Veštačka inteligencija se širi brže nego što kompanije uspevaju da definišu pravila za njenu upotrebu. To je jedan od ključnih zaključaka istraživanja Data & AI Barometer 2026, koje su objavili Coface i Les Echos Etudes. Osetljivi podaci, dozvoljene primene, ljudska validacija, odgovornosti… Jer uvođenje AI u poslovanje podrazumeva mnogo više od izbora odgovarajućeg alata, donosimo pregled četiri ključna koraka koji će vam pomoći da uspostavite konkretan okvir i pređete sa eksperimentisanja na stvarne poslovne rezultate.
Kada je praksa (previše) ispred pravila
Kako veštačka inteligencija postaje sve prisutnija u svakodnevnom radu kompanija, pitanje njenog regulisanja postaje neizbežno. I s razlogom: automatizovani izveštaji, analiza portfolija klijenata, prepoznavanje ranih signala rizika... AI se najčešće najpre širi kroz svakodnevnu upotrebu među zaposlenima, čak i pre nego što kompanija definiše zvaničnu politiku njenog korišćenja.
Ipak, iako je AI već široko prihvaćen, većina kompanija još nije uspostavila odgovarajući okvir za upravljanje njenom primenom. To potvrđuje i Data & AI Barometer 2026, zasnovan na istraživanju među 900 francuskih donosioca odluka:
- 60% kompanija još nije formalizovalo okvir za upravljanje AI;
- više od trećine nema nikakav okvir i ne planira da ga uskoro uvede;
- četvrtina razmatra uspostavljanje pravila, ali ih još nije formalno definisala.
Zbog toga prioritet nije odmah izgraditi sveobuhvatan sistem, već postaviti jasan okvir koji će svi zaposleni razumeti i usvojiti. Neophodno je definisati zajednička pravila koja timovima omogućavaju da iskoriste prednosti AI bez ugrožavanja podataka, poslovnih odluka ili odgovornosti kompanije.
Uspešna implementacija AI ne počinje nužno dugim pravilnicima ili kupovinom nove digitalne platforme.
Prvi korak zasniva se na četiri strateške aktivnosti:
- zaštiti odgovarajućih podataka;
- izboru proporcionalnih i relevantnih slučajeva primene;
- organizovanju ljudskog nadzora;
- jasnom određivanju odgovornosti.
Jednostavan, ali dovoljno čvrst temelj za prelazak sa eksperimentisanja na stvarne poslovne efekte.
Korak 1: Jasno razgraničite različite kategorije podataka
Podaci o klijentima, finansijski podaci, lični podaci ili strateške informacije ne mogu se koristiti na isti način niti u svakom AI alatu. Razlog je jednostavan: različite vrste podataka nose različit nivo osetljivosti. Javno dostupni podaci, istorija plaćanja, baza klijenata ili projekcije novčanih tokova ne smeju se tretirati jednako.
Počnite tako što ćete podatke podeliti u tri kategorije:
- podaci koji se mogu slobodno koristiti u odobrenim alatima;
- podaci koji zahtevaju posebne mere opreza, poput anonimizacije ili ograničenog pristupa;
- podaci koji se ne smeju unositi u eksterne AI servise.
Za finansijske direktore, kredit menadžere i rukovodioce upravljanja rizicima, ova klasifikacija predstavlja prvi zaštitni mehanizam koji obezbeđuje da ušteda vremena ostvarena uz pomoć AI ne preraste u rizik po poverljivost podataka ili usklađenost sa propisima.
Korak 2: Definišite slučajeve upotrebe i njihov opseg
Nemojte dozvoliti da vas zavara atraktivna demonstracija nekog AI rešenja. Dobar primer upotrebe ne znači nužno i dobru polaznu tačku za vašu organizaciju. Primenom AI treba prvenstveno rešavati konkretne poslovne potrebe. Generisanje izveštaja, analiza portfolija ili identifikacija neuobičajenih odstupanja ne nose isti nivo rizika niti imaju isti poslovni uticaj.
Jasno definišite tri kategorije primene:
- upotrebe koje su dozvoljene potpuno samostalno;
- upotrebe koje zahtevaju nadzor;
- upotrebe koje zahtevaju prethodno odobrenje.
Zatim, za svaku kategoriju definišite obim korišćenja i povežite ga sa konkretnim pokazateljima uspeha, kao što su:
- vreme obrade;
- relevantnost upozorenja;
- stopa usvajanja među zaposlenima;
- smanjenje broja manuelnih zadataka.
Ovakav pristup omogućava brzo testiranje poslovne vrednosti projekta pre nego što se ulože značajniji resursi.
Korak 3: Odredite nivo autonomije AI sistema
Veštačka inteligencija može da obrađuje velike količine podataka, otkriva odstupanja i daje preporuke. Međutim, ključno je izbeći situaciju u kojoj AI automatski postane donosilac odluka, naročito kada su u pitanju najosetljiviji poslovni procesi.
Jednostavno pravilo glasi: što je odluka značajnija za organizaciju, to jasnije mora biti definisana uloga ljudske stručnosti i nadzora.
Na primer, sledeće odluke imaju značajne finansijske, komercijalne ili regulatorne posledice:
- odbijanje kreditnog limita;
- izbor dobavljača;
- procena slučaja prevare;
- ulazak na novo tržište.
Zato je neophodno identifikovati one tačke u procesu gde ljudska ekspertiza, provera i konačna validacija donose najveću vrednost.
Cilj nije kontrolisati svaki rezultat koji AI proizvede, već usmeriti ljudsku stručnost tamo gde bi potencijalna greška mogla imati najveći uticaj na poslovanje.
Korak 4: Jasno definišite uloge i odgovornosti
U kompanijama, kao i u svakom zajedničkom projektu, kada su svi odgovorni za nešto, često se dešava da na kraju niko nije odgovoran.
Podaci, IT, poslovni sektori, pravna služba i compliance timovi: AI uključuje više funkcija i različite timove unutar organizacije. Međutim, zajednička odgovornost ne sme značiti i nejasnu odgovornost.
Za svaki slučaj upotrebe potrebno je jasno odrediti vlasnika procesa.
Za sve AI projekte precizno definišite i redovno komunicirajte:
- ko odobrava testiranje;
- ko vrši nadzor;
- ko donosi konačnu odluku.
Jasna raspodela odgovornosti ubrzava donošenje odluka, obezbeđuje doslednost i sprečava da projekti zapnu u beskonačnom procesu odobravanja zbog nepostojanja jasno definisanog nosioca odgovornosti.
Takođe je važno redovno preispitivati uspostavljeni AI okvir, jer se alati, podaci i rizici neprestano menjaju.
Data & AI: pređite sa eksperimentisanja na stvarne rezultate
> Pretvorite upravljanje komercijalnim rizikom u pokretač rasta: Preuzmite Coface globalnu studiju i otkrijte Open Advantage pristup kroz pet ključnih strategija koje vam mogu pomoći da ubrzate rast poslovanja.
