Суверенитет вештачке интелигенције за компаније: Да ли је ово предност Европе у погледу вештачке интелигенције? Како контроверзни закон постаје прилика у глобалној конкуренцији

Мистрал побеђује Гугл? Зашто су бесплатни модели отвореног кода једина шанса Европе за независност

Европа се налази усред невиђеног циклуса надоградње вештачке интелигенције. Вођене револуционарном моћи генеративне вештачке интелигенције, инвестиције експоненцијално расту, а прогнозе обећавају огроман раст. Али иза фасаде буџета од више милијарди евра крије се претећа реалност: уместо широке демократизације технологије, настаје економски двослојни систем. Док велике корпорације консолидују своју потрошњу са глобалним хиперскалерима и постају дубоко зависне, кичма европске економије – иновативна мала и средња предузећа (МСП) – заостају технолошки и економски.

Овај јаз ће драматично убрзати следећи технолошки скок: „Агенцијска вештачка интелигенција“. Њени екстремни захтеви за инфраструктуром приморавају компаније да буду везане за добављача, чији су прави трошкови често прикривени. Ригорозна анализа укупних трошкова власништва (TCO) показује да је наизглед једноставан пут до облака за трајне вештачке интелигенције више него двоструко скупљи од изградње сопствене, суверене инфраструктуре. Парадоксално, Закон ЕУ о вештачкој интелигенцији, често критикован као гушење иновација, постаје катализатор промене курса: његови строги захтеви за транспарентност и контролу чине употребу власничких система „црне кутије“ непроцењивим ризиком.

Решење за ову стратешку трилему трошкова, зависности и регулације лежи у доследном преласку ка технологијама отвореног кода. Модели високих перформанси попут Мистрала или Ламе 3, који раде на отвореним платформама, по први пут омогућавају комбиновање технолошке изврсности са економском ефикасношћу и дигиталним суверенитетом. Али док су технологија и стратегија јасни, кључно уско грло долази у фокус: људи. Акутни недостатак квалификованих радника је последња и највећа препрека на путу Европе не само да захтева суверенитет вештачке интелигенције већ и да га обликује.

У вези са овим:

• Интерна AI платформа компаније као стратешка инфраструктура и пословна неопходност

Једначина суверенитета вештачке интелигенције: Економско балансирање Европе између хиперскалне доминације и дигиталне аутаркије

Изван хајпа: Зашто будућност европске вештачке интелигенције неће бити одлучена у облаку, већ у стратешкој контроли и људској стручности

Нова европска реалност вештачке интелигенције: Тржиште ван равнотеже

Европски економски пејзаж пролази кроз фундаменталну трансформацију, вођену експоненцијалним улагањима у вештачку интелигенцију. Макроекономске прогнозе сигнализирају непоколебљиву посвећеност технолошким надоградњама. Недавне анализе предвиђају да ће се потрошња на ИТ услуге везане за вештачку интелигенцију у Европи повећати за 21 одсто у 2025. години. Фирме за истраживање тржишта потврђују да европско тржиште вештачке интелигенције улази у фазу брзог раста, у великој мери подстакнуто револуционарном моћи генеративне вештачке интелигенције (GenAI). Ова технологија је еволуирала од нишне примене до централног инвестиционог циклуса, приморавајући руководиоце информационих технологија да фундаментално преиспитају своје будуће планирање.

Међутим, овај квантитативни пораст прикрива дубоку и структурно опасну стварност. Детаљан поглед на податке Евростата о усвајању из 2024. године баца отрежњујућу слику стварне пенетрације. У Европској унији, само 13,48 процената свих компанија са десет или више запослених користило је технологије вештачке интелигенције у 2024. години. Иако ово представља значајно повећање од 5,45 процентних поена у поређењу са 2023. годином, ниска почетна вредност открива колико још увек морамо да идемо да бисмо постигли широку примену.

Прави економски проблем не лежи у просечној стопи усвајања, већ у екстремној фрагментацији тржишта. Подаци Евростата откривају опасан „јаз у усвајању“ између величина компанија: Док 41,17 одсто великих компанија већ користи вештачку интелигенцију, само 20,97 одсто средњих компанија и катастрофалних 11,21 одсто малих компанија то чини.

Ово открива критичну неслагање: Ако укупна потрошња на услуге вештачке интелигенције масовно порасте за 21 одсто, али просечно усвајање остане ниско и сегментирано, то економски значи да целокупно тржиште не расте, већ да неколико већ доминантних играча – 41 одсто великих компанија – масовно консолидује своју потрошњу. Ову консолидацију поткрепљује запажање да компаније све више прелазе са директне куповине решења за вештачку интелигенцију на имплементацију партнерских решења. У пракси, ови партнери су глобални хиперскалери и њихови екосистеми.

Овај развој не указује на здрав, широко заснован успон, већ на појаву економског двослојног друштва. Док се велике корпорације дубоко интегришу у екосистеме технолошких добављача како би осигурале своју конкурентност, окосница немачке и европске економије – иновативна мала и средња предузећа – заостаје технолошки и економски. „Фаза брзог раста“ је стога мање демократизација вештачке интелигенције него убрзање зависности за оне који је могу себи приуштити.

Промена парадигме: Од изолованих пилота до „агентске вештачке интелигенције“

Паралелно са овом квантитативном динамиком тржишта, дешава се квалитативни скок у самој технологији, фундаментално интензивирајући њене стратешке импликације. Ера изолованих пилот пројеката вештачке интелигенције, првенствено усмерених на повећање продуктивности, уступа место новој фази: „агентској вештачкој интелигенцији“. Аналитичари дефинишу „агентску будућност“ као стање у којем системи вештачке интелигенције више не само да извршавају задатке, већ делују аутономно, намерно и скалабилно. Реч је о оркестрирању интелигенције у целим системима, тимовима и ланцима вредности, са циљем редефинисања пословних модела.

Спремност за усвајање ове нове парадигме је изузетно висока у 2025. години. Анкета показује да 29% организација већ користи Agentic AI, док додатних 44% планира да га имплементира у наредној години. Само 2% компанија не разматра његову употребу. Примарни случајеви употребе усмерени су на суштину пословних процеса: 57% корисника планира да га примени у корисничкој служби, 54% у продаји и маркетингу, а 53% у ИТ-у и сајбер безбедности. Глобалне технолошке компаније подржавају овај тренд; 88% америчких руководилаца је навело да ће повећати своје буџете за AI у наредној години због Agentic AI.

Али ова еуфорија се сусреће са суровим реалношћу: вакуумом у имплементацији. Упркос великој спремности за улагање, 62 одсто компанија које процењују вештачку интелигенцију немају јасну почетну тачку за имплементацију. 32 одсто свих пилот пројеката застаје и никада не достигне фазу производње.

Основни узрок овог широко распрострањеног квара је мање софтвер, а више физичка инфраструктура. Више од половине свих тренутних пилот пројеката вештачке интелигенције стагнира због недовољних ограничења инфраструктуре. Агентска вештачка интелигенција није једноставно ажурирање софтвера; она фундаментално трансформише мрежне захтеве. Аналитичари компаније Cisco упозоравају да захтеви агентске вештачке интелигенције генеришу до 25 пута више мрежног саобраћаја од традиционалних захтева. Ови системи захтевају нову, децентрализовану архитектуру „уједињене ивице“, јер се предвиђа да ће 75 процената пословних података у будућности морати да се обрађује на ивици – то јест, тамо где потичу, на пример, у фабрици или у аутомобилу.

Ова инфраструктурна криза изазива дубок проблем поверења. Откривена је значајна разлика у перцепцији: Док 78% руководилаца из врха тврди да имају снажно управљање вештачком интелигенцијом, само 58% виших менаџера који су ближи имплементацији се слаже. Занимљиво је да 78% ових руководилаца – истих оних који одобравају велике буџете – признају да не верују агентској вештачкој интелигенцији када она доноси аутономне одлуке.

Ово неповерење није првенствено психолошко, већ је директан симптом инфраструктурне неадекватности. Руководство не верује системима јер њихова сопствена инфраструктура није дизајнирана да поднесе 25 пута веће оптерећење мреже или да гарантује неопходну робусност и безбедност на рубу мреже. Управо тај јаз – немогућност покретања Agentic AI на сопственој инфраструктури – постаје највећи акцелератор зависности од добављача. Европске компаније које желе да предузму овај стратешки корак приморане су да купују потребну архитектуру руба мреже као скупу, управљану услугу од самих хиперскалера чије доминације се заправо плаше.

Парадокс поврата инвестиције (ROI) у вештачку интелигенцију

Огромна улагања у инфраструктуру вештачке интелигенције суочавају се са још једним кључним економским проблемом: парадоксом поврата инвестиције (ROI). Буџети за дигиталне иницијативе су експлодирали. Подаци за 2025. годину показују да су се ови буџети повећали са 7,5 процената прихода у 2024. на 13,7 процената у 2025. години. За типичну компанију са 13,4 милијарде долара прихода, ово је еквивалентно дигиталном буџету од 1,8 милијарди долара. Значајан део овога, у просеку 36 процената, директно се улива у аутоматизацију вештачке интелигенције.

Упркос овој масовној алокацији капитала, приноси често остају нејасни, „споро се материјализују и тешко их је мерити“, како је открила анкета Делоита међу европским руководиоцима из 2025. године. Ова разлика између масивног улагања и нејасног резултата је кључна карактеристика тренутне економије вештачке интелигенције.

Један феномен који најјасније илуструје овај парадокс је такозвана „сенковита вештачка интелигенција“. Једна проницљива студија показује да, иако је само 40 процената компанија стекло званичне лиценце за моделе великих језика (LLM), запослени из преко 90 процената компанија користе приватне алате вештачке интелигенције (као што су лични ChatGPT налози) за своје свакодневне радне задатке.

Ово понашање је веома откривајуће из економске перспективе. Оно показује да, иако је вредност технологије очигледна и непосредна за појединачног запосленог (иначе је не би користили), компанија не бележи, не контролише нити капитализује стварање вредности. „Сенчана вештачка интелигенција“ стога није само питање усклађености, већ симптом неуспеле стратегије набавке, инфраструктуре и вредности. Менаџмент често улаже у видљиве, али углавном нетрансформативне престижне пројекте, док највеће могућности поврата инвестиције у оптимизацији функција позадинског рада остају недовољно финансиране.

Тешкоћа у мерењу поврата инвестиције лежи у самој природи трансформације. Увођење вештачке интелигенције није једноставна надоградња; упоредиво је са историјским преласком са парне снаге на електричну енергију у фабрикама. Пуне користи од електричне енергије нису настале једноставном заменом парне машине електромотором, већ тек када су компаније реконфигурисале своје целокупне производне линије и токове рада око новог, децентрализованог извора енергије.

Из тог разлога, традиционалне метрике поврата инвестиције (ROI) које се фокусирају на уштеде трошкова или повећање продуктивности нису довољне. Аналитичари стога позивају на алтернативне мере евалуације. То укључује повраћај на запосленог (ROE), који мери побољшања у искуству и задржавању запослених, и повраћај на будућност (ROF), који процењује дугорочну стратешку предност и будућу одрживост пословног модела. Истовремено, евалуација мора у потпуности обухватити укупне трошкове власништва (TCO), укључујући често скривене трошкове за ревизије усаглашености, континуирану преобуку модела и интерне административне трошкове. Проблем поврата инвестиције је стога често проблем TCO: компаније избегавају високе варијабилне оперативне трошкове (OpEx) услуга у облаку зарад тешко мерљивог повећања продуктивности, занемарујући капиталне издатке (CapEx) у сопствену платформу која би могла да легализује вештачку интелигенцију у сенци и контролише њену вредност интерно.

Истина о TCO: Поновна процена трошкова инфраструктуре за регенеративну вештачку интелигенцију

Дискусија око повраћаја инвестиције (ROI) нераскидиво је повезана са фундаменталном одлуком у вези са основном инфраструктуром. Стратешки избор између локалног (у сопственом дата центру) и јавног облака (са хиперскалером) се економски рекалибрише специфичним захтевима генеративне вештачке интелигенције. Догма „облак на првом месту“, која се годинама сматрала светом, све се више показује као економска заблуда за радна оптерећења вештачке интелигенције.

Фундаментална разлика лежи у структури трошкова. Трошкови облака су варијабилни, оперативни трошкови засновани на коришћењу (OpEx). Они се линеарно повећавају са временом израчунавања, простором за складиштење, API позивима или количином података. С друге стране, трошкови локалног развоја су углавном фиксни капитални издаци (CapEx). Након високе почетне инвестиције, маргинални трошак по јединици употребе се смањује како се повећава искоришћеност локалног хардвера.

За традиционална, променљива радна оптерећења, облак је био непобедив. За нова, перзистентна радна оптерећења вештачке интелигенције – посебно обуку и континуирано распоређивање модела (инференција) – ова слика је обрнута. Анализа укупних трошкова власништва (TCO) коју је спровела компанија Lenovo, упоређујући радна оптерећења GPU-а (еквиваленти NVIDIA A100 на AWS p5 инстанцама) током периода од пет година, даје јасне резултате. Са континуираном употребом 24/7, типичном за инференцију вештачке интелигенције, укупни трошкови локалног хардвера износе приближно 411.000 долара. Иста рачунарска снага у јавном облаку кошта приближно 854.000 долара током истог периода. Трошкови облака су стога више него двоструко већи.

Аргумент да је облак флексибилнији важи само при веома ниским стопама искоришћења. Ако искоришћење падне на 30 процената у овом сценарију, трошкови облака значајно се смањују, али и даље остају виши од трошкова локалног пословања. Међутим, за компаније које желе озбиљно и у великим размерама да користе вештачку интелигенцију, ниска искоришћеност није циљ, већ проблем ефикасности. Линеарни модел оперативних трошкова облака је економски неефикасан за одрживе операције генерисане вештачке интелигенције.

Генеративни модели вештачке интелигенције доводе ову спиралу трошкова до крајњих граница. Модели обуке попут Llama 3.1 захтевали су 39,3 милиона сати рачунарске снаге GPU-а. Хипотетички, покретање ове обуке на AWS P5 инстанцама (H100) могло би коштати преко 483 милиона долара, занемарујући трошкове складиштења. Ове бројке илуструју да је обука, па чак и велико фино подешавање основних модела, преко јавних услуга у облаку, финансијски превисок за већину организација.

Поред пуког обрачуна трошкова, локални приступ нуди супериорну контролу над осетљивим подацима и пословно критичном интелектуалном својином. У облаку, обрада од стране трећих страна и дељена инфраструктура повећавају ризике по приватност података, чинећи усклађеност са регулаторним захтевима (као што су GDPR или правила специфична за индустрију у финансијама и здравству) сложенијом и скупљом. Анализа TCO стога пружа економски доказ о потреби за поновном проценом: Дигитални суверенитет није само политичка фраза, већ тврдокорна финансијска нужност.

Борба за дигитални суверенитет као економска стратегија

Анализа укупних трошкова власништва (TCO) открива да избор инфраструктуре има димензију индустријске политике. „Дигитални суверенитет“ више није чисто одбрамбени или политички захтев, већ офанзивна економска стратегија за обезбеђивање конкурентских предности.

Позиција Немачке у овој глобалној трци је несигурна. Анализа ZEW-а (Центра за европска економска истраживања) приказује помешану слику: док су немачке компаније лидери у коришћењу вештачке интелигенције у Европи, земља је слаба као добављач решења за вештачку интелигенцију. Немачка има значајан трговински дефицит у производима и услугама вештачке интелигенције, а њен удео у глобалним пријавама за патенте за вештачку интелигенцију знатно заостаје за уделом водећих земаља.

Овај стратешки јаз погоршава недостатак свести о проблему унутар кључног индустријског сектора, наиме малих и средњих предузећа (МСП). Заједничка студија компаније Adesso и истраживачког института Handelsblatt из 2025. године показује да четири од пет немачких компанија немају развијену стратегију за дигитални суверенитет. Ово је још алармантније с обзиром на то да већина ових компанија признаје да је већ у великој мери зависна од дигиталних решења ваневропских добављача.

Ова пасивност постаје опасна у светлу глобалне динамике. Растућа геополитичка фрагментација и растући „технолошки национализам“ редефинишу правила индустријске конкуренције. За основне европске индустрије – производњу, аутомобилску индустрију, финансије и здравство – контрола над власничким подацима, ланцима снабдевања и системима вештачке интелигенције постаје питање опстанка. Европа мора да пређе са „пасивног корисника“ на „активног обликоваоца“ своје дигиталне индустријске будућности.

Стратешки одговор на овај изазов лежи у федеративним просторима података, како то промовишу иницијативе као што су Платформа Индустрија 4.0 и Gaia-X. Платформа Индустрија 4.0 има за циљ да створи просторе података који омогућавају мултилатералну сарадњу засновану на поверењу, интегритету и суверенитету индивидуалних података.

Gaia-X, који ће ући у конкретну фазу имплементације 2025. године са преко 180 пројеката у области простора података, представља покушај да се ова визија подигне на паневропски ниво. Циљ је јасан: разбити „хегемонију северноамеричких актера“ стварањем федеративне, интероперабилне и безбедне инфраструктуре података која се придржава европских вредности и правила.

Овде треба исправити кључно погрешно схватање: Gaia-X није „европска cloud алтернатива“ намењена директној конкуренцији хиперскалерима. Уместо тога, то је оперативни систем за поверење и интероперабилност. Gaia-X пружа оквире поверења, отворене стандарде и механизме усклађености који омогућавају немачком произвођачу аутомобила да безбедно повеже своју (економски повољну, према анализи TCO) локалну инфраструктуру са системима својих добављача у секторски специфичном, сувереном базену података.

80% немачких компанија без стратегије суверенитета стога прави двоструку економску грешку: не само да игноришу акутни геополитички ризик, већ и огромну предност у погледу укупног трошка власништва (TCO) коју би суверена инфраструктура дизајнирана према принципима Gaia-X могла да понуди у доба GenAI.

Од зависности од великих добављача услуга у облаку, назад до поновног откривања сопствене ИТ инфраструктуре (на локалној платформи)

Закон ЕУ о вештачкој интелигенцији: Регулаторно оптерећење или катализатор за суверенитет?

Европска регулатива сада интервенише у овој сложеној мешавини економског притиска и стратешке нужности. Закон ЕУ о вештачкој интелигенцији (Уредба (ЕУ) 2024/1689) се често помиње као пуко оптерећење усклађености или кочница за иновације. Међутим, дубља економска анализа показује да Закон о вештачкој интелигенцији делује као ненамерни, али ефикасан катализатор управо за оне суверене архитектуре вештачке интелигенције које су већ неопходне због укупних трошкова власништва (TCO) и стратешких разматрања.

Закон о вештачкој интелигенцији прати приступ заснован на ризику, категоришући системе вештачке интелигенције у четири групе: минимални, ограничени, висок или неприхватљив ризик. Економски релевантни рокови се брзо приближавају: од 2. фебруара 2025. године, системи вештачке интелигенције са „неприхватљивим ризиком“ (нпр. друштвено бодовање) биће забрањени у ЕУ. Међутим, 2. август 2025. је далеко значајнији за индустрију. На овај датум ступиће на снагу правила управљања и обавезе за моделе вештачке интелигенције опште намене (GPAI) – основну технологију која стоји иза GenAI.

За компаније које морају да класификују системе вештачке интелигенције као „високог ризика“ (нпр. у критичној инфраструктури, регрутовању, медицинској дијагностици или финансијама), трошкови усклађивања постају значајни. Чланови од 8 до 17 Закона прописују строге обавезе пре него што се такав систем може ставити на тржиште. То укључује:

• Успостављање адекватних система за управљање ризицима и њихово ублажавање.
• Обезбеђивање високог квалитета обуке, валидације и скупова података за тестирање, посебно ради минимизирања дискриминације.
• Имплементација континуираног евидентирања активности како би се осигурала праћење резултата.
• Израда детаљне техничке документације која садржи све информације о систему и његовој намени.
• Спровођење адекватног људског надзора.
• Доказ високог нивоа робусности, сајбер безбедности и тачности.

Ови захтеви делују као имплицитни покретач за локална и отворена решења. Кључно питање за сваког генералног директора и директора информационих технологија је: Како немачка компанија може да испуни захтеве Закона о вештачкој интелигенцији ако користи власнички API „црне кутије“ од неевропског хиперскалера?

Како може да демонстрира „висок квалитет скупова података“ ако су подаци за обуку америчког модела пословна тајна? Како може да гарантује потпуно „евидентирање ради праћења“ ако нема приступ евиденцији закључивања провајдера? Како може да креира „детаљну техничку документацију“ ако архитектура модела није откривена?

Закон о вештачкој интелигенцији ствара де факто обавезу за транспарентност, могућност ревизије и контролу. Ове захтеве је тешко или немогуће испунити стандардним услугама које нуде хиперскалери, или само уз изузетно високе додатне трошкове и правне ризике. Рок у августу 2025. године сада приморава компаније да донесу стратешку одлуку. Закон о вештачкој интелигенцији и анализа TCO (видети одељак 4) стога се крећу у истом стратешком правцу: даље од црне кутије облака и ка контролисаним, транспарентним и сувереним вештачким архитектурама.

Закључаност према добављачу: Стратешка опасност власничких екосистема

Анализа TCO и захтеви Закона о вештачкој интелигенцији истичу стратешки ризик који представља дубока интеграција у екосистеме хиперскалера (као што су Amazon Web Services, Microsoft Azure и Google Cloud Platform). Ова такозвана „закључаност произвођача“ није само техничка непријатност, већ економска и стратешка замка. Компаније постају зависне од власничких услуга, специфичних интерфејса за програмирање апликација (API), формата података или специјализоване инфраструктуре. Прелазак на другог добављача постаје прескупан или технички немогућ.

Механизми овог закључавања су суптилни, али ефикасни. Главни проблем је „техничка испреплетеност“. Хиперскалери нуде мноштво високо оптимизованих, власничких услуга (нпр. специјализоване базе података попут AWS DynamoDB или алате за оркестрацију попут AWS ECS). Оне се могу беспрекорно и глатко користити унутар екосистема. Развојни тим под временским притиском ће разумљиво изабрати ове изворне алате уместо отворених, преносивих стандарда (као што су PostgreSQL или Kubernetes). Са сваком од ових одлука, преносивост целе апликације се смањује све док миграција не би захтевала потпуно преписивање.

Други механизам је ескалација трошкова. Компаније се често привлаче у облак великодушним бесплатним почетним кредитима и попустима. Међутим, када је инфраструктура дубоко укорењена и трошкови преноса података („гравитација података“) отежавају миграцију, цене се повећавају или се услови мењају.

Привлачност хиперскалера је намерна стратегија да се прикрију дугорочни недостаци у погледу трошкова власништва над власништвом (TCO) који настају код сталних радних оптерећења (као што је наведено у одељку 4). До тренутка када компанија достигне фазу скалирања где би локално решење било више од 50 процената јефтиније, она је већ технички заробљена. „Криза инфраструктуре“ анализирана у одељку 2 током усвајања Agentic AI служи као савршен катализатор за ово заробљавање. Хиперскалери нуде „једноставно“ plug-and-play решење за сложени проблем на рубу мреже – решење које је неизбежно дубоко уграђено у њихове власничке и непреносиве услуге.

Уобичајене контрамере као што су стратегије вишеструког облака – то јест, коришћење више провајдера ради јачања преговарачке моћи – и давање приоритета преносивости података путем отворених формата су важне, али у крајњој линији само одбрамбене тактике. Оне ублажавају симптоме, али не решавају основни узрок зависности. Једина робусна одбрана од везаности за добављача лежи на архитектонском нивоу: доследна употреба софтвера отвореног кода и отворених стандарда.

У вези са овим:

• Опасности од зависности од добављача: Зашто би компаније требало да избегавају зависности

Отворени код као окосница европског суверенитета вештачке интелигенције

Доследна употреба софтвера и модела отвореног кода је кључна стратешка полуга која омогућава економски рационалан и технички ефикасан суверенитет вештачке интелигенције за Европу. Модели отвореног кода на великим језицима (LLM), чији су изворни код, а често и механизми за обуку, слободно доступни, модификовани и дистрибутивни, представљају стратешку алтернативу власничким, затвореним моделима.

Тржиште модела вештачке интелигенције драматично се променило у корист отвореног кода. Од почетка 2023. године, број издања модела отвореног кода се скоро удвостручио у поређењу са њиховим власничким панданима. Подаци указују да локална решења, која претежно користе моделе отвореног кода, већ контролишу више од половине тржишта мастер студија управљања вештачком интелигенцијом (LLM). Ову динамику потврђује и широко распрострањено усвајање у пословању: 89 процената компанија које користе вештачку интелигенцију користе компоненте отвореног кода у неком облику.

Економске предности су очигледне: отворени код нуди транспарентност, супериорну прилагодљивост (фино подешавање), драстично смањење оперативних трошкова (пошто нема накнада за токене заснованих на коришћењу) и, пре свега, потпуно елиминисање ризика везаности за произвођача.

Постојање моћних модела отвореног кода као што су Llama 3 од компаније Meta и модела од Mistral (европске компаније са седиштем у Паризу) је стратешка прекретница. Референтни резултати перформанси показују да Llama 3 истиче сложене процесе резоновања, вишеструке дијалоге и мултимодалне могућности (текст и слика). С друге стране, породица модела Mistral је оптимизована за ефикасност, ниску латенцију и исплативо прилагођавање, што је чини идеалном за употребу у агилним или сценаријима рачунарства на рубу мреже.

Међутим, ови модели су само „мотори“. Да би се ефикасно користили у индустријским размерама, потребне су отворене MLOps (Machine Learning Operations - операције машинског учења). Системи попут Kubeflow-а, који је изграђен на де факто индустријском стандарду Kubernetes, кључни су за управљање целим животним циклусом - од обуке и финог подешавања до имплементације и праћења - на вашој сопственој инфраструктури на скалабилан, преносив и аутоматизован начин.

Постојање ових моћних стекова отвореног кода (модел + платформа) решава стратешку трилему европске индустрије. Раније се једна немачка компанија суочила са немогућим избором: (А) да користи скупе, власничке америчке моделе са високим укупним трошковима власништва (TCO), ризиком од везаности за добављача и проблемима са усклађеношћу са Законом о вештачкој интелигенцији, или (Б) да се ослони на мање конкурентне, власничке моделе.

Захваљујући револуцији отвореног кода, компанија сада може да изабере трећи, суверени пут: Може да покреће модел светске класе (нпр. Llama 3 или Mistral) на сопственој (економски супериорнијој, према анализи TCO) локалној инфраструктури, којом управља отворена платформа (као што је Kubeflow) и која је интероперабилна (према Gaia-X стандардима), као и потпуно ревидирана и транспарентна (према Закону о вештачкој интелигенцији). Стратешка одлука се помера са питања „AWS, Azure или GCP?“ на питање: „Да ли користимо Mistral за ефикасне edge апликације или Llama 3 за сложене back-office процесе на нашој сопственој платформи заснованој на Kubeflow-у?“

У вези са овим:

• Le Chat by Mistral AI – Европски одговор на ChatGPT: Овај AI асистент је знатно бржи и безбеднији!

Људско уско грло: двострука криза вештина у Немачкој

Технолошки и економски аргументи за суверену стратегију вештачке интелигенције су снажни. Архитектура (отвореног кода, локална) је доступна и финансијски супериорна. Постоји регулаторна потреба (Закон о вештачкој интелигенцији). Међутим, имплементација ове стратегије не успева због једног последњег, критичног уског грла: људског капитала. Стални недостатак ИТ стручњака и дигиталних професионалаца уопште је главна препрека усвајању вештачке интелигенције и дигиталној трансформацији у Немачкој.

Тржиште рада за стручњаке за вештачку интелигенцију је веома нестабилно. Подаци компаније PwC показују да су огласи за посао везан за вештачку интелигенцију у Немачкој, након што су достигли врхунац од 197.000 у 2022. години, опали на 147.000 до 2024. године. Овај пад није знак смиривања тензија, већ указује на стратешку дезоријентацију. Он снажно корелира са периодом у којем су компаније, након почетног таласа хајпа (2022), препознале стварност парадокса поврата инвестиције (2023) и инфраструктурних препрека (2024). Научници за податке су запошљавани у паници, без потребне инфраструктуре или стратегије за њихову продуктивну употребу.

Прави проблем није недостатак врхунских истраживача, већ шири „јаз у компетенцијама“. Запошљавање високо плаћених стручњака за вештачку интелигенцију је од мале користи ако остатак радне снаге није у стању да примени нове процесе или да интерагује са системима. Студија потврђује ову неслагање: Док је 64 одсто запослених заинтересовано за обуку за вештачку интелигенцију, многим компанијама недостају конкретни програми и стратегије за имплементацију.

Ова двострука оскудица – недостатак стручњака и недостатак широког стручног знања о вештачкој интелигенцији – доводи трошкове запослења за малобројне расположиве таленте до екстремних нивоа. Плате у Немачкој за 2025. годину одражавају ову оскудицу. Специјалиста за вештачку интелигенцију у Немачкој зарађује у просеку између 86.658 и 89.759 евра. Распони плата за искусне стручњаке (виши ниво, 6-10 година искуства) илуструју пуни обим ових трошкова запослења.

Следећа табела сумира референтне вредности плата за кључне позиције у области вештачке интелигенције у Немачкој у 2025. години, на основу анализе различитих тржишних података.

Референтне вредности плата за стручњаке за вештачку интелигенцију у Немачкој (бруто годишња плата, 2025)

Референтне вредности плата за стручњаке за вештачку интелигенцију у Немачкој (бруто годишња плата, 2025) – Слика: Xpert.Digital

За 2025. годину, референтне вредности плата за стручњаке за вештачку интелигенцију у Немачкој (бруто годишња плата) су следеће: За научнике података са фокусом на вештачку интелигенцију, бруто годишња плата је 55.000–70.000 евра за млађе стручњаке (0–2 године), 70.000–90.000 евра за средњи ниво (3–5 година) и 90.000–120.000 евра за старије стручњаке (6–10 година). Инжењери машинског учења зарађују 58.000–75.000 евра као млађи стручњаци, 75.000–95.000 евра као средњи ниво и 95.000–125.000 евра као старије стручњаци. Научници који се баве истраживањем вештачке интелигенције зарађују између 60.000 и 80.000 евра на млађим стручним кадровима, 80.000 и 105.000 евра на средњим стручним кадровима и 105.000 и 140.000 евра на вишој стручној спреми.

Ови високи трошкови особља су саставни део обрачуна TCO и, парадоксално, још један снажан аргумент против јавног облака. Економски је ирационално запослити осамочлани виши тим за вештачку интелигенцију са трошковима особља од око милион евра годишње, а затим њихову продуктивност успорити варијабилни трошкови, техничка ограничења или латенција API-ја облачне платформе. Скуп и оскудан људски капитал захтева оптимизоване, контролисане и исплативе (интерне) ресурсе како би се генерисала максимална вредност.

Трансформација у пракси: Стратегије немачких индустријских шампиона (Bosch & Siemens)

Наведени стратешки изазов – потреба за балансирањем TCO, суверенитета и изградње компетенција – није само теоретски. Њиме се већ активно баве водеће немачке индустријске компаније. Стратегије корпорација попут Bosch-а, Siemens-а и њиховог заједничког предузећа BSH Hausgeräte служе као план за то како суверена трансформација вештачке интелигенције може успети у пракси.

Ове компаније улажу огромна, дугорочна капитална улагања (CapEx) у сопствене вештачке интелигенције. Бош је, на пример, најавио планове да инвестира више од 2,5 милијарди евра у вештачку интелигенцију до краја 2027. године. Овај новац се првенствено не користи за куповину услуга у облаку, већ за развој интерне стручности и интеграцију вештачке интелигенције као основне компоненте својих производа, што јој омогућава да брже претвори иновације у пословне примене у стварном свету.

Стратегија ових шампиона не фокусира се на интерну апликацију за продуктивност, већ на „уграђену вештачку интелигенцију“ или „ивични вештачки интелигенцију“ – интеграцију вештачке интелигенције директно у производ ради повећања вредности за купце. Примери компанија Bosch и BSH то илуструју:

• Рерна Bosch серије 8 користи вештачку интелигенцију да аутоматски препозна преко 80 јела и подеси оптималан начин кувања и температуру.
• Интелигентни дечији креветац „Bosch Revol“ користи вештачку интелигенцију за праћење виталних функција детета, као што су откуцаји срца и дисање, и упозорава родитеље у случају неправилности.
• Зидни скенери засновани на вештачкој интелигенцији детектују каблове за напајање или металне подупираче у зиду.

Ови случајеви употребе захтевају поуздано закључивање у реалном времену директно на уређају (на рубу мреже), независно од стабилне интернет везе. Они потврђују техничку неопходност децентрализоване архитектуре (као што је објашњено у одељку 2) и изводљиви су само кроз улагање у власничке, суверене могућности.

Паралелно са својим технолошким инвестицијама, ове компаније проактивно решавају проблем уског грла људских ресурса (Одељак 9) кроз масовне интерне иницијативе за обуку. Сименс је покренуо „SiTecSkills Academy“ још 2022. године. Ово није само интерни програм обуке, већ отворени екосистем осмишљен да обезбеди усавршавање и даљу обуку за целу радну снагу – од производње и услуга до продаје – као и за екстерне партнере у областима оријентисаним ка будућности као што су вештачка интелигенција, интернет ствари и роботика.

Филозофију која стоји иза овог приступа сажето је сумирао BSH (Bosch and Siemens Home Appliances): Вештачка интелигенција се не посматра као „додатни модул“, већ као „део наше укупне стратегије“. Циљ је стварање „стварне додате вредности за наше потрошаче“, којој су подређене све технолошке одлуке.

Ови шампиони индустрије тако пружају живи доказ основне тезе ове анализе: Они решавају парадокс поврата инвестиције (Одељак 3) тражећи вредност не у нејасним интерним уштедама, већ у новим карактеристикама производа које плаћа купац. Они потврђују аргументе о TCO (Одељак 4) кроз капиталне издатке од више милијарди долара. И решавају кризу вештина (Одељак 9) кроз стратешке, скалабилне интерне академије.

Стратешки изгледи: Европски пут ка суверенитету вештачке интелигенције до 2026. године

Економска анализа имплементације вештачке интелигенције у Европи 2025. године води до јасног и хитног закључка. Европска, а посебно немачка, економија налази се на раскрсници коју карактерише низ дубоких економских и структурних контрадикција.

Прво, постоји опасан јаз у усвајању. Док велике компаније консолидују своја улагања у вештачку интелигенцију и дубоко се интегришу у хиперскалерске екосистеме, средња предузећа технолошки заостају.

Друго, следећи технолошки скок, „агентска вештачка интелигенција“, убрзава овај јаз. Њени екстремни инфраструктурни захтеви (посебно на рубу мреже) преоптерећују већину компанија и стварају акутан притисак проблема, директно их доводећи до зависности од добављача који нуде брза, али власничка решења.

Треће, многе компаније доживљавају „парадокс поврата инвестиције“, погоршан феноменом „сенке вештачке интелигенције“. Оне улажу велика средства у технологију, али не могу да измере њену вредност јер се ослањају на погрешне метрике и економски неоптималну инфраструктурну стратегију.

Анализа података ове студије открива излаз из ове трилеме. Супротно догми „облак је на првом месту“, анализа TCO показује да су суверене локалне или хибридне инфраструктуре економски супериорније за трајна, рачунарски интензивна радна оптерећења генеративне вештачке интелигенције – трошкови се могу смањити за више од 50 процената.

Овај економски рационалан приступ сада подржава регулаторни оквир Закона ЕУ о вештачкој интелигенцији. Његови строги захтеви за транспарентност, могућност ревизије и евидентирање, који ће ступити на снагу за GPAI моделе у августу 2025. године, делују као де факто обавеза за отворене, транспарентне и системе које се могу ревидирати – захтеве које власнички API-ји „црне кутије“ тешко могу испунити.

Стратешко решење је технички и економски доступно: комбинација високоперформансних LLM-ова отвореног кода (као што су Mistral или Llama 3), отворених MLOps платформи (као што је Kubeflow) и интероперабилних стандарда (као што је Gaia-X). Ова архитектура решава три основна проблема – TCO, везаност за произвођача и усклађеност са Законом о вештачкој интелигенцији – истовремено.

Ово дефинитивно помера уско грло са технологије на људе. Недостатак квалификованих радника на свим нивоима и међу стручњацима, који се манифестује у вртоглавом порасту плата, представља последњу и највећу препреку.

Стратешки план за немачка мала и средња предузећа илуструју индустријски шампиони попут Боша и Сименса: Будућност није у куповини вештачке интелигенције као варијабилне услуге у облаку, већ у изградњи вештачке интелигенције као стратешке основне компетенције. То захтева (1) капитална улагања у сопствену, суверену и отворену инфраструктуру вештачке интелигенције и (2) паралелна, огромна улагања у обуку сопствене радне снаге на широкој бази.

Године 2026, успех европске индустрије у глобалној трци за вештачку интелигенцију неће се мерити величином рачуна за облак, већ дубином интеграције вештачке интелигенције у основне производе и брзином којом радна снага прихвата ову трансформацију.

Наша глобална стручност у индустрији и економији у развоју пословања, продаји и маркетингу - Слика: Xpert.Digital

Фокус индустрије: B2B, дигитализација (од AI до XR), машинство, логистика, обновљиви извори енергије и индустрија

Више информација овде:

• Експертски пословни центар

Тематски центар који нуди увиде и стручност:

• Платформа знања која покрива глобалне и регионалне економије, иновације и трендове специфичне за индустрију
• Збирка анализа, увида и основних информација из наших кључних области фокуса
• Место за стручност и информације о актуелним дешавањима у пословању и технологији
• Чвориште за компаније које траже информације о тржиштима, дигитализацији и иновацијама у индустрији

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде [email protected]:или ме једноставно позовите на +49 7348 4088 965. Моја имејл адреса је

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови

Нова димензија дигиталне трансформације са „Управљаном вештачком интелигенцијом“ – платформа и B2B решење | Xpert Consulting - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства