Većina AI projekata ne propadne zbog tehnologije, već zbog neadekvatne pripreme, uvjeren je prvi čovjek trenutno najbrže rastuće tehnološke tvrtke u Hrvatskoj
Deloitte je proglasio zagrebački Margins najbrže rastućom tehnološkom tvrtkom u Hrvatskoj, kao i 11. najbrže rastućom tech kompanijom u srednjoj Europi. Takav rast Margins je ostvario razvojem i implementacijom kompleksnih rješenja po mjeri – temeljenih na umjetnoj inteligenciji – za klijente diljem svijeta.
Tvrtka ne namjerava stati na tome: već su plasirali novi proizvod, AI platformu namijenjenu automatizaciji poslovnih procesa, a njome ciljaju na inozemna tržišta.
'Iza Marginsa ne stoji jedan veliki projekt ili sreća na tržištu, nego dugogodišnji rad na izrazito kompleksnim projektima vezanim uz umjetnu inteligenciju i podatke za klijente u Europi, SAD-u i Australiji. Radili smo u industrijama u kojima AI mora donositi mjerljive poslovne rezultate – financije, logistika, distribucija, retail, industrija, zdravstvo – i u kojima nema prostora za eksperimentiranje u produkciji.
vezane vijesti
Upravo taj fokus na stvarne operativne probleme doveo je do povjerenja klijenata i kontinuiranog rasta, a on se na kraju reflektirao i Deloitteovim priznanjem', rekao je tportalu osnivač i glavni izvršni direktor Marginsa Anđelo Brzoja. Njegova tvrtka na tržištu se nalazi od 2018. godine i zapošljava tridesetak djelatnika, a 2024. ostvarili su nešto manje od 1,4 milijuna eura prihoda.
'Svoj smo proizvod razvili kao spoj platforme i usluge, pri čemu preuzimamo odgovornost za cijeli životni ciklus AI rješenja. Naša platforma – razvijena temeljem iskustava stečenih diljem svijeta – omogućuje automatizaciju poslovnih procesa dubokom integracijom s internim sustavima i podacima kompanije.
Poslovni procesi modeliraju se kao skup AI agenata, a oni s drugim tehnologijama rade kao koherentan sustav, usklađen s realnim poslovnim procesima i načinom poslovanja organizacije', opisao je Brzoja.
Pripreme za širenje poslovanja
Važno je i to kako je AI implementiran. Margins svoj proizvod licencira i postavlja u infrastrukturu klijenta – bilo on-premise ili u cloud okruženjima poput AWS-a ili Azurea.
'Time svi podaci ostaju pod potpunom kontrolom organizacije i ne koriste se za treniranje tuđih vanjskih modela. To je osobito važno za banke, velike korporacije i regulirane industrije, u kojima su sigurnost i povjerljivost podataka apsolutni preduvjeti', naglasio je Brzoja.
Već su u tijeku prve implementacije za klijente u Hrvatskoj - uključujući banke, logističke kompanije, proizvodne tvrtke i retail sektor - koji žele automatizirati složene poslovne procese poput prodaje, onboardinga, logističkih operacija, korisničke podrške i internih administrativnih procesa.
Brzoja očekuje da će Marginsov proizvod u prvoj godini rada ostvariti snažan rast po broju korisnika i implementacija. 'U skladu s tim započeli smo intenzivne pripreme za širenje timova te se aktivno pripremamo za međunarodno skaliranje, s posebnim fokusom na tržišta Europske unije i SAD-a.
Istodobno nastavljamo s daljnjim unaprjeđenjem AI funkcionalnosti platforme, usmjerenih na specifične poslovne procese, da bismo dodatno povećali vrijednost koju proizvod donosi klijentima', najavio je Brzoja.
Za prvo tromjesečje 2026. godine imaju dogovorenih sedam implementacija. Nakon toga planiraju više od 40 implementacija u Hrvatskoj i Europi te još barem toliko u SAD-u.
Hrvatska može konkurirati u svijetu
Brzoja je uvjeren da u Hrvatskoj mogu nastajati AI rješenja konkurentna na globalnoj razini.
'Hrvatska već ima sve ključne preduvjete za to, samo se o njima premalo govori. Iz osobnog iskustva, već godinama isporučujemo najkompleksnija AI rješenja klijentima u SAD-u i Europi, i to u industrijama u kojima nema prostora za pogreške. Činjenica da takve sustave gradimo iz Hrvatske, bez vanjskih investicija i uz konkurenciju najjačih svjetskih tehnoloških tvrtki, snažan je dokaz da domaće znanje može ravnopravno igrati na globalnoj razini.
Hrvatski inženjeri imaju iznimno snažnu tehničku podlogu, sposobnost rješavanja kompleksnih problema i radnu etiku formiranu u okruženju u kojem se rezultat mora isporučiti, a ne samo prezentirati. To je velika prednost u području umjetne inteligencije, gdje razlika između prototipa i produkcijskog sustava čini svu razliku', kaže Brzoja.
'Kad se slegne AI hajp, ostanu rješenja koja u praksi doista funkcioniraju'
'U praksi vidimo da naši timovi bez problema stoje uz bok kolegama iz SAD-a, zapadne Europe ili Izraela – ne po cijeni, nego po kvaliteti rješenja. Osim toga, dolazimo s tržišta koje nas je naučilo učinkovitosti.
U Hrvatskoj ne postoji kultura velikih investicija i, posljedično, nekontroliranog 'spaljivanja' kapitala, kakva se često viđa kod brojnih američkih startupova. To nas prirodno usmjerava na izgradnju rješenja koja od samog početka moraju imati jasnu ekonomsku i poslovnu vrijednost.
Upravo taj fokus na stvarnu tržišnu vrijednost i mjerljive rezultate sve se više prepoznaje i postaje ono što globalne kompanije traže u trenutku u kojem se slegne AI hajp i ostanu samo rješenja koja doista funkcioniraju u praksi', ustvrdio je Brzoja.
Eksperiment ili magično rješenje
Prema njegovu mišljenju, većina projekata vezanih uz umjetnu inteligenciju ne propada zbog tehnologije, već zbog loše pripreme.
'Iako velike tehnološke kompanije nastoje diferencirati svoje modele i kontinuirano predstavljaju 'revolucionarne' nove verzije, u stvarnim poslovnim okruženjima razlike u njihovim tehnološkim mogućnostima postaju sve manje relevantne.
AI projekti najčešće propadaju zato što nije jasno i precizno definirano što umjetna inteligencija treba isporučiti, kako se – zbog svoje inherentne nedeterminističke prirode – uklapa u postojeće poslovne procese, tko je odgovoran za rezultat i na koji se način ta vrijednost uopće mjeri.
U realnom poslovnom okruženju podaci su često fragmentirani, procesi nesavršeni ili se ne provode dosljedno, a očekivanja od AI-a kao 'spasonosnog rješenja' vrlo su nerealna', upozorio je Brzoja.
U takvim okolnostima AI se najčešće uvodi kao eksperiment ili magično rješenje, a ne kao ozbiljna poslovna investicija. Ishod je tada gotovo uvijek isti: velik broj pilot-projekata nikada ne zaživi u produkciji i ne donesu stvarnu, mjerljivu poslovnu vrijednost.
Kako primjena izgleda u domaćoj praksi?
Kao dobar primjer primjene umjetne inteligencije Brzoja ističe jednog od njihovih korisnika koji ima velik broj terenskih komercijalista i tisuće aktivnih kupaca.
'U toj kompaniji prodajni tim radi vrlo korektno, ali postoji tipičan problem: promjene u ponašanju kupaca – poput pada narudžbi, promjene asortimana ili smanjenja frekvencije kupnje – zbog gužve i nedostatka vremena često su se primjećivale tek kada bi poslovna šteta već bila napravljena', naveo je Brzoja.
Margins je u tom slučaju implementirao AI tako što ga je povezao s njihovim prodajnim sustavima, povijesnim podacima o prodaji i CRM-om.
AI je, prema njegovim riječima, počeo kontinuirano analizirati ponašanje kupaca i vrlo brzo prepoznavati, pa i predviđati anomalije – primjerice, kada kupac koji je godinama stabilno naručivao određeni proizvod iznenada smanji količine ili potpuno prestane kupovati.
'Ključ nije u analizi, nego u načinu reakcije. U trenutku u kojem detektira anomaliju, AI automatski odgovarajućem terenskom komercijalistu generira konkretnu akciju. On tako dobiva jasnu i kontekstualnu notifikaciju u našoj mobilnoj aplikaciji, s objašnjenjem što se dogodilo i preporukom što poduzeti: posjetiti kupca, provjeriti je li konkurencija ušla s ponudom ili reagirati ciljanim razgovorom i ponudom', opisao je Brzoja.
Usporedno su uveli AI koji identificira i prilike za dodatnu prodaju.
Na temelju ponašanja sličnih kupaca, sezonalnosti i postojećeg asortimana AI je prepoznavao proizvode koje bi kupac vrlo vjerojatno mogao uvesti te koristeći baze znanja kompanije i prodajni proces na vrlo jasan i jednostavan način uputio je terenskog komercijalista kako ih prodati.
Najveći izazovi
Brzoja izdvaja heterogene sustave i nedovoljno definirane poslovne procese (koje se potom ne provodi dosljedno u praksi) kao neke od najvećih izazova pri implementaciji umjetne inteligencije.
'Većina AI inicijativa ne zapne ili se ugasi nakon pilot-faze zbog tehnologije, već zato što nisu postavljeni temelji da bi dugoročno donosile vrijednost u stvarnom poslovnom okruženju.
Na tržištu vidimo kako se organizacije najčešće suočavaju s vrlo konkretnim pitanjima: kako integrirati AI u postojeće ERP i CRM sustave, kako pravilno mapirati uloge, ovlasti i pristup podacima, kako osigurati zaštitu osjetljivih poslovnih podataka te kako uskladiti način i svrhu korištenja AI-a s važećom zakonskom i regulatornom regulativom.
Jednako važan izazov je i osigurati da AI rješenje od samog početka bude usmjereno na stvarnu, mjerljivu poslovnu vrijednost. Bez jasno definiranih ciljeva i KPI-jeva, čak i tehnički uspješna rješenja vrlo brzo izgube smisao u praksi', naglasio je Brzoja.
vezane vijesti
Hrvatske tvrtke spremnije nego što se misli
Ipak, prema njegovoj procjeni, hrvatske su tvrtke spremnije za AI nego što se često misli.
'Iz našeg iskustva, hrvatskim kompanijama ne nedostaje ni ambicije ni budžeta, što je i logično jer povrat na ovakve investicije može biti iznimno velik. Većina ozbiljnih kompanija u Hrvatskoj danas vrlo aktivno razmišlja o uvođenju umjetne inteligencije u svoje poslovanje.
Tvrtke su svjesne tektonskih promjena koje AI donosi u njihove industrije i jasno razumiju koliku konkurentsku prednost mogu ostvariti ako pravovremeno i sustavno implementiraju ovu tehnologiju – osobito u odnosu na konkurente koji to ne učine. Ta svijest postoji i vrlo je izražena', naveo je Brzoja.
Glavni izazov nije volja, nego ideja kako i odakle početi. Netehnološke tvrtke iz tradicionalnih industrija često ne znaju odakle krenuti i najčešće nemaju interno iskustvo za vođenje ovakvih inicijativa.
'No kada se ta početna kočnica premosti i kada postoji partner poput nas, koji je spreman preuzeti odgovornost za ishod – a ne samo za isporuku tehnologije – hrvatske kompanije vrlo brzo ulaze u ozbiljne AI implementacije te po razini ambicije i odlučnosti nimalo ne zaostaju za američkim ili zapadnoeuropskim kompanijama', rekao je Brzoja.
Dodao je da netehnološke kompanije ne mogu same rješavati pitanja arhitekture, integracija, sigurnosti, upravljanja, praćenja rada sustava i kontinuirane optimizacije AI outputa, niti bi to trebale. Uz kvalitetan proizvod, potrebna je i temeljita priprema, ali i snažna operativna podrška te savjetovanje', zaključuje naš sugovornik.
