VCF 9.0

VMware Cloud Foundation – platforma za ono što sledi

Privatni cloud ulazi u novu eru. Servisi i obim posla koje infrastruktura mora da opslužuje pomereni su sa tradicionalnih aplikacija na distribuirane sisteme, data-intensive analitiku i modele vođene veštačkom inteligencijom, koji zahtevaju dosad neviđenu agilnost i skalabilnost.

VMware Cloud Foundation (VCF)

VMware Cloud Foundation (VCF) oduvek je bio usmeren ka pružanju jedinstvene, integrisane platforme za izgradnju i dosledno upravljanje privatnim cloudom.
Ali zahtevi se menjaju, pa tako mora i platforma.

VMware Cloud Foundation se ne samo prilagođava transformaciji kompanija, već je i predvodi.
VCF je motor koji pokreće način na koji moderne kompanije redizajniraju infrastrukturu, aplikacije i način korišćenja podataka.

Svaka inovacija nije reakcija na to kuda ide industrija — ona postavlja tempo za ono što je moguće u privatnom cloudu, bilo da se radi o glavnom data centru, EDGE-u ili Hyperscaler okruženju.

VCF 9.0 – Novi standard za moderni privatni cloud

• Sovereign by Design

Platforma omogućava definisanje fizičke i geolokacije na kojoj se nalaze određeni podaci
(Data Residency tags, geo-fencing), a automatizovana rotacija sertifikata obezbeđuje usklađenost sa regulativama.

• Jednostavnost rada

Novi VCF Installer, objedinjeno upravljanje resursima i pojednostavljene operacije vezane za životni ciklus okruženja smanjuju troškove implementacije i održavanja.

• Platforma za moderne aplikacije

vSphere Kubernetes Service i VM Service isporučuju virtuelne mašine i kontejnere, uz automatizaciju vođenu GitOps principima.

• Performanse i efikasnost

NVMe slojevita memorija (Memory Tiering) i globalna vSAN deduplikacija povećavaju efikasnost korišćenja fleš memorije uz niže troškove.

• Transparentnost troškova

Detalji vezani za troškove kroz integrisani showback/chargeback sistem, sa prediktivnim modeliranjem, daju uvid u cenu korišćenja infrastrukture, aplikacija i servisa.

Pogled unapred

VCF 9.0 je samo početak ovog putovanja, a tu smo da rešimo nove izazove koje IT svet mora da prevaziđe.

Razlike između programera i IT-ja, usvajanje privatne veštačke inteligencije (Private AI) i olakšavanje korišćenja AI rešenja u privatnom cloudu, kao i osiguravanje da bezbednost podataka u celokupnom okruženju ne zavisi samo od firewall-ova, tri su velike inicijative nakon VCF-a 9.0.

Infrastruktura koja odgovara zahtevima developera

Tradicionalna IT infrastruktura izgrađena je oko vremenskih rokova, zahteva i inženjerskih standarda IT sektora, a ne potreba programera i developera.

Iako je automatizacija napredovala, većina kompanija se i dalje suočava sa dugim i ručnim procesima, zasnovanim na tiketima i različitim alatima.

Programeri se brzo kreću u cloud native svetu, ali lokalna infrastruktura često postaje usko grlo — zbog čega mnogi biraju public cloud i resurse koje im takvo okruženje pruža.

Ova neusklađenost stvara brojne probleme: programeri zaobilaze IT korišćenjem shadow clouda, što dovodi do bezbednosnih propusta, rizika neusklađenosti i nedostatka performansi.
U međuvremenu, IT sektor gubi kontrolu i vidljivost, što rezultira neefikasnošću i frustracijom na obe strane.

• Built-In Data Services

Programerima su data servisi potrebni na dohvat ruke.
Uz VCF mogućnosti DBaaS (Database-as-a-Service), MySQL, PostgreSQL i Microsoft SQL baze mogu se obezbediti za nekoliko minuta, uz kreirane polise za upravljanje njihovim životnim ciklusom.

vSAN podrška za S3 Object Storage omogućava jednostavno korišćenje storidža kompatibilnog sa drugim cloud rešenjima, pri čemu je vSAN S3 u potpunosti integrisan u VCF platformu.

• Isporuka aplikacija vođena GitOps-om

Kroz integraciju ArgoCD-a sa VCF-om, programeri mogu da rade push na Git i da se aplikacije i infrastruktura automatski raspoređuju.

Policy-driven guardrails osiguravaju da IT održava kontrolu bez usporavanja isporuke — što znači doslednost između klastera, okruženja i korisnika, bez manuelne intervencije.

• Service Mesh sa Istiom

Moderne aplikacije zavise od bezbedne i vidljive komunikacije između mikroservisa.

VCF integriše Istio, pružajući programerima potpunu vidljivost i bezbednost bez dodatnih koraka — osiguravajući da je saobraćaj kriptovan, vidljiv i kontrolisan.

• Multi-Tenant infrastruktura i Kubernetes Multi-Cluster automatizacija

Kompanije sve više posluju koristeći servise i resurse na različitim lokacijama, kreirajući multiklaster okruženja koja su razvučena na više lokacija.

VCF automatizacija omogućava programerima da rade deploy bilo gde, dok IT tim može da kreira globalne polise i standarde.

Private AI as a Service

Veštačka inteligencija je prešla iz faze eksperimentisanja u produkciju.
Kompanije se više ne pitaju da li treba da ulažu u AI, već kako da AI koriste odgovorno i u velikim razmerama.

Servisi u javnom cloudu pružaju pogodnosti, ali izazivaju zabrinutost zbog privatnosti podataka, suvereniteta, predvidljivosti troškova i usklađenosti sa regulatornim zahtevima.

Pokretanje AI rešenja na lokalnom nivou rešava ove probleme, ali je do sada zahtevalo značajno korišćenje GPU resursa i kreiranje složenih, izolovanih okruženja.
Takva složenost usporavala je usvajanje AI rešenja u kompanijama.

VCF kao AI-native platforma

VCF postaje AI-native platforma, sa infrastrukturom i servisima projektovanim za moderna AI rešenja i workload-ove.

• Optimizacija GPU-a

Novi GPU vMotion sa DRS-om, GPU Reservations i multi-accelerator runtime funkcionalnosti osiguravaju optimalno i predvidljivo korišćenje GPU resursa — povećavajući efikasnost i smanjujući troškove.

• Napredna mrežna rešenja za AI

Koristeći NVIDIA ConnectX-7 i BlueField-3 DPU-ove, VCF obezbeđuje distribuirane trening poslove i multi-node skaliranje bez uskih grla.

• VCF Intelligent Assist

AI bazirana platforma pomaže administratorima da planiraju, optimizuju i obezbede infrastrukturu za AI workload-ove.

• AI servisi za developere

Unapred integrisane funkcionalnosti kao što su:

• API kompatibilan sa OpenAI,

• Agentic AI via Model Context Protocol,

• Multi-Tenant Model-as-a-Service,

ubrzavaju produktivnost developerskih timova, dok poštuju kompanijske politike i standarde.

Near Bare-Metal performanse

AI workload koji radi na virtuelizovanoj platformi dostiže performanse gotovo kao na sirovom hardveru — bez žrtvovanja operativne fleksibilnosti i skalabilnosti koje pruža virtuelizacija.

Zašto je ovo važno za IT administratore i kompanije

AI više nije dodatak, već osnova modernih poslovnih aplikacija i razvoja.

Čineći Private AI jednom od osnovnih funkcionalnosti koje VCF omogućava — i proširujući je partnerstvima sa kompanijama NVIDIA i AMD —
AI se postavlja u sam centar privatnog clouda.

Ova integracija uklanja kompleksnost, objedinjuje infrastrukturu i osigurava da kompanije mogu koristiti AI rešenja sa performansama, fleksibilnošću, suverenitetom i bezbednošću koje definišu za svoje potrebe.

VCF Advanced Cyber Compliance – sigurnost i zaštita podataka

VCF Advanced Cyber Compliance donosi automatizaciju vezanu za compliance, oporavak od ransomwarea i poboljšano reagovanje na incidente. Kroz ove funkcionalnosti VCF kontinuirano prati i usaglašava workload sa zadatim compliance parametrima, uz kreiranje sigurnih replika podataka, kako bi se ispunili različiti regulatorni zahtevi vezani za sigurnost podataka i način na koji se oni i sistemi koji ih koriste štite od incidenata. Za potrebe zaštite i mogućnosti oporavka, VCF donosi automatizovano otkrivanje zlonamernog softvera (malware), oporavak u okviru izolovanog okruženja i pojednostavljene procese i korake za pravljenje rezervnih kopija. Zašto je ovo važno za IT administratore i poslovne lidere? Kompanijama je potrebno više od snapshota i audita – potrebna im je platforma koja omogućava usklađenost, bezbednost i otpornost kao kontinuirane, integrisane opcije. VCF osigurava da podaci nisu samo dostupni, već i pouzdani, provereni i oporavljivi u slučaju sofisticiranih cyber pretnji.

Put napred

Sa VCF 9.0 redefinisali smo privatni cloud: suveren po dizajnu, operativno jednostavan, finansijski transparentan i spreman za bilo koji tip workloada. Ali putovanje se tu ne zaustavlja. Inženjering sledeće generacije VCF-a znači podizanje standarda na tri kritična fronta: • Infrastruktura koja odgovara zahtevima developera – dajući programerima autonomiju za rad u okviru sigurno definisanih parametara, dok IT tim održava kontrolu u okviru kompanije; • Private AI as a Service – AI kao first-class workload, sa performansama, fleksibilnošću i ekosistemom koji omogućava korišćenje ovakvih rešenja u privatnom cloudu; • Cyber-Resilient Data – osiguravanje bezbednosti, usklađenosti i otpornosti su ciljevi koje VCF podržava, uz mogućnosti da se ovakvi zahtevi dignu na viši nivo kroz napredna rešenja koja VCF integriše. Zajedno, ovi stubovi osiguravaju da VMware Cloud Foundation ne samo prati korak sa transformacijom kompanija, već je i pokreće. Pružajući developerima zahtevane servise, inovirajući AI i cyberresilient trust, VCF pruža platformu gde CIO i CISO dele zajedničku osnovu – onu koja omogućava inovacije u velikim razmerama, štiti najvredniju imovinu organizacije i pozicionira privatni cloud kao motor poslovne transformacije.

AI demokratizacija na talasu malih i otvorenih modela

Evolucija malih i otvorenih modela otvara nove mogućnosti za kompanije svih industrija da koriste veštačku inteligenciju na načine koji su ranije bili dostupni samo tehnološkim gigantima

Sem Altman, izvršni direktor kompanije OpenAI, koja je sa ChatGPT-om pokrenula AI lavinu, izjavio je pre oko dve godine da startapi koji imaju 10 miliona dolara finansiranja protiv njih nemaju nikakve šanse (tačan izraz koji je upotrebio je „totally hopeless“ – potpuno beznadežno). I ako bismo se vratili u tu 2023, videli bismo da ponudom AI servisa dominira mali broj ogromnih kompanija, baš onako kako Altmanu i njegovoj konkurenciji i odgovara. Skočimo sada na 27. januar 2025, dan kada su indeksi američke berze pali za nekoliko procenata, a NVIDIA, dominantni proizvođač GPU čipova koji se masovno koriste za AI primene, izgubila 600 milijardi dolara vrednosti kompanije. Razlog? Jedan kineski startap, za koji do tada praktično niko nije čuo i objava njihovog DeepSeek-R1 AI modela, koji je pokazao performanse uporedive sa najboljim AI servisima, a navodno je istreniran za manje od 6 miliona dolara. Iako ne prikazuje kompletnu investiciju u razvoj (koja se verovatno meri i milijardama), ova brojka je dosta efektna, posebno imajući u vidu Altmanovu izjavu s početka članka. Koliki god da je tačan trošak, DeepSeek je pokazao da se inovacijama u načinu treniranja modela mogu dramatično smanjiti troškovi razvoja, pa samim tim i cena AI usluga ka krajnjim korisnicima i praktično niotkuda uzeo deo kolača na tržištu kojim su do tada dominirale pretežno kompanije iz SAD. Ali DeepSeek je otišao i korak dalje – svoj model nije ponudio samo kao plaćeni servis, već ga je učinio otvorenim i dostupnim svima za preuzimanje i korišćenje. Otvoreni AI Da bismo razumeli značaj ove objave, potrebno je prvo objasniti razliku između otvorenih i zatvorenih AI modela. Kod klasičnog softvera otvorenost podrazumeva mogućnost pristupa izvornom kodu i njegovog korišćenja (sa ili bez ograničenja). Kod ovih modela ne postoji jasan pandan izvornom kodu, pa su stvari nešto komplikovanije. Otvoreni model kao minimum podrazumeva dostupnost za preuzimanje njegovih treniranih parametara (weights), što omogućava da se model dalje prilagođava i pokreće u lokalu. Ovo su tzv. open-weights modeli i većina otvorenih modela (pa i DeepSeek) spada u ovu grupu. S druge strane, puristi open source pokreta otvorenost definišu kao dostupnost, ne samo parametara već i podataka, metodologije i koda korišćenih za treniranje, što bi bilo kome (naravno, sa dovoljno hardvera na raspolaganju) omogućilo da model istrenira od nule i postigne iste rezultate u radu. Ovakvih primera nema mnogo, pa većina aktuelnih mehanizama za unapređivanje gotovih AI modela ne podrazumeva manipulaciju trening procesom i podacima, već se fokusira na metode koje su primenjive i na open-weights modele. Pre DeepSeeka, najmoćniji, tzv. „state of the art“ (SOTA) modeli bili su zatvorene crne kutije, korisnicima dostupne samo kroz plaćene pretplate. U trenutku kada je ponuda otvorenih modela bila ograničena na relativno mali broj manjih modela, DeepSeek je javnosti na korišćenje dao model koji je po svojim performansama bio blizak komercijalnim AI servisima. To je ponovo skrenulo pažnju na otvorene modele i posredno dovelo do toga da se ovog leta čak i OpenAI priseti da sadrži „open“ u svom imenu i prvi put posle šest godina objavi otvoreni model. U ponudi otvorenih modela su, sa jedne strane, zastupljene zapadne kompanije, kao što su Microsoft, IBM, Google i francuski Mistral AI, koje javno objavljuju uglavnom manje modele (Meta je jedan izuzetak koji potvrđuje pravilo). Nasuprot njima, tu su kineske kompanije koje objavljuju modele raznih veličina. Među njima ima više startapa, javnosti ne toliko poznatih, poput Moonshot AIja i MiniMaxa, ali i renomiranih igrača kao što je Alibaba, čiji je Qwen3 u trenutku pisanja teksta vodeći otvoreni model po performansama.

Uticaj objave DeepSeek-R1 modela na cene akcija 27. januara 2025. (Izvor: DrWealth)

Performanse otvorenihi zatvorenih modela na MMLU testu
(Izvor: https://x.com/maximelabonne)

Da li je veće uvek i bolje?

Fokusirani pristup malih modela često rezultuje boljim performansama na specijalizovanim zadacima u poređenju sa korišćenjem većih modela opšte namene

Već smo se par puta u tekstu dotakli pojma veličine modela, pa je dobar trenutak da ga i objasnimo. Veličina modela obično se izražava brojem njegovih parametara – numeričkih vrednosti koje model podešava pri treniranju i koji kasnije određuju kako će model procesirati ulazne podatke da bi generisao odgovor. Po veličini, modeli se mogu podeliti na male, srednje i velike. Ne postoje precizne granice i opšte prihvaćena definicija, ali za potrebe ovog članka pod malim modelima (SLM – Small Language Model) podrazumevamo one koji imaju do 10 B (milijardi) parametara, dok su veliki (LLM – Large Language Model) oni sa više od 100 B parametara. Veličina modela direktno je povezana sa hardverskim resursima potrebnim za njihovo izvršavanje: što više parametara i što je veća preciznost kojom su definisani, to je potrebno i više GPU memorije. Najmanji modeli se sa zadovoljavajućim performansama mogu pokrenuti i na kućnim računarima, čak i bez dedikovane grafike, dok su za srednje i velike modele potrebni snažni višeserverski klasteri i high-end grafički čipovi. Primera radi, procena je da GPT-4 ima oko 1,8 T (biliona) parametara. S druge strane, otvoreni modeli se obično objavljuju u više edicija, koje pokrivaju širok spektar veličina i primena. Tako je pomenuti Qwen3 dostupan u izdanjima od 0,6 B do 480 B parametara i u tri edicije: Thinking (kompleksniji zadaci i istraživanje), Instruct (optimizovan za najbolje performanse i jednostavnije zadatke) i Coder (razvoj softvera). Interesovanje za male modele raste na talasu primena u edge i IoT okruženjima, gde se obrada vrši lokalno, na uređajima vrlo ograničenih resursa, kao i agentskog AI-ja, sledećeg koraka u evoluciji AI sistema koji su u stanju da Interesovanje za male modele raste na talasu primena u edge i IoT okruženjima, gde se obrada vrši lokalno, na uređajima vrlo ograničenih resursa Fokusirani pristup malih modela često rezultuje boljim performansama na specijalizovanim zadacima u poređenju sa korišćenjem većih modela opšte namene Performanse otvorenih i zatvorenih modela na MMLU testu (Izvor: https://x.com/ maximelabonne) 15 samostalno vrše planiranje, donose odluke i koriste alate kako bi ispunili zadati cilj, npr. refaktor softverskog koda ili planiranje puta i rezervacija smeštaja. U mnogim primenama mali modeli predstavljaju kompaktniju i efikasniju alternativu LLM-ovima, nudeći dobre performanse za specifične namene, uz nisku potrošnju resursa. Razlika između malih i velikih modela može se objasniti i na primeru poređenja velike fabrike sa specijalizovanom radionicom. LLM fabrika može da proizvede ogroman spektar različitih proizvoda i da se nosi sa složenim, višefaznim proizvodnim procesima, ali zahteva značajnu infrastrukturu, energiju i održavanje. SLM radionica, iako ograničena po mogućnostima, može da proizvede kvalitetne specijalizovane proizvode sa mnogo nižim troškovima, ali i da se brzo prilagodi različitim zadacima.

Modeli za široke MaaSe

Kod MaaS-a do izražaja dolaze prednosti koje otvoreni modeli pružaju organizacijama u odnosu na zatvorene: predvidljivost troškova, bezbednost i fleksibilnost

Dostupnost kvalitetnih otvorenih modela raznih veličina promenila je fokus enterprise organizacija sa problematike razvoja i treniranja sopstvenih modela na prilagođavanje i izvršavanje otvorenih modela i njihovu integraciju u svoje procese i aplikacije. Cilj organizacija postaje ostvarenje Models-as-a-Service (MaaS) koncepta – pružanja AI modela kao deljene usluge korisnicima i aplikacijama u organizaciji. Jedna od ideja MaaS-a je da kompanijama omogući interno korišćenje tipičnih AI obrazaca, poput RAG-a, agenata i koding asistenata, bez potrebe da treniraju sopstvene modele ili koriste komercijalne AI servise. Umesto toga, mogu koristiti otvorene modele, u originalnoj formi ili dodatno fino podešene i prilagođene specifičnoj nameni. Platformski timovi ove modele ostatku organizacije daju na raspolaganje preko API-ja, tipično kompatibilnog sa OpenAI API specifikacijom. MaaS slagalica ima više delova: od modela, preko AI platforme, integrativnih komponenata (npr. rešenja za API Management, Single Sign-On i sl.) i aplikacija kao konzumenata. AI platforma, sa jedne strane, treba da omogući prilagođavanje i optimizaciju modela, a sa druge njihov efikasni inferencing – fazu izvršavanja modela, kada on analizira primljene inpute i generiše odgovore na bazi naučenog. Defakto standard u ovom domenu je vLLM, open source projekat koji je originalno razvijen na Univerzitetu Kalifornije u Berkliju, a danas pokreće razne enterprise AI platforme, poput OpenShift AI-ja. VLLM poseduje više inference optimizacija sa ciljem izvlačenja maksimuma iz hardvera na raspolaganju, podršku za različite hardverske GPU i TPU akceleratore, OpenAI kompatibilan API, a moguće ga je pokrenuti na različitim infrastrukturama, od Linux servera do Kubernetesa.

Elementi Models-as-a-Service koncepta (Izvor: Red Hat, AI at scale, without the price tag: Why enterprises are turning to Models-as-a-Service

AI demokratizacija

Kod MaaS-a do izražaja dolaze prednosti koje otvoreni modeli pružaju organizacijama u odnosu na zatvorene. Prva je predvidljivost troškova, jer kompanije nisu izložene promenama cena API-ja i ograničenjima upotrebe komercijalnih servisa. Sledeća je bezbednost, jer osetljivi podaci ne moraju napuštati infrastrukturu organizacije. Tu je zatim i fleksibilnost – model se može modifikovati i optimizovati za specifične primene, što nije izvodljivo sa zatvorenim alternativama. Mali modeli pokazali su se kao pragmatičan izbor za enterprise primene, koje često ne zahtevaju punu širinu znanja i mogućnosti koje veliki modeli pružaju. Tako četbot za korisničku podršku treba da poseduje duboko znanje o proizvodima i procesima jedne kompanije, ali ne mora da piše poeziju ili rešava složene matematičke probleme. Fokusirani pristup malih modela često rezultuje boljim performansama na specijalizovanim zadacima u poređenju sa korišćenjem većih modela opšte namene. Zajednica koja se oformila oko otvorenih modela stvorila je ozbiljne ekosisteme alata, fine-tuned modela i znanja koji kompanijama značajno spuštaju prag za ulazak u AI sferu. Organizacije često mogu da pronađu modele već optimizovane za svoje specifične slučajeve korišćenja ili industrijske vertikale. Jedan od primera je i Red Hat AI skladište modela (https://huggingface.co/RedHatAI), koje sadrži više optimizovanih i validiranih otvorenih modela, spremnih za preuzimanje i pokretanje pomoću vLLM-a. Evolucija malih i otvorenih modela otvara nove mogućnosti za kompanije svih industrija da koriste AI na načine koji su ranije bili dostupni samo tehnološkim gigantima. Ova AI demokratizacija predstavlja fundamentalnu promenu od AI kao servisa kontrolisanog od strane nekoliko velikih igrača ka AI kao široko dostupnoj tehnologiji, kojom organizacije mogu da upravljaju i prilagođavaju sopstvenim potrebama i vrednostima.

Autor: Nebojša Ilić, COMING

Veštačka inteligencija, ljudska vrednost

Vreme oduševljenja prolazi, vreme implementacija je stiglo! COMING je spreman po svim dimenzijama – od infrastrukture do modela i aplikacija!

Kada sagledamo tržišnu poziciju AI na globalnom i lokalnom nivou, ali i trenutni razvoj, gde se veštačka inteligencija trenutno nalazi i u kojoj meri je Srbija deo svetskih trendova?

Miloš Bogdanović: Iako smo na pragu jeseni, veštačka inteligencija, AI, ili bar ono što većina vidi kao AI, a to su uglavnom aplikacije organizovane oko modela dubokog učenja, nalazi se u svom letnjem periodu. Poslednja istraživanja ukazuju da je globalna tržišna vrednost AI bliska broju od 400 milijardi dolara. Optimistična očekivanja ukazuju da bi do 2030. godina primena AI mogla da stvori dodatnih 70 miliona radnih mesta, uz ukidanje približno 20 miliona radnih mesta. Takođe, interesantna je informacija iz Forbesove analize koja ukazuje da 83% kompanija planira da primeni AI rešenja u svrhe automatizacije jednog dela operacija u svom poslovanju. Srbija ne spada u grupu zemalja koje diktiraju trendove u AI sferi. Kako bi prethodna rečenica bila ispravno protumačena, potrebno je naglasiti da svega par zemalja u svetu može da se pohvali takvim dostignućima. Bez obzira na to, Srbija ogromnu pažnju usmerava na AI i ovde postoji veliki broj kompanija koje su, kroz partnerstva sa svetskim kompanijama, uključene u najsavremenije AI tokove i dostignuća. COMING nije izuzetak i može se smatrati da pripada grupi hrabrijih kompanija, s obzirom da je pokrenuo investicije u razvoj sopstvenih proizvoda u AI domenu i spreman je da ih ponudi tržištu.

Šta se najviše promenilo u poslednjih godinu dana kada govorimo o AI tehnologijama i njihovoj primeni?

Miloš Bogdanović: Posmatrajući modele koji su u potrebi, u odnosu na isti period prošle godine, može se reći da su modeli dubokog učenja nastavili svoje skaliranje – kako veličine, tako i mogućnosti. Razvoj modela koji su trenutno u upotrebi zahteva hardverske i informacione resurse kakvi u našoj zemlji trenutno ne postoje, ali postoje indicije da će se to u bliskoj budućnosti promeniti. Istraživačka zajednica fokusirana je na definisanje novih arhitektura, koje kombinuju karakteristike domenski orijentisanih arhitektura, pa smo svedoci korišćenja Mixture of Experts arhitektura, Vision-language modela, World modela – u opštem slučaju, multimodalnih sistema koji kombinuju korišćenje slika, teksta, audio i video zapisa. Nasuprot infrastrukturi za razvoj modela, utisak je da je infrastruktura koja je optimalna za korišćenje AI modela i aplikacija sve dostupnija. U prilog ovome govori i činjenica da je najveći broj AI modela dostupan u kvantizovanom obliku koji omogućava izvršavanje na GPU resursima, koji su dostupni i ne iziskuju velike investicije. Ovakvo stanje uslovilo je da velika većina kompanija može započeti svoj rad na upotrebi AI rešenja ili AI nadogradnji postojećih sistema bez prevelike osnovne investicije. Posledično, sve je veći broj kompanija koje su započele ili započinju Proof of Concept (PoC) projekte, koji najčešće služe kako bi se definisali okviri buduće upotrebe AI aplikacija.

Kako organizacije mogu da prepoznaju i odaberu pravi problem, vredan rešavanja pomoću AI?

Miloš Bogdanović: Verovatno najuticajnija objava u prethodnom periodu dolazi u obliku izveštaja koji je objavio Massachusetts Institute of Technology, pod nazivom „The GenAI Divide: State of AI in Business 2025“. Najveću pažnju privukla je njihova tvrdnja da je 95% pokušaja primene AI modela i aplikacija u okviru kompanija bilo neuspešno. Međutim, većini čitalaca možda je promaklo šta je onih 5% projekata učinilo uspešnim. Tih 5% zapravo daje vrlo jasne smernice trenutnog načina odabira i implementacije AI rešenja. Kompanije moraju odabrati eksterne partnere za implementaciju AI rešenja – partnere sa ekspertizom i partnere kojima veruju. Primena AI rešenja specifična je za svaku kompaniju i zato je poverenje od velikog značaja. Rešenja koja će biti uspešna jesu rešenja koja se adaptiraju konkretnoj kompaniji, ona koja su ugrađena u način funkcionisanja kompanije i koja „uče“ iz iskustva korisnika u kompaniji. Partneri moraju biti veoma posvećeni, moraju brzo adaptirati korišćenje AI modela i početi sa krajeva poslovnih procesa, krećući se ka jezgru poslovanja kompanije. Krenite od jednostavnijeg repetitivnog slučaja, prilagodite rešenje sebi i izbegavajte alate opšte namene.

Godina 2025. često se opisuje kao godina Agentic AI. Šta to konkretno znači i šta možemo da očekujemo?

Miloš Bogdanović: Očekivanja koja su postavljena pred AI nikada nisu bila jednostavna. Kakvu god definiciju veštačke inteligencije iskoristili, u njenom korenu je očekivanje ne samo razumevanja već i mogućnosti da sistemi obavljaju deo operacija autonomno. Autonomija funkcionisanja, u vrlo pojednostavljenom tumačenju, podrazumeva mogućnost razumevanja zadataka, planiranja operacija i njihovo izvršavanje. Upravo to i jeste trenutno očekivanje svih korisnika AI modela i aplikacija i upravo takva postavka dovela je do razvoja AI agenata – entiteta koji su u stanju da korišćenjem modela kreiraju tokove upotrebe alata i modela za izvršenje zadataka. AI agente treba posmatrati kao prvi korak u autonomnom, ali nadam se kontrolisanom funkcionisanju entiteta veštačke inteligencije. Još uvek nisu blizu svog potencijala, ali su svakako velika pažnja i ogroman trud uloženi u razvoj ovakvih entiteta. 

Puno se govori o agentima u AI svetu. Šta su zapravo ovi agenti i u čemu je njihova posebnost?

Marko Tasić: AI agenti predstavljaju sledeći korak u evoluciji veštačke inteligencije, prelazeći sa pasivnih modela koji samo generišu odgovore na aktivne, autonomne entitete, koji samostalno razumeju zadatke, planiraju akcije i izvršavaju ih. Za razliku od tradicionalnih AI modela, poput velikih jezičkih modela (LLM), koji samo reaguju na upite, agenti su dizajnirani da koriste alate, interaguju sa okruženjem, interaktivno rešavaju probleme i uče iz povratnih informacija. Njihova posebnost leži u autonomiji: oni razbijaju kompleksne zadatke na manje korake, koriste eksterne resurse, poput API-ja ili baza podataka, i adaptiraju se u realnom vremenu, što ih čini korak bližim opštoj veštačkoj inteligenciji (AGI), ali sa fokusom na kontrolisanoj i korisnoj primeni u svakodnevnim scenarijima. Zamislite agenta kao digitalnog pomoćnika, koji ne samo da odgovara na pitanja, već i preuzima inicijativu, poput planiranja sastanaka, rezervacije resursa i prilagođavanja plana na osnovu promena, a sve to kako bi olakšao poslovne procese i povećao efikasnost. Ova autonomija otvara vrata inovacijama u biznisu, gde agenti mogu da rade 24/7, smanjujući vreme potrebno za obavljanje rutinskih zadataka i omogućavajući timovima da se fokusiraju na kreativne i strateške aspekte. Posebno je zanimljivo kako agenti integrišu raznovrsne podatke, od teksta i slika do audio/ video zapisa, da bi donosili informisane odluke, što ih čini idealnim za dinamična okruženja poput logistike, finansija, prodaje itd. Za biznis lidere ovo znači priliku da transformišu svoje kompanije u agilnije entitete, gde AI nije samo alat, već partner koji predviđa potrebe i doprinosi rastu, podstičući interesovanje za usvajanje ove tehnologije kako bi se ostvarila konkurentska prednost.

Koje prednosti Agentic AI obećava u rešavanju realnih poslovnih izazova?

Marko Tasić: Agentic AI nudi značajne prednosti u poslovanju kroz automatizaciju kompleksnih procesa, koji zahtevaju pažljivije odlučivanje i akciju u skoro pa realnom vremenu, omogućavajući kompanijama da prevaziđu operativne prepreke efikasnije nego ikad. Na primer, u lancima snabdevanja agent može predvideti nestašice, optimizovati rute dostave i automatski naručivati materijale, smanjujući troškove, dok u finansijama analizira tržišne trendove, izvršava transakcije i upozorava na rizike, povećavajući efikasnost i minimizirajući greške. Ključne prednosti uključuju skalabilnost. Jedan agent može obraditi hiljade zadataka istovremeno. Dalje, adaptivnost na promene, integraciju sa postojećim sistemima i povećanu produktivnost kroz autonomno učenje iz podataka, što omogućava kompanijama da se fokusiraju na strateške odluke, umesto na dnevne operacije. Ovo ne samo da rešava izazove poput nedostatka resursa, već i otvara puteve za inovacije, gde AI postaje ključni saveznik u postizanju većeg rasta i konkurentnosti. Pored toga, Agentic AI doprinosi boljoj održivosti i smanjenju troškova, automatizujući zadatke koji su inače podložni greškama i vremenski zahtevni, što dovodi do bržeg povraćaja investicija i poboljšanog zadovoljstva zaposlenih. U kontekstu poslovnih izazova, poput globalnih poremećaja ili konkurencije, agenti pružaju proaktivna rešenja, poput prediktivne analize i personalizovane interakcije sa klijentima, što povećava lojalnost i prihode. Za široku biznis publiku ovo predstavlja priliku da se zainteresuju za AI kao strateški alat, koji ne samo što rešava trenutne probleme, već gradi i otpornost na buduće izazove, podstičući kompanije da investiraju u ovu tehnologiju za dugoročan uspeh.

Kako Agentic AI menja poziciju kompanija u pristupu problemima i donošenju odluka?

Marko Tasić: Agentic AI fundamentalno transformiše način na koji kompanije pristupaju problemima, prelazeći sa reaktivnog na proaktivni model, gde se kontinuirano prati i predviđa, ubrzavajući odlučivanje na osnovu realnih podataka i simulacija scenarija. Umesto čekanja na probleme, agenti omogućavaju automatsko praćenje trendova i rizika, što menja hijerarhiju: menadžeri se oslobađaju rutinskih zadataka i fokusiraju na inovacije i kritične odluke, dok agenti pružaju brze, informisane preporuke. Ovo dovodi do agilnije organizacije sa poboljšanom efikasnošću, gde AI postaje integralni deo procesa, podstičući kulturu baziranu na podacima i brzoj adaptaciji. Međutim, ova promena zahteva i prilagođavanje kompanijske kulture. Kao rezultat, kompanije postaju otpornije na promene, sa bržim odzivom na tržišne fluktuacije i boljim strateškim planiranjem, kroz povratne informacije i samostalno učenje agenata. Za biznis lidere ovo je uzbudljiva prilika da se zainteresuju za AI kao katalizator promena, gde tehnologija ne samo da poboljšava odluke, već i oslobađa ljudski potencijal za kreativnost, čineći kompanije liderima u svojoj industriji.

COMING je među prvima u Srbiji prepoznao značaj Agentic AI. Šta je spremio u svojoj ponudi kao odgovor na ovaj trend?

Marko Tasić: COMING je među prvima u Srbiji prepoznao potencijal Agentic AI i uložio u razvoj specijalizovanih rešenja, koja se lako integrišu sa postojećim poslovnim sistemima, omogućavajući kompanijama da efikasno automatizuju složene procese i unaprede svoju operativnu efikasnost. U našoj ponudi pripremili smo agente koji vrše analizu finansijskih dokumenata, identifikujući ključne pokazatelje, kako bi podržali precizno finansijsko planiranje i izveštavanje. Pored toga, razvili smo agente za opštu analizu dokumenata, koji inteligentno ekstrahuju bitne podatke za dalju analizu, olakšavajući obradu velikih količina informacija iz različitih izvora, poput izveštaja, ugovora i poslovne korespondencije. Ovi agenti fokusiraju se na visoku preciznost, brzinu i besprekornu integraciju, omogućavajući kompanijama da brže dobiju korisne uvide, smanje manuelni rad i optimizuju resurse, što je posebno korisno u dinamičnim poslovnim okruženjima, gde brzina i tačnost predstavljaju ključnu konkurentsku prednost, podstičući lidere da vide AI kao strateškog saveznika za rast. U ponudi imamo agente koji obrađuju i računovodstveno knjiže transakcije, automatizujući procese poput fakturisanja, kako bi se minimizovale greške. Ova rešenja dizajnirana su da budu potpuno prilagodljiva specifičnim potrebama klijenata u Srbiji, regionu i globalno, sa fokusom na lokalno tržište, pristupačnu infrastrukturu i jednostavnu implementaciju kroz konsultacije i Proof of Concept projekte. Ovo predstavlja korak ka integraciji AI u svakodnevno poslovanje, gde tehnologija ne samo što pomaže u optimizaciji resursa i donošenju boljih odluka, već i otvara vrata inovacijama, podstičući kompanije da razmotre kako ovakvi alati mogu da unaprede njihov rast, efikasnost i konkurentnost u eri digitalne transformacije.

Vreme početne fascinacije veštačkom inteligencijom polako prolazi. Stiglo je vreme implementacija. Šta to znači za poslovni svet i kompanije koje žele konkretne rezultate?

Marko Živković: Ono što danas vidimo podseća na period blockchain hypea – tada je cela industrija bila fascinirana tehnologijom, ali je samo deo projekata opstao u praksi. Prema studiji „State of AI in Business 2025“, koju je objavio MIT, a čije su nalaze interpretirali i Forbes i Fortune, čak 90-95% generativnih AI pilot-projekata u kompanijama nije donelo očekivane rezultate. Razlog nije u samoj tehnologiji, već u pristupu – često se kreće od fascinacije samom AI, a ne od realnog poslovnog problema. AI nije čarobni štapić, niti je treba posmatrati kroz prizmu izreke da onaj ko u ruci drži čekić svuda vidi samo eksere. To je moćan kao alat, ali donosi vrednost tek kada ga usmerimo na konkretne procese – optimizaciju, efikasnost, smanjenje troškova. Za kompanije to znači da vreme eksperimenata prolazi i da dolazi era odgovorne implementacije, a COMING je tu da, kao što je do sada bio pouzdan IT partner, danas bude i AI IT partner, sa razumevanjem biznisa, procesa i bezbednosti podataka.

Na AI sesiji na konferenciji biće predstavljen kompletan put – od informacionog sistema i infrastrukture do konkretnih AI rešenja. Kako ste osmislili taj koncept i šta publika može da očekuje?

Marko Živković: Naš koncept zasniva se na tome da AI ne može da funkcioniše izdvojeno. Naš je stav da AI rešenja ostvaruju najveću vrednost kroz unapređenje i/ili automatizaciju postojećih poslovnih procesa, uvek sa istim ciljem, a to je – efikasnost. Iz tog razloga, smatramo da je u trenutnom stanju razvoja i upotrebe AI potrebno raditi na razvoju AI-nadograđenih rešenja. Kako bi razvoj bio moguć, neophodni su stabilna infrastruktura, integrisani informacioni sistemi i jasna poslovna logika. Zato ćemo prikazati ceo put – od postavke ili projektovanja infrastrukture, preko integracije zasebnih rešenja u poslovne informacione sisteme i platformi koje sve to povezuju, do AI alata koji celom sistemu daju dodatnu vrednost. Publika može očekivati praktične primere: kako AI unapređuje pretragu i arhiviranje dokumenata i da li su vam za to potrebni silni milioni, uz konkretne primere primene modela u svakodnevnom radu. Naš cilj je da pokažemo da AI nije izolovana „igračka“, već deo ekosistema koji donosi merljive rezultate.

Koji su to COMING AI proizvodi i kako očekujete da oni unaprede biznis?

Marko Živković: Naša rešenja usmerena su na oblasti u kojima imamo iskustvo i gde klijentima donosimo najveću vrednost: • IDP (Intelligent Document Processing) – napredna automatizacija ekstrakcije, unosa, obrade i kategorizacije dokumenata; smanjuje manuelni rad i ubrzava procese. • ComBot – inteligentni pretraživač dokumenata i poslovnih podataka, baziran na kontekstualnoj analizi, omogućava da pronađete relevantne informacije u sekundama. • Enterprise RAG (Retrieval-Augmented Generation) – rešenje koje omogućava kompanijama da na bezbedan način koriste AI nad sopstvenim podacima, bez rizika od iznošenja poverljivih informacija u javne modele. Sva ova rešenja povezana su sa rešenjima koja COMING koristi i implementira za upravljanje poslovnom dokumentacijom i finansijama (DMS, ERP). Njihova zajednička vrednost je u tome što ne uvodimo AI „po svaku cenu“, već ga koristimo da rešimo konkretan problem – da klijentima obezbedimo merljivu efikasnost, bolje upravljanje podacima i sigurnost da su njihovi procesi pod kontrolom.

Kada govorimo o „ljudskoj vrednosti“ u eri veštačke inteligencije, kako COMING vidi balans između tehnologije i čoveka?

Marko Živković: Za COMING ljudi ostaju u centru svega. AI je tu da ih podrži, ne da ih zameni. Naš zadatak je da tehnologija oslobodi zaposlene repetitivnih i zamornih zadataka, kako bi mogli da se posvete kreativnom, analitičkom i partnerskom radu. Posebno vodimo računa o bezbednosti, jer globalno dostupni AI sistemi lako mogu da skladište ili obrade vaše podatke, a zaposleni često nesvesno mogu da iznesu poverljive informacije. Zato je COMING posvećen sigurnoj i kontrolisanoj implementaciji AI. I prema zaposlenima i prema partnerima, naš pristup je isti: ljudska vrednost ostaje nezamenjiva. AI koristimo da ih osnažimo i napravimo balans – tehnologija radi ono što najbolje zna, a ljudi ono što nijedna tehnologija ne može da zameni.