su mu stalno mjesto u svakodnevnom radu naših programera.”
RAG – pametno dohvaćanje podataka iz vlastite dokumentacije
“U današnjem razvoju softverskih rješenja, AI postaje integralni dio projekta, bilo da je AI primarni cilj projekta ili komponenta unutar šireg softverskog sustava. Jedan od ključnih primjera takve primjene je RAG (Retrieval-Augmented Generation). Riječ je o AI arhitekturi koja značajno poboljšava jezične modele omogućavanjem pristupa internim izvorima znanja i podataka. Za razliku od komercijalno dostupnih velikih jezičnih modela (LLM-ova) koji se oslanjaju isključivo na podatke na kojima su trenirani, RAG prije generiranja odgovora dohvaća relevantne informacije iz indeksiranih dokumenata, baza podataka ili API-ja tvrtke. Ključna prednost RAG-a je što ograničava AI na sadržaj specifične dokumentacije tvrtke, osiguravajući da sustav za pretraživanje koristi isključivo definirane izvore podataka. Na primjer: pravna služba može brzo i jednostavno pristupiti svim indeksiranim pravnim dokumentima i pravilnicima tvrtke, HR odjeli mogu svim svojim zaposlenicima osigurati konverzacijski pristup na pravilnike o radu i druge relevantne HR dokumente, korisnička podrška može dohvatiti dokumente specifične za svoje potrebe itd.”
Maras dalje objašnjava da isporuka RAG rješenja u enterprise okruženje zahtijeva multidisciplinarni pristup. To uključuje izradu korisničkog sučelja, poput portala ili Teams ekstenzije, set integracija s raznovrsnim izvorima podataka, obradu i pohranu tih podataka u specijalizirane baze i na kraju, dohvat podataka na korisnički upit i formatiranje odgovora uz pomoć LLM sustava. Pritom se odgovori obogaćuju citatima koji jasno navode izvor dohvata informacija. Sve navedeno mora biti implementirano u sigurnom okruženju, s granularnim pravima pristupa i jasnim identity managementom.
Od ML modela do poslovnih odluka
Iako su Large Language Modeli (LLM-ovi) donijeli revoluciju u kontekstu generativnog AI-ja, Span se već dugo bavi strojnim učenjem (machine learningom) – odnosno prediktivnim AI-jem, koristeći modele poput neuronskih mreža za predviđanja i donošenje odluka. “Za uspješnu primjenu potrebno je odabrati pravi matematički model, istrenirati ga na povijesnim podacima, procijeniti njegovu učinkovitost i tek onda ga implementirati u svakodnevne operacije. Ti sustavi mogu služiti za automatizirane preporuke (recommenderi) ili za predviđanje potrošnje i cijena. Ovi sustavi su obično sastavni dio većih enterprise rješenja. Kod uvođenja ovakvih sustava vrijede ista praktična pravila kao i kod drugih AI rješenja – podaci su osnova za kvalitetno treniranje modela. Bitno je razumjeti i procese u koje se takva tehnologija uvodi, uključujući načine automatiziranog prikupljanja podataka, retreniranja modela te integracije rezultata u postojeće sustave. Često se modeli razvijaju u suradnji s korisnicima, s ciljem stalnog poboljšanja okolnog procesa i podataka, a zatim i prilagodbe modela takvim promjenama”, pojašnjava Maras.
AI pokretač promjene
Umjetna inteligencija može donijeti ogromne prednosti, ali samo ako se pravilno uklopi u postojeću poslovnu strategiju: “Organizacija koja želi implementirati AI mora biti spremna na promjenu. Uspješna AI implementacija počinje isto kao i implementacija nekog drugog rješenja s pitanjem: koji problem želimo riješiti. Nakon toga slijedi odluka o tehnologiji, arhitekturi rješenja i modelu integracije u postojeće sustave. AI nije jedinstvena tehnologija, već skup različitih pristupa koji stvaraju vrijednost na različitim razinama”, objašnjava Maras. “U Spanu također stavljamo naglasak i aktivno sudjelujemo u edukaciji budućih stručnjaka: na FER-u, Ritehu i FOI-u držimo kolegij o primjeni umjetne inteligencije u agilnom razvoju prodajnih platformi. U konačnici, primjena AI-a u Spanu pokazuje da umjetna inteligencija nije samo tehnologija — to je promjena načina razmišljanja. Naš cilj nije zamijeniti ljude, nego ih osnažiti da rade pametnije, brže i kreativnije”, zaključuje Maras.
