Kako izmeriti stvarni profit koji AI donosi kompanijama?

Da li će veštačka inteligencija zameniti ljude na tržištu rada, koliko kompanije ulažu u AI i u koje sektore ga primenjuju su teme o kojima se u javnosti svakodnevno polemiše. Jedno od važnih pitanja jeste i da li će kompanije zaista imati koristi od AI-ja i kako je tu korist moguće izmeriti.

Govoreći o tome kada kompanije mogu da očekuju prve rezultate ulaganja u AI, Marko Gilić, predavač za AI i digitalnu transformaciju na BFS Akademiji | Kompas za rast, ističe da je važno razlikovati prve efekte od punog povraćaja investicije.

„Kod dobro odabranih slučajeva primene, posebno tamo gde AI ubrzava administrativne, analitičke ili komunikacione zadatke, efekat na produktivnost može da se vidi veoma brzo – nekada već tokom prvih nedelja ili meseci primene. Istraživanja na konkretnim poslovima već pokazuju dvocifrena povećanja produktivnosti“, objašnjava naš sagovornik.

Međutim, on ističe da je mnogo teže tu produktivnost pretvoriti u profit.

„Najnovije McKinsey istraživanje iz 2026. godine to dobro pokazuje. Oko 80 odsto ispitanika kaže da im AI povećava individualnu produktivnost, dok samo 37 odsto navodi da je upotreba AI-ja već imala makar neki pozitivan uticaj na poslovnu dobit njihove kompanije. Razlog je jednostavan. Ako zaposleni neki posao koji je ranije radio četiri sata sada završi za tri, kompanija još nije automatski zaradila novac. Menadžment mora da odluči šta će uraditi sa tim oslobođenim kapacitetom – da li će povećati obim prodaje, brže odgovoriti kupcima, smanjiti troškove, izbeći dodatno zapošljavanje ili taj kapacitet usmeriti na kvalitetnije poslove“, kaže Gičić.

Veća produktivnost ne znači odmah i veći profit

Zato on smatra da će kod većine kompanija produktivnost biti prvi vidljiv rezultat, dok ozbiljniji efekat na profit dolazi kasnije i zavisi od toga da li je kompanija spremna da promeni procese, a ne samo da zaposlenima obezbedi AI alat.

„Vlasnike kompanija na kraju, naravno, najviše interesuje održiva ekonomska vrednost – profit, cash flow i vrednost firme. Ali produktivnost je jedan od najvažnijih vodećih pokazatelja na putu do tog rezultata. Greška bi bila posmatrati ova dva cilja kao suprotstavljena“, ocenjuje predavač za AI i digitalnu transformaciju na BFS Akademiji.

Kada je reč o troškovima ulaganja u AI, Gilić ukazuje na to da se često prvo pomisli na cenu licence za određeni alat. U praksi je to samo jedan, a često i najmanji deo ukupne investicije.

„U troškove spadaju licence, korišćenje modela, API pozivi, tokeni i eventualna cloud infrastruktura. Međutim, ozbiljnija implementacija gotovo uvek zahteva i ulaganje u podatke – njihovo sređivanje, povezivanje, bezbednost i upravljanje pristupima – kao i integraciju AI-ja sa postojećim CRM, ERP i drugim poslovnim sistemima. Zatim dolaze ljudi. Potrebni su interni ili eksterni stručnjaci, ali  zaposleni koji poznaju sam poslovni proces. Potrebna je obuka, promena načina rada i često redizajn celog procesa. BCG istraživanja pokazuju da najveći deo problema pri AI transformacijama zapravo ne nastaje zbog samih algoritama, već zbog ljudi i procesa“, smatra Gilić.

Posebna kategorija predstavljaju bezbednost, governance i regulativa: zaštita poverljivih podataka, kontrola pristupa, testiranje kvaliteta odgovora, ljudski nadzor, dokumentovanje i usklađivanje sa propisima poput EU AI Act-a.

Koliko zaista košta uvođenje veštačke inteligencije?

Kod AI agenata pojavljuje se i novi element – promenljiv operativni trošak. Agent može za jedan poslovni zadatak da napravi veliki broj modelskih i sistemskih poziva, pa kompanije sve više moraju da prate ekonomiku AI korišćenja slično kao što danas prate cloud troškove.

Zbog toga bi, prema Gilićevom mišljenju, AI investiciju trebalo posmatrati kroz Total Cost of Ownership (finansijska procena koja izračunava ukupne direktne i indirektne troškove sredstva tokom celog njegovog životnog ciklusa).

Najskuplji deo AI često nije sam model, već priprema organizacije da ga bezbedno, pouzdano i produktivno koristi.

Kada je reč o merenju učinka AI-ja i mogućnosti da se njegov efekat izdvoji od ostalih faktora koji utiču na poslovanje, Gilić navodi da je to moguće, ali da je mnogo lakše uraditi na nivou konkretnog procesa nego na nivou cele kompanije.

Najvažnije je da se merenje osmisli pre implementacije. Potrebno je znati koliko je proces trajao, koliko je koštao i kakav je kvalitet imao pre upotrebe veštačke inteligencije. Zatim se definišu jasni KPI-jevi i, gde god je moguće, koristi kontrolna grupa ili fazno uvođenje AI rešenja.

„Na primer, ako deo prodajnog tima dobije AI alat za pripremu ponuda, a deo neko vreme nastavi da radi bez njega, možemo prilično precizno meriti razliku u vremenu pripreme ponude, broju obrađenih klijenata, konverziji i prihodu. Sličan model može da se primeni u korisničkoj podršci, finansijama, marketingu ili razvoju softvera“, objašnjava naš sagovornik i dodaje da bi učinak veštačke inteligencije merio kroz nekoliko nivoa.

Prvo je važno utvrditi da li ga ljudi zaista koriste. Nakon toga slede operativni pokazatelji, poput vremena procesa, broja obrađenih predmeta ili broja grešaka. Tek nakon toga treba posmatrati poslovne i finansijske rezultate – rast prodaje, smanjenje cost-to-serve, izbegnute troškove, EBIT i ROI.

Problem nastaje kada kompanije prvo uvedu AI, a tek nakon šest meseci počnu da razmišljaju kako će dokazati njegovu vrednost. Bez početnog baseline-a veoma je teško utvrditi šta je rezultat AI-ja, a šta promena tržišta, cena, marketinga ili nekog drugog projekta.

„Kada AI istovremeno prati redizajn procesa, bolji kvalitet podataka i drugačiji način rada zaposlenih, nije uvek moguće pripisati svaki dinar rezultata samo algoritmu. Tada je smislenije meriti rezultat novog, AI-enabled poslovnog procesa kao celine“, navodi Gilić.