AI automatizacija poslovnih procesa: vodič za mala i srednja preduzeća

Uz AI se isplati automatizovati poslove u kojima ljudi čitaju imejlove, dokumente i zahteve kupaca, pa iz njih ručno prepisuju podatke u ERP ili CRM, a sve što se može zapisati kao jasno pravilo jeftinije je i predvidljivije rešiti bez veštačke inteligencije. Za početak su potrebni jedan dobro opisan proces, uredni podaci u sistemima koje već imate i čovek koji odobrava ono u šta sistem nije siguran, jer AI najlakše pogreši upravo na nejasnim i neuobičajenim slučajevima.

Šta je automatizacija poslovnih procesa i gde tu ulazi AI?

Automatizacija poslovnog procesa znači da korak koji se ponavlja, poput prepisivanja porudžbine u ERP, umesto čoveka obavlja softver, a ljudi rešavaju izuzetke. Najveći deo takvih koraka radi se pravilima: ako podatak ima određenu vrednost, sistem uradi određenu radnju, svaki put jednako.

AI u automatizaciji procesa obično znači veliki jezički model koji čita slobodan tekst ili dokument, pa iz njega izvlači podatke, razvrstava ga po smislu ili piše nacrt odgovora. Pravilo ne razume rečenicu „isto kao prošle nedelje, samo bez monitora”, a jezički model tu rečenicu može da poveže sa prethodnom porudžbinom kupca ako vidi istoriju porudžbina. Dobro postavljen sistem zato je kombinacija: pravila rade sve što je predvidljivo, AI samo korake u kojima treba protumačiti tekst, a čovek odlučuje kad ni jedno ni drugo nije dovoljno sigurno.

Kada je dovoljno pravilo, a kada treba AI?

Pravilo je dovoljno kad su podaci već strukturirani i odluka se može zapisati kao „ako… onda…”. Dobar domaći primer su fakture: od 1. januara 2023. kompanije koje su obveznici PDV-a međusobno izdaju elektronske fakture, koje Zakon o elektronskom fakturisanju definiše kao dokumente izdate, poslate i primljene u strukturiranom formatu koji omogućava potpuno automatizovanu elektronsku obradu podataka preko Sistema elektronskih faktura (SEF). Za razliku od PDF-a, podaci su već u poljima, pa uparivanje sa narudžbenicom i prijemnicom rade pravila, bez AI-ja.

AI ima smisla kad ulaz nije uredan. Obavezu izdavanja elektronske fakture zakon propisuje za subjekte javnog sektora, obveznike PDV-a i poreske punomoćnike stranih lica (član 3.), a ne za inostranog dobavljača koji u Srbiji nema poreskog punomoćnika. Faktura takvog dobavljača u PDF-u, porudžbina u telu imejla, skenirana otpremnica ili reklamacija napisana rečima kupca traže čitanje: jezički model izvlači podatke, a pravila proveravaju ono što je izvukao.

Koji procesi su dobri kandidati?

Dobar kandidat ponavlja se svakodnevno, ima jasan ulaz i izlaz i danas troši vreme ljudi na prepisivanje ili razvrstavanje. U malim i srednjim preduzećima vredi razmotriti ove mogućnosti; koliko koja donosi, pokazaće tek merenje na vašim podacima:

• Ulazni imejlovi i dokumenti: razvrstavanje poruka na upite, porudžbine, reklamacije i fakture, izvlačenje podataka iz priloga i prosleđivanje pravoj osobi uz kratak rezime.
• Obrada porudžbina: AI iz imejla ili PDF-a izvuče kupca, artikle i količine, pravila provere da li postoje u ERP-u, a zaposleni potvrdi nacrt porudžbine.
• Ulazne fakture: domaće elektronske fakture idu kroz pravila, a PDF-ovi i skenirane fakture najpre se pročitaju, pa prolaze iste provere.
• Izveštaji iz ERP-a: pregled prodaje, zaliha ili otvorenih stavki slaže se automatski, uz kratko objašnjenje rečima šta se promenilo.
• Zahtevi kupaca: označavanje po temi i hitnosti, dodela odeljenju i nacrt odgovora koji zaposleni pregleda pre slanja.

Kako se AI povezuje sa ERP-om, CRM-om, imejlom i deljenim folderima?

AI ne zamenjuje sisteme koje imate, nego se na njih povezuje. Ako ERP ili CRM ima programski interfejs (API), podaci se čitaju i upisuju preko njega; ako ga nema, koristi se izvoz podataka ili kopija baze samo za čitanje. Imejlove je najbolje obrađivati preko namenske adrese, na primer za porudžbine, a ne čitanjem ličnih naloga. Deljeni folderi prate se tako da nova datoteka pokrene obradu.

Rizik smanjuje ovakav redosled: sistem najpre samo čita i predlaže, zatim upisuje nacrte koje neko potvrđuje, a tek na kraju sam obavlja manje važne radnje koje su se u pilotu pokazale pouzdanim. Sve što upisuje prolazi iste provere kao unos zaposlenog.

Zašto kvalitet podataka odlučuje ishod

AI radi sa podacima koje mu sistemi pokažu. Ako isti kupac u ERP-u postoji dvaput pod različitim nazivima, ako šifre artikala nisu ažurne ili se jedinice mere upisuju različito, AI će jednako samouvereno izabrati pogrešan zapis. Zato se pre pilota uređuju matični podaci koje proces koristi: partneri, šifarnik artikala, jedinice mere i cenovnici. To ume da bude veći posao od samog AI dela, ali vam koristi i bez njega.

Primer iz našeg rada

Za Instar informatiku, hrvatskog prodavca računarske opreme, na njihov ERP Luceed kompanije Tomsoft povezali smo AI sloj koji odgovara na poslovna pitanja postavljena običnim jezikom i automatske izveštaje o prodaji i zalihama po brendovima, u obliku koji traži svaki dobavljač. ERP je ostao glavni sistem i izvor brojki: sistem svake noći preuzima kopiju podataka koji su mu potrebni, brojke dolaze iz upita nad tim podacima, a jezički model ih samo objašnjava. Zato takav izveštaj može biti tačan samo onoliko koliko su tačni podaci u ERP-u.

Kako postaviti ljudsku proveru i odobrenja?

Pre pilota zapišite tri spiska: šta sistem sme sam (da razvrsta poruku, pripremi nacrt), šta samo uz odobrenje (da pošalje odgovor kupcu, upiše dokument u ERP) i šta nikad ne radi sam (odluke o ljudima, popusti, izuzeci od pravila). Kad sistem nije siguran ili se podaci ne slažu, predmet ide čoveku sa objašnjenjem šta je zapelo.

Odobrenje mora biti stvarno, a ne klik iz navike. Osoba koja proverava treba da razume sistem i da ima pristup podacima, dovoljno vremena i ovlašćenje da promeni ishod. Za odluke o pojedincima koje se zasnivaju isključivo na automatizovanoj obradi, a dopuštene su na osnovu ugovora ili izričitog pristanka, Zakon o zaštiti podataka o ličnosti kao minimum traži učešće fizičkog lica u odlučivanju i pravo lica da odluku ospori (član 38.). Ta odredba se odnosi na odluke o pojedincima, ali isto načelo važi za svaku proveru.

Gde AI greši i kako to uhvatiti?

Veliki jezički modeli mogu da generišu netačne, nepotpune, zastarele ili izmišljene informacije, pa rezultate treba kritički proveriti. U automatizaciji procesa to izgleda ovako:

• Izmišljen ili pogrešno pročitan podatak: nepostojeći broj porudžbine, zamenjeni artikli sličnog naziva, iznos iz pogrešnog reda.
• Formati: decimalni zarez i tačka, različito zapisani datumi.
• Granični slučajevi: poruka koja je istovremeno reklamacija i nova porudžbina.
• Tiha promena ulaza: dobavljač promeni izgled fakture, a kvalitet padne bez upozorenja.
• Previše poverenja: posle nekoliko nedelja bez greške ljudi lako prestanu da gledaju šta odobravaju; Akt o veštačkoj inteligenciji to naziva pristrasnošću prema automatizaciji (engl. automation bias).

Takve greške se hvataju proverama ugrađenim u proces:

• Provera prema ERP-u: svaki izvučeni podatak mora da odgovara nečemu što postoji (PIB partnera, šifra artikla, broj porudžbine), a zbir stavki ukupnom iznosu.
• Izvor uz svaki podatak: sistem uz vrednost čuva red dokumenta iz kog je uzeta, pa zaposleni proveru obavi jednim pogledom. Razvijači velikih jezičkih modela u dokumentaciji o smanjenju izmišljenih odgovora preporučuju upravo to: da se modelu dozvoli da kaže da ne zna, da se traže doslovni citati i da se povuče tvrdnja za koju citata nema, uz upozorenje da se time greške smanjuju, ali ne uklanjaju.
• Pragovi: nesigurni i neprovereni slučajevi idu čoveku, a ne u ERP.
• Provera uzorka: neko povremeno ručno pregleda nasumičan uzorak predmeta koji su prošli bez čoveka.
• Zapis svakog koraka: šta je stiglo, šta je sistem predložio i ko je šta odobrio ili promenio.

Kako početi: od mapiranja procesa do pilota

1. Izaberite jedan proces koji se ponavlja svakodnevno, ima vlasnika koji ga dobro poznaje i u kojem se greška može ispraviti pre nego što stigne do kupca.
2. Mapirajte kako proces zaista teče: šta ulazi i kojim kanalom, u koje sisteme ide, ko šta radi i koji izuzeci postoje. Prikupite stvarne primere ulaza, i one neuredne.
3. Izmerite početno stanje: koliko traje jedan predmet, koliko ih je mesečno i koliko ih se završi sa greškom. To je osnova za kasnije poređenje.
4. Podelite korake na one koje radi pravilo, AI ili čovek i odredite tačke odobrenja.
5. Pripremite podatke i pristupe: uredite matične podatke, obezbedite pristup ERP-u i CRM-u, otvorite namensku imejl adresu ili folder.
6. Pustite prvu verziju uporedo sa ručnim radom: ljudi rade kao i dosad, a rezultati sistema upoređuju se sa njihovim.
7. Pokrenite pilot sa odobrenjima: sistem predlaže, ljudi odobravaju ili ispravljaju, a svaka ispravka postaje primer za doradu.
8. Odlučite na osnovu sopstvenih brojki: automatizaciju proširite ili smanjite broj odobrenja tek kad merenja iz pilota to opravdaju.

Kod nas je prva radna verzija jednog procesa obično gotova za 4–8 nedelja, u zavisnosti od broja sistema koje treba povezati i od stanja podataka.

Šta traže zakon o zaštiti podataka i Akt o veštačkoj inteligenciji?

Čim AI obrađuje imejlove, porudžbine ili zahteve kupaca, obrađuje i podatke o ličnosti, makar imena i imejl adrese, pa važi Zakon o zaštiti podataka o ličnosti („Službeni glasnik RS”, br. 87/2018). U praksi to znači:

• obrađujte samo podatke potrebne za svrhu (član 5.), zbog čega je namenska adresa bolja od pristupa svim porukama;
• ako pružalac AI usluge obrađuje podatke u vaše ime, odnos uređuje ugovor sa obrađivačem (član 45.);
• ako će obrada verovatno prouzrokovati visok rizik za prava i slobode fizičkih lica, pre početka se radi procena uticaja na zaštitu podataka o ličnosti (član 54.), za koju je Poverenik za informacije od javnog značaja i zaštitu podataka o ličnosti objavio smernice;
• odluka koja se zasniva isključivo na automatizovanoj obradi, a proizvodi pravne posledice po osobu ili značajno utiče na njen položaj, dopuštena je samo izuzetno (ugovor, zakon ili izričit pristanak) i uz mere zaštite poput učešća čoveka u odlučivanju i prava na osporavanje odluke (član 38.).

Podatke o ličnosti ne unosite u javno dostupne AI alate bez prethodnog odobrenja, koristite odobrene poslovne alate umesto privatnih naloga i proverite gde se podaci obrađuju i da li se koriste za treniranje modela. Aplikacije koje izrađujemo i održavamo smeštamo na servere u EU.

Akt o veštačkoj inteligenciji (Uredba (EU) 2024/1689) obaveze određuje prema riziku. Srbija nije članica EU, pa Akt obavezuje srpsku kompaniju kad AI sistem stavlja na tržište ili u upotrebu u EU ili kad se rezultat njenog AI sistema koristi u EU (član 2. stav 1. tačke (a) i (c)), a Opšta uredba o zaštiti podataka (GDPR) kad obrađuje podatke lica u EU u vezi sa nuđenjem robe ili usluga tim licima ili sa praćenjem njihovog ponašanja u EU (član 3. stav 2.). Evropska komisija opisuje četiri nivoa rizika: neprihvatljiv rizik (zabranjene prakse), visok rizik, rizik transparentnosti i minimalan rizik; u poslednju kategoriju, prema Komisiji, spada velika većina AI sistema koji se danas koriste u EU. Tamo gde se Akt primenjuje, za automatizaciju procesa to znači:

• razvrstavanje poslovnih imejlova, čitanje ulaznih faktura i izveštaji iz ERP-a nisu među visokorizičnim oblastima iz Priloga III Uredbe;
• visokorizično je, između ostalog, korišćenje AI-ja za izbor kandidata (uključujući filtriranje prijava za posao), za odluke o radnicima i za procenu kreditne sposobnosti fizičkih lica, a obaveze za takve sisteme posle izmena Uredbom (EU) 2026/1744 primenjuju se od 2. decembra 2027.;
• ako AI direktno razgovara sa ljudima, na primer kao chatbot ili glasovni agent, ljudi moraju biti obavešteni da razgovaraju sa AI sistemom, osim ako je to očigledno (član 50.); pravila o transparentnosti primenjuju se od 2. avgusta 2026.;
• kompanije koje koriste AI treba da preduzmu mere kojima podržavaju razvoj znanja o veštačkoj inteligenciji kod zaposlenih koji sa njom rade (član 4.).

Ovo je pregled, a ne pravni savet: konkretnu obradu proverite sa licem za zaštitu podataka o ličnosti.

Od čega zavise troškovi?

Troškovi manje zavise od samog AI modela, a više od posla oko njega. Na procenu utiču:

• broj sistema koje treba povezati i kvalitet njihovih interfejsa;
• raznolikost ulaza: jedan oblik porudžbine ili mnogo različitih dobavljača;
• broj izuzetaka i tačaka odobrenja;
• stanje matičnih podataka;
• zahtevi u vezi sa zapisima, pravima pristupa i smeštajem podataka;
• količina dokumenata i održavanje posle uvođenja, kad se promene ulazi ili model.

Kako iz tih stavki nastaje procena, opisali smo u tekstu o ceni AI implementacije. Isplativost (povraćaj investicije) računajte na brojkama iz sopstvenog pilota, a ne na tuđim prosecima.

Prvi razgovor sa nama je besplatan i posvećen jednom vašem procesu: šta ulazi, u koje sisteme ide, gde nastaju zastoji i izuzeci i kakvi su podaci u ERP-u ili CRM-u. Posle njega dobijate obim, procenu troškova i plan po fazama. Ako krenemo, sledi softver po meri i AI integracija sa vašim sistemima: prva radna verzija za 4–8 nedelja, napredak koji pratite u klijentskom portalu i održavanje posle puštanja u rad.