Nenad Božić:
Transformacija biznisa kroz podatke i AI

Čime ste se bavili pre nego što ste postali osnivač SmartCat-a? Kako je uopšte došlo do toga da se upustiti u preduzetništvo?

Rekao bih da su dve stvari bile ključne. Upisao sam Fakultet tehničkih nauka, gde sam studirao telekomunikacije. Na četvrtoj-petoj godini studija počelo je ozbiljnije da me zanima programiranje. Krenuo sam prvo sa izradom veb-sajtova, jer mi je to tada bilo najdostupnije. Zatim sam pohađao i jedan kurs iz Jave i postepeno počeo da upoznajem različite programske jezike.

Jedan od važnih „drivera“ bila je i moja spoznaja da su mogućnosti zapošljavanja u oblasti telekomunikacija tada bile prilično ograničene – praktično se sve svodilo na telko operatere, računanje trasa i određivanje lokacija za antene. To me, iskreno, nije previše privlačilo. Programiranje mi je bilo znatno interesantnije.

U tom trenutku želeo sam da iskoristim talas mobilnih tehnologija i razvoja aplikacija za mobilne telefone. Mislim da je upravo osnova iz programiranja, koju smo stekli na trećoj-četvrtoj godini, bila presudna za moj pivot ka softverskom inženjerstvu.

Druga ključna stvar bila je porodična pozadina. Moj otac je od početka bio preduzetnik – prvo je imao kafić, zatim je otvorio štampariju i kroz to iskustvo relativno rano shvatio da ne može da funkcioniše u velikim sistemima. Ta štamparija, osim klasične štampe, imala je i jednog mladog zaposlenog koji je želeo da razvija digitalni deo poslovanja. To mi je otvorilo vrata da znanje koje sam sticao na fakultetu odmah počnem da primenjujem u praksi. Tako sam još tokom studija počeo da radim kao freelancer. Danas je to za studente sasvim normalna stvar, ali tada je to bilo prilično retko.

Dakle, rekao bih da su me upravo te dve stvari usmerile i ka programiranju i preduzetništvu.

Prošle godine obeležili ste 10 godina od osnivanja kompanije, a od samog početka se bavite veštačkom inteligencijom. Danas su pojmovi poput veštačke inteligencije i mašinskog učenja postali deo svakodnevice, ali 2015. godine to nije bio slučaj. Kako je izgledalo baviti se tim oblastima tih godina?

Na fakultetu imali smo obradu signala. U suštini, ono što smo tada radili danas bismo nazvali IoT – Internet of Things. To su bili prvi use case-ovi koji su nam prirodno došli: brza obrada velike količine signala u svrhu, na primer, prediktivnog održavanja i sličnih primena.

Pre 10 godina imali smo ogroman entuzijazam i ta oblast nam se jako dopadala, ali problem je bio prilično jasan – mi smo mala firma iz Srbije, dok su podaci, koji su ključni za takve projekte, bili u rukama velikih sistema, kao što su Schneider, Google i slični globalni kompanije. Mala firma iz Srbije praktično nije mogla direktno da radi sa takvim klijentima.

S jedne strane, dolazili smo do manjih klijenata koji nisu imali podatke, pa smo sa njima često morali da „izmišljamo“ use case-ove koje su, u realnosti, mogli da reše samo veliki sistemi sa ogromnim količinama podataka. S druge strane, sa velikim klijentima smo uglavnom radili kao treća ili četvrta ruka, kao podizvođači, jer nismo mogli da prođemo kompleksne pravne i administrativne procedure da bismo radili direktno sa njima.

Bilo je teško, zaista teško. Međutim, uspeli smo da se fokusiramo na dve, tri ili četiri tehnologije koje su u tom trenutku bile izuzetno zahtevne za učenje i veoma retke među profesionalcima na globalnom nivou. Upravo zahvaljujući tome dobili smo prve projekte.

Tada je, za razliku od danas, tehnologija imala mnogo veću težinu. Da li ste Java programer, C programer ili nešto treće – to je bilo presudno. Danas imam utisak da to polako gubi na značaju, jer smo podigli nivo apstrakcije. Međutim, mi smo u tom trenutku pogodili upravo te tehnologije koje su bile tražene i na osnovu njih smo dobijali prve poslove.

Da li se sećate prvog projekta koji je bio zaista značajan, onoga koji vam je osvetlio da ta priča možda zaista ima smisla?

Apsolutno. Mi smo u tom trenutku imali firmu praktično samo „na papiru“, ali nismo želeli ozbiljno da krenemo dok ne dobijemo prvi pravi projekat. Taj projekat je došao preko jedne holandske konekcije, za firmu koja se bavila postavljanjem oglasa na različite internet stranice, kroz tzv. mikro-bidding sistem.

Tu sam, zapravo, prvi put detaljno naučio kako ceo taj proces funkcioniše. S jedne strane imate bazu oglasa, s druge strane bazu sajtova – to je odnos N prema N. Između se odvija mikro-bidding, gde u roku od oko 100 milisekundi ponuđači moraju da pobede na aukciji kako bi njihov oglas bio prikazan na određenom sajtu. Pošto je sve ekstremno brzo, morate da imate veoma efikasan sistem da bi obezbedio što veću vidljivost oglasa na različitim platformama.

To je zahtevalo izuzetno brze tehnologije, a takve distribuirane tehnologije koje mogu da obrađuju ogromne količine podataka tada su bile retke. Radili smo sa Cassandrom, bazom za vremenske serije, u kojoj smo već tada bili prilično jaki, kao i sa Kafkom. Napravili smo kompletan pipeline za bidding i radili za tog klijenta pune dve godine.

Cilj nam je bio da odziv sistema bude ispod 100 milisekundi, i to za hiljade oglasa istovremeno. Zamislite situaciju kao što je finale Svetskog prvenstva – imate, recimo, oglas nekog velikog brenda, kao što je Nike, koji je platio ogromnu sumu da se pojavi na što više sajtova. Tu se javlja sezonalnost i ekstremni pik u jednom danu, čak u jednom satu, kada sistem mora da servira oglase neverovatno brzo.

Imali smo sistem koji je morao da bude brz u normalnim uslovima, ali i stabilan i brz u trenucima ogromne navale zahteva. Projekat je bio izuzetno interesantan. Iskreno, osećao sam se kao Bambi na ledu, jer do tada moji inženjerski izazovi nisu bili vezani za sisteme sa hiljadama, milionima ili stotinama miliona zahteva.

Tada smo rešavali zaista zahtevne probleme, radili blizu hardvera i rekao bih da je to bio pravi inženjerski projekat.

Ako tih 10 godina postojanja SmartCat podelimo na pre i posle pandemije, vidimo da su se percepcija tržišta, način rada i prepoznatljivost onoga što radite značajno promenili. Kako biste uporedili prvih pet godina sa drugih pet?

Znate kako, mi smo u početku krenuli kao konsultanti za određene tehnologije, i to je bio neki prvi period od tri do četiri godine. Nakon toga smo odlučili da proširimo lepezu stvari koje možemo da radimo i da se više okrenemo aplikativnoj primeni našeg znanja. To je zahtevalo potpunu reorganizaciju firme. Morali smo da uvedemo proizvodno razmišljanje, frontend timove, data scientiste koji razvijaju algoritme koje krajnji korisnici zaista koriste. To je bila velika tehnička prekretnica, jer smo morali da promenimo način rada i strukturu cele kompanije.

Što se tiče pandemije, mislim da tokom trajanje iste nismo osetili neku dramatičnu promenu. Međutim, imam utisak da se posledice kovida, u stvari, osećaju sa određenim zakašnjenjem i da ih možda čak i danas osećamo. On je, po mom mišljenju, poslao jasnu poruku da je poslovanju potrebno što više digitalnih proizvoda. Mislim da je i ovaj veliki talas veštačke inteligencije, koji sada gledamo, u stvari, posledica te nagomilane potrebe. Ta potreba je rasla, a onda je bilo neophodno pronaći rešenja koja će ubrzati razvoj i rešavanje problema koji su mahom digitalni.

Veštačka inteligencija, algoritmi i transformer modeli postoje već 10 ili 15 godina, ali je sada njihova primena došla u fokus. Kako Englezi kažu, desila se „perfect storm“ iliti savršena oluja, tj. okolnosti koje su se dogodile pogurale su rapidan razvoj digitalnih aplikacija.

Danas vidimo da coding asistenti, alati za razmišljanje o proizvodu i slična rešenja konstantno napreduju. Ako treba da dam neku predikciju, mislim da će ova godina biti godina u kojoj će se jasno pokazati da sve to može ozbiljno i održivo da se koristi.

Do sada smo uglavnom govorili o tome da verujemo da veštačka inteligencija može da se koristi, ali da su se sistemi često „raspadali“ u praksi. Imam utisak da ćemo upravo ove godine doći do nivoa zrelosti gde će biti relativno jednostavno da se, uz pomoć veštačke inteligencije, zaista izgradi aplikacija do određenog nivoa kompleksnosti.

Pojava GPT-3, a zatim i GPT-4, učinila je ovu tehnologiju dostupnom svima. Postala je dovoljno dobra da bude zanimljiva i ljudima koji uopšte ne razumeju kako ona funkcioniše, ali koji sa njom svakodnevno dolaze u kontakt. Kako vi to vidite?

Ja trenutno large language modele i asistente koji se na njima zasnivaju gledam kao nove Word i Excel alate. Mislim da bi trebalo da postanu deo osnovnog seta veština. Ako ste programer, to su asistenti za izbor arhitekture, za konceptualno sagledavanje softvera i za pisanje koda. Ako ste u prodaji, to su alati koji vam pomažu da preciznije pronađete prave kupce. Ako ste CEO, to su alati koji funkcionišu kao strateški asistenti: pomažu u razmišljanju, daju market research i informacije za koje nam je ranije trebalo mnogo vremena.

Upravo zato što su ti alati postali mainstream i dostupni svima, i mislim da firme moraju da se adaptiraju. Potrebno je da zaborave stare načine funkcionisanja i da izgrade nove modele rada. To jeste izazov, ali je neizbežan. Godinama smo funkcionisali na jedan način, a sada morate da budete dovoljno hrabar kao lider da kažete: „Od danas radimo drugačije.“

Pratio sam diskusije sa Svetskog ekonomskog foruma, a posebno su mi ostali u sećanju istupi pojedinih tehnoloških lidera. Na primer, CEO Coinbase-a je izjavio da su zaposleni imali nedelju dana da nauče kako da koriste AI. Ko to ne savlada, praktično više nema mesto u kompaniji. Slično tome, CEO Shopify-a objavio je svoj memorandum o tome kako on vidi firmu budućnosti.

Postoje ljudi koji su spremni na takve poteze. Vreme će pokazati da li su bili u pravu ili ne, ali mislim da je u ovom trenutku najgora moguća strategija čekanje i ostajanje u istom mestu. Ako ste lider bilo koje firme, određeni potezi jednostavno moraju da se povuku.

Bez obzira na to što je veštačka inteligencija postala deo mainstreama – do te mere da o ChatGPT-ju pričaju i naši roditelji – u kom trenutku ste vi lično primetili da se dešava pravi pomak?

SmartCat je data kompanija koja postoji već 10 godina i često se pitam da li moj pogled nije sasvim realan jer sam previše duboko u svemu tome. Moj instinkt mi govori da sam pre nekih tri godine, kao i mnogi drugi, primetio da postoji ozbiljan potencijal za veliki pomak. No, istovremeno sam se grizao za jezik i bio vrlo oprezan da ne povučem ishitrene poteze, upravo zato što sam se plašio da imam previše informacija.

Kako voli da kaže moj partner i suvlasnik: „Nenade, ja kad se prošetam svojom ulicom, 90% ljudi ne koristi GPT, ne zna šta je large language model i slično.“ I to je validna perspektiva, možda smo mi zaista previše uronjeni u informacije. Međutim, u poslednje vreme sve više razmišljam da ono što je pre tri godine počelo da „krčka“, sada polako sazreva u nešto što je zaista upotrebljivo. Vidim konkretnu primenu, vidim rešenja na više nivoa.

Pre tri-četiri meseca imali smo internu akciju gde je naš AI tim obišao različite departmane – finansije, prodaju i druge – i pitao ih šta ih konkretno muči u svakodnevnom radu. Kao rezultat toga, danas imamo asistente koji zaista značajno skraćuju manuelni posao koji je ranije postojao. Kada vidite takva konkretna rešenja u praksi, onda shvatite koliko je to moćno.

Nakon gotovo 11 godina postojanja, SmartCat danas ima oko 100 zaposlenih, od čega je 70 inženjera. Šta je bilo najteže u procesu rasta, posebno kada je reč o pronalaženju i razvoju ljudi, imajući u vidu da je reč o oblastima u kojima praktično niko nema prethodno iskustvo?

Kada smo odlučili da se pomerimo ka consumer aplikacijama i da, pored konsultantskog rada, dodamo i product, full-service pristup i slično – to je bio veoma značajan trenutak. Ne mislim nužno da je to bio loš potez, ali je bio izuzetno zahtevan.

U prve tri do četiri godine nama je bilo potrebno i do devet meseci da onboardujemo jednog inženjera do nivoa na kojem može da isprati ono što smo mi prodavali tržištu. Devet meseci internog rada – interni projekti, kursevi, sertifikacije – da bi neko mogao da funkcioniše u konsultantskom modelu, gde se praktično prodaje ime i prezime, a sve zavisi od pojedinca.

Shvatili smo da je to odličan biznis model samo u teoriji. U praksi je gotovo nemoguće da prodate konsultanta po basnoslovnoj ceni po satu. Takvih ljudi nema mnogo na tržištu. Zbog toga je usledio svojevrstan „silazak stepenicu niže“, odnosno prelazak na sveobuhvatniji servis. Međutim, tada počinjete da ličite na sve ostale. Gubi se deo posebnosti. Da se ta tranzicija desila danas, mislim da ne bismo imali toliki problem.

No, to se desilo pre sedam godina, pre tržišta, pre ChatGPT-ja, pre large language modela, pre dostupnosti znanja kakvu danas imamo. Tada nismo imali mlade ljude koji već na fakultetu ili samostalno žele da uče data platforme, data engineering i machine learning modele. Nije postojala realna mogućnost da se ostane u uskoj niši na način na koji mislim da je to danas moguće i poželjno.

Iskreno, sve češće razmišljam o tome kako bismo se možda vratili sedam godina unazad i ponovo izgradili neku vrstu specijalizacije. Smatram da bi ondašnji SmartCat i te kako imao svoje mesto pod suncem, jer je više nego očigledno da ima kompanija koje muče muku na tom polju, te dobro bi im došle duboke konsultacije za otključavanje punog potencijala.

Kada govorimo o inovacijama, to često podrazumeva da radite nešto zaista novo i drugačije. Možete li da navedete neki konkretan primer gde ste za klijente radili nešto zaista inovativno i nesvakidašnje, ali suštinski važno za njihov krajnji rezultat?

Meni je healthcare oduvek bila vertikala koja mi je posebno bliska, jer se vrlo direktno mapira na ideju pomaganja ljudima da žive bolje. I dalje nisam siguran kako komercijalno izgraditi firmu isključivo oko toga, jer je regulativa zahtevna. No, pre pet-šest godina imali smo priliku da radimo sa jednom klinikom iz Španije koja se bavi veštačkom oplodnjom.

Taj projekat mi je ostao jedan od najzanimljivijih koje smo ikada radili. U procesu veštačke oplodnje uzima se više embriona i za svaki se pravi timelapse video iliti ubrzani snimak razvoja embriona tokom dva do tri dana, kroz različite faze, sve do blastociste. Na osnovu određenih faktora, embriolog zatim mora da donese odluku koji embrion ima najveće šanse.

U Evropskoj uniji postoji zakon single embryo transfer, za razliku od nekih drugih tržišta gde se implantira više embriona kako bi se povećala šansa za trudnoću. U EU se smatra da je trudnoća sa tri ili četiri embriona visokorizična, pa se implantira samo jedan embrion. To znači da ta selekcija mora da bude izuzetno precizna, jer se tačno prati da li je taj embrion nakon devet meseci rezultirao rođenjem deteta.

Nas su angažovali da radimo projekat iz oblasti kompjuterske vizije. Ideja je bila da se taj ubrzani video razvoja embriona provuče kroz algoritam, kako bi se potencijalno uočili obrasci koje ljudsko oko ne može da primeti, koji će dovesti do „prosvetljenja“. Razvili smo algoritam koji ocenjuje sekvence razvoja embriona, a zatim smo to dodatno kombinovali sa istorijskim podacima o pacijentima: godinama, zdravstvenim stanjima, prethodnim terapijama i slično. Na taj način smo napravili kombinaciju kompjuterske vizije i analize podataka, simulirajući rad embriologa i pružajući mu asistenciju u donošenju odluke.

Projekat je bio izuzetno zanimljiv, ostvarili smo dobar napredak, a klinika iz Španije bila je spremna da podeli podatke i imala je kvalitetnu istoriju slučajeva. Glavni problem pojavio se na hardverskom nivou. Timelapse video se snima specijalizovanim uređajima, a na tržištu postoje tri proizvođača, od kojih jedan drži oko 90% tržišta. Taj proizvođač je u međuvremenu u svoj operativni softver, koji kontroliše samu mašinu, implementirao sopstveni sistem za selekciju i ocenjivanje embriona.

U tom trenutku, kao third-party vendor, više nismo imali realnu mogućnost da naš softver bude implementiran, jer su oni već prodavali hardver zajedno sa svojim rešenjem. To je, praktično, ugasilo potencijal da naš proizvod izađe na tržište. Ipak, u tom projektu sam jasno video koliko je snažno i ispunjavajuće raditi na nečemu što ima direktan uticaj na kvalitet života ljudi.

Kada se danas zadubite u tržište, gde vidite najveću razliku između firmi koje „koriste AI“ i firmi koje ga zaista razumeju?

Mislim da je ključna razlika u hrabrosti lidera. U većini firmi sve ide od vrha, pa nadole. U većim organizacijama to nije jedna osoba, već čitav leadership sloj, ali princip je isti.

Svi su, manje-više, uočili da postoji potreba. Međutim, razlika nastaje u onom trenutku kada neko iz tog leadership sloja zaista uloži vreme da razume kako veštačka inteligencija može smisleno da zaživi u okviru konkretne firme. To znači pozvati tri kompanije, raspitati se šta nude, videti da li postoje radionice, edukacije, pilot-projekti. Siguran sam da su firme kao što su Accenture, Deloitte, Ernst & Young i druge već razvile vrlo zanimljive radionice i pristupe koji mogu da pomognu organizacijama u tom procesu.

Strategija, vizija i budžet dolaze odozgo. Bottom-up pristup – gde se javi neka lokalna potreba, napravi se mali alat i on zaživi – jeste brži i često efikasniji u startu, ali pitanje je da li može da opstane na nivou cele organizacije.

Imali smo situacije, recimo, sa bankama i velikim sistemima, gde se napravi konkretno rešenje, često vezano za automatizaciju korisničke podrške, što je u prethodne dve godine bio use case broj jedan. Napravite softver, definišete zahteve, ali onda dođete do tima koji treba da ga koristi i shvatite da ti ljudi već rade sa 25 različitih alata. Dvadeset šesti alat im zaista ne treba. Tu se često sve lomi.

Još jedna stvar koja je specifična za AI jeste to da on direktno „napada“ ljude. Počinjemo da se ponašamo kao testeri koji žele da razbiju aplikaciju, samo da bismo dokazali da može da se razbije. To nije korišćenje alata da bi se rešio problem, već korišćenje alata da bi se diskreditovao. I to se vrlo često dešava u firmama.

Zbog toga mislim da je usvajanje veštačke inteligencije u organizacijama prilično problematična. Potrebna je jasna leadership odluka, alociran budžet i onda postepeno spuštanje tih rešenja ka nižim nivoima organizacije. No, to mora da dođe odozgo i mora da bude hrabra odluka, iza koje ljudi koji su je doneli stoje dosledno.

Svedoci smo eksplozije alata koji mogu da generišu kod, dizajn, pa čak i kompletne aplikacije. Kako gledate na alate kao što su Manus, Lovable, Antigravity i slični?

Definitivno su jezički modeli bili izuzetno važni, jer su oni u suštini samo jedna komponenta agentskog sistema i daju mu mogućnost komunikacije. Ako govorimo o eventualnoj zameni ljudi, agentski sistem u nekom trenutku mora i da vidi, i da oseća, i da razmišlja. Trenutno on pomalo razmišlja, ali to je tek početak.

Ipak, velika primena ne dolazi zato što su agentski sistemi danas posebno zreli, već zato što smo tokom godina nagomilali ogroman broj repetitivnih poslova. U svakoj firmi, kada bi se uradila ozbiljna analiza, obojica bismo vrlo lako našli 20-30 stvari koje mogu da se optimizuju, čak i bez softvera. A ako se tome doda malo automatizacije, potencijal postaje još veći.

Sistemi su, generalno, neefikasni i mislim da će se upravo taj sloj neefikasnosti postepeno uklanjati ovim alatima. Skaliranje i održavanje, međutim, i dalje ostaju ljudski posao. Ako se setimo Tilove ideje, rekao bih da danas možete vrlo brzo da dođete od 0 do 60%, ali onih poslednjih 40% i dalje moraju da rade kompanije koje zaista razumeju AI.

Uzimimo, na primer, troškove. Danas svako može da napravi aplikaciju, ali nisam siguran da svako može da napravi aplikaciju koja neće eksplodirati po pitanju troškova. Tu je potrebno razumevanje: koliko se puta razmenjuju tokeni sa serverom, gde se generišu troškovi, šta se dešava kod agenata koji „razmišljaju“ i pritom šalju stotine requestova i responseova koje vi na kraju plaćate.

Tu postoji ogromna prilika za kompanije kao što je SmartCat, koja već 10 godina radi u ovom prostoru i razumeju njegovu suštinu. Vidim veliku šansu da se ponudi nova vrsta usluge – da klijent više ne dolazi sa klasičnim product requirement dokumentom, već sa aplikacijom koja je već 40% gotova.

Pošto danas svi koriste te alate, to znači da će nam dolaziti sve više klijenata sa vizualno oblikovanim rešenjima. Možda ćemo se čak i bolje razumeti, jer očekivanja postaju jasnija. Vi već vidite aplikaciju, možete da klikćete, imate osećaj kako bi trebalo da izgleda – samo treba da dovedete do ciljne ravnine.

Imali smo primer klijenta koji je rekao: „Napravili smo agenta za izbor marketinških agencija u velikim sistemima, ali nam fali ceo backend.“ Za njega je backend značio logiku, bazu, podatke, skalabilnost i bezbednost. Frontend je već bio generisan – mogao je da klikće i dobija odgovore, ali je falilo sve ispod toga. Meni je to bilo sjajno iskustvo.

Da li takvi alati menjaju ulogu softverskih kompanija i kako?

Prisutna je eksplozija razvoja ličnih asistenta. Ljudi naprave nešto što njima lično pomaže i imaju snažnu potrebu da to podele sa drugima, da objasne svima kako i oni mogu da koriste „nešto novo“. No, istovremeno primećujem i veliki otpor kada neko drugi napravi slično rešenje. Čak i na nivou jedne firme, ako je neko izuzetno dobar u korišćenju jednog coding asistenta, drugi članovi tima vrlo često biraju potpuno drugi alat. To postaje „njegovo“, lično. I tu nisam siguran kako se taj problem sistemski rešava.

Možda je jedno od rešenja da se u većim organizacijama – naročito tamo gde postoji veća grupa ljudi koja radi isti posao – organizuju mini-hackathoni, ili zajednički procesi razvoja, kako asistenti ne bi ostali isključivo lični alati, već nešto što se gradi kolektivno.

Druga mogućnost je da se jasnije razdvoje faze. Da tih prvih 60% ne posmatramo kao „od 0 do 1“, već kao „od 0 do 0,6“. A onda, kada se dođe do tog nivoa, da se tek tada krene sa ozbiljnim promišljanjem dobrih praksi i pitanja kako će to rešenje sutra funkcionisati na velikoj skali.

Pomenuli ste coding asistente, etablirani ljudi iz industrije tvrde da takvi alati, čak i u zahtevnim i kompleksnim zadacima, ubrzavaju rad i do tri puta. Kako vi gledate na sve to kao neko ko je na samom izvoru inovacija u tom domenu?

Ja se potpuno slažem s tim. Ostaje, naravno, ono vrlo aktuelno pitanje: Kako će juniori doći do nivoa seniora i kako će i oni jednog dana biti „tri puta brži“? Ali, mislim da se asistenti za kodiranje mogu koristiti i kao vrlo snažan alat za učenje. Ako junior pristupi tim alatima kao sredstvu za učenje, a ne kao zameni za razmišljanje, onda to ima smisla. No, definitivno važi da je neko ko je dovoljno hrabar da ih koristi na pravi način i ko razume osnovne koncepte biće daleko učinkovitiji.

Nedavno sam sa par kolega pričao na temu razvoja softvera kroz tri faze: planiranje, egzekucija i validacija. Imam utisak da smo godinama živeli u svetu u kojem smo svi znali da je planiranje važno, ali se ono često guralo u drugi plan. Egzekucija je bila najbitnija, a validacija gotovo opciona. Mislim da je tako funkcionisala čitava IT industrija.

Ono što se, po mom mišljenju, dešava sa AI asistentima jeste da egzekucija postaje komoditizovana. Možemo da zamislimo svet u kojem je egzekucija delegirana AI asistentima, a da planiranje i validacija postaju fanatično najvažniji delovi procesa. Zbog toga mislim da se dobri programeri, seniori, polako pomeraju ka ulozi validatora. Oni više nisu samo oni koji pišu kod, već oni koji proveravaju, nadgledaju i orkestriraju rad AI asistenta. Tu se, naravno, javlja novi problem: Kako validirati tri miliona linija koda u jednom danu?

Mislim da je sledeća evolucija alata upravo u alatima za validaciju – možda neki novi oblik test-driven developmenta, možda potpuno novi pristupi. No, generalno, čini mi se da se seniori pomeraju ka validaciji, gde AI asistente tretiraju kao egzekutore, a oni preuzimaju ulogu nadzora i orkestracije.

Iskreno, baveći se ovim već 20 godina, mogu da kažem da ovakav pomak u industriji do sada nisam video.

Današnji alati mogu svašta, ali koje, po vama, uloge još neko vreme bi morale da ostanu isključivo ljudske?

Smatram da bi upravljanje sistemima u produkciji još neko vreme trebalo da ostane u rukama ljudi. To su često nepredvidive situacije koje se ne mogu lako automatizovati.

Takođe, integracije različitih sistema su i dalje u velikoj meri ljudski posao. Svaka integracija ima svoju specifičnost. Nije u pitanju samo tehničko rešenje, već i razumevanje troškova, implikacija, potencijalnog „zaključavanja“ na određenu tehnologiju. To su odluke koje, po mom mišljenju, i dalje treba da donose ljudi.

Ako govorimo o netehničkim profilima, verujem da imaju neku vrstu osnovne edukacije o tome šta sve može da se reši tehnologijom. Ta radoznalost, istraživanje i razumevanje trebalo bi da budu utkani u opise radnih pozicija. Nije više dovoljno biti osoba za sales ili marketing, već osoba koja razume šta nova realnost može da mu pruži i kako tehnologija može da mu pomogne u svakodnevnom radu.

IBM-ov priručnik iz 1971. godine eksplicitno kaže da računarima ne treba davati mogućnost da donose odluke. Danas, došli smo u situaciju da neki koriste veštačku inteligenciju da outsourcuje donošenje teških i neprijatnih odluka. Kakvo je vaše mišljenje po pitanju toga?

Moj problem sa tim je više filozofski nego tehnički. Mi smo u celu ovu priču sa alatima ušli zato što smo želeli da donosimo bolje odluke, lakše odluke, da imamo više fokusa. Ja se pitam gde mi, u stvari, žurimo? Zašto je danas normalno da donesemo pedeset odluka dnevno, dok je pre deset godina bilo normalno da donesemo pet, o kojima bismo razmišljali i vagali?

Imam ozbiljan strah da ćemo postati „gluplji“ ako prepustimo mašinama da rešavaju život umesto nas. Negde smo počeli da jurimo – ne znam tačno gde i zašto – ali to žurenje je, po mom mišljenju, dovelo do potrebe za ogromnom asistencijom mašina. I bojim se da ćemo, ako nismo pažljivi, prebaciti previše odgovornosti na same sisteme. Sve češće pominjem film Idiocracy, jer me iskreno plaši svet u kojem bismo mogli tako da funkcionišemo.

Meni se, recimo, jako sviđa to „diskutovanje“ sa Gemini-jem ili ChatGPT-jem. To su mi perspektive. Pre pet godina sam se žalio ljudima kako mi treba još neko ko vodi firmu, jer nemam sagovornika. Danas odjednom imam sagovornika – i to vrlo dobrog sagovornika. Ali, i dalje sam ja taj koji razmišlja.

Zato mislim da je ključno zadržati kritičko mišljenje i za početak gledati veštačku inteligenciju isključivo kao asistenciju, a ne kao zamenu za sopstvenu odgovornost.

Kako se promenila pozicija firme poput SmartCat-a u trenutku kada i klijenti dolaze već „naoružani“ AI alatima?

I te kako. Pre pet-šest-sedam godina, pre korone, vi ste, u suštini, rešavali problem zapošljavanja čoveka zato što lokalno niste mogli lako da nađete dovoljno dobrog stručnjaka. I onda je jedini ključni zaključak bio: Taj čovek koji dolazi preko preporuke zaista zna ono što je napisano u CV-ju. Bilo je vrlo jednostavno.

Danas je situacija potpuno drugačija. Sada imate zahteve za konkretne proizvode, sa vrlo preciznim očekivanjima. Te specifikacije, iskreno, nisu ništa bolje nego pre deset godina, ali se zato traži drugačiji model naplate, traži se da se ne prekrši nijedan zakon, a uz to sada imate i GDPR, AI Act i razne druge pravne implikacije koje morate da ispoštujete da biste uopšte mogli da napravite modernu aplikaciju.

Čini mi se da su i nabavke u ozbiljnim kompanijama danas atipične. Ljudi bolje razumeju šta kupuju, ide se agresivnije na obaranje cena, postavljaju se složeniji zahtevi. Uz to, imamo i ekspanziju tendera. Ne mogu da se otmem utisku da danas te tendere pišu AI asistenti, ali ih i odgovaraju AI asistenti.

Do mene su, recimo, došla barem tri klijenta koji žele da razviju automatski sistem za odgovaranje na tendere. I sada imate situaciju: ekspanzija tendera, ekspanzija odgovora na tendere, gde dobijate tri miliona odgovora. Naravno da ćete onda podizati lestvicu šta uopšte želite da vidite u tim odgovorima, jer imate golem izbor. Ranije nije baš svako mogao ni da napiše odgovor na tender.

Ista ta dinamika se dešava i u zapošljavanju. Od jednog programera više se ne očekuje samo da zna da kuca kod. Sada mora da razume specifikaciju, da napravi arhitekturu, da razmišlja o pravnim implikacijama, a često i o tome kakvu vrednost to donosi onome za koga radi.
Generalno, podižemo lestvicu zato što imamo bolje alate.

Kada se hvate ukoštac sa projektima sa kakvim se SmartCat nosi, stalno ste između komercijalnih projekata i dugoročnih ulaganja u znanje i istraživanje. Kako pravite balans između ta dva sveta i kako donosite odluke gde ulagati energiju?

Mislim da je to nama ovde možda i najveći problem. Na neki način smo previše informisani o tome šta je sve moguće i onda stalno trčimo za sledećim „svetlucavim objektom“. Često ulazimo u ulaganja u biznis modele i vertikale koje još nisu dovoljno zrele i koje ne mogu brzo da se isplate. S druge strane, imamo stvari koje smo ispekli kao zanat, u kojima smo zaista dobri, ali onda prerano skačemo dalje, pre nego što to znanje dovoljno eksploatišemo i naplatimo. Ta ravnoteža je užasno zaguljena.

U suštini, mi bismo se idealno uklopili kao R&D partner nekoj velikoj firmi – za istraživanje i razvoj. No, svi znamo da istraživanje i razvoj, u velikim firmama ili uopšte, često nije direktno naplativo. To je taj model gde ste vi Proka pronalazač, koji radi na sto eksperimenata, od kojih pet uspe.

Pitanje je onda kako obezbediti kontinuiranu finansijsku stabilnost, a da se i dalje bavite istraživanjem i razvojem. To je, recimo, bio jedan od ključnih razloga zašto smo posle tri-četiri godine odlučili da nudimo kompletnu uslugu klijentima. Kada nekom razvijate core business aplikaciju, a uz to im nudite i inovativni razvoj i istraživanje, onda, recimo, SmartCat postaje partner koji pokriva i glavni razvoj i eksperimentalni deo. Taj core razvoj nam daje finansijsku stabilnost, a inovativni razvoj hrani našu potrebu za novim tehnologijama, znanjem i istraživanjem.

Mislim da je to neki model koji ima smisla – neka vrsta inovacionog centra koji zna da isporuči i stabilne, osnovne stvari.

Rekli ste da se ovim bavite već 20 godina, a da SmartCat vodite gotovo 11 godina, sa 100 zaposlenih. Kako je izgledao vaš put u tom periodu?

Nedostaju mi dani kada sam bio inženjer. Kada sam bio odgovoran samo za ono što ja radim i kada sam bio potpuno siguran da ono što uradim može da uspe.

Kada smo otvarali firmu, želeo sam da budem na raskrsnici između menadžmenta i inženjeringa. To je bila moja snaga prethodnih 10 godina – da tehnički rešavam stvari, ali i da ih organizujem. Nažalost, Bojan, koji je sa nama prvobitno otvorio firmu i koji je bio savršeno krojen za CEO poziciju, napustio je firmu posle četiri godine. I neko je morao da preuzme kormilo.

Sećam se još ranih dana kada su mi holandski klijenti rekli: „Neko mora da bude kapetan broda. Mi ovde vidimo jednu osobu koja deluje kao kapetan – Nenade, ti si zaista kapetan.“ Ta rečenica mi je ostala duboko urezana i tada sam odlučio da pokušam da budem taj kapetan. To povlači ogromnu odgovornost, stres i milion drugih stvari.

I onda krene jedan evolutivni put gde pokušavate da naučite sve što postoji u firmi – prodaju, marketing, finansije, pravo – jer morate makar okvirno da razumete sve. Danas bih rekao da sam evoluirao od inženjera do „mešetara“, tj. nekoga ko „zna sve, a ne zna ništa“. Često razmišljam: „Šta bih ja danas radio da nema SmartCat-a? Gde bih uopšte aplicirao? Koji je moj realni skillset sada?“

U konačnici, zanimljivo je to putovanje – prošao sam svašta. Danas mi je čak privlačna uloga liderstva u tehnologiji – da se vratim tehnologiji, ali da istovremeno iskoristim sve ove veštine koje sam stekao kroz 10 godina vođenja firme. To mi zvuči kao neka naredna životna faza.

Koji je vaš savet mladim, ali i budućim kolegama? Kako da se postave, šta da uče, gde da budu oprezni, a gde da se slobodno „zanesu“?

U poslednje vreme razmišljam gotovo isključivo o dve osobine: radoznalosti i upornosti. Mislim da je svet danas savršeno mesto da budete jako radoznali: da idete široko, da istražujete, da se igrate. Prvi put živimo u svetu u kojem vam ne treba armija ljudi da biste nešto realizovali; danas možete sami, kod kuće, da napravite ozbiljne stvari.

No, upravo tu dolazi do izražaja upornost i doslednost. One vas drže na koloseku da se ne rasplinete previše i da se potpuno ne izgubite u širini. Igra je važna, ali uz jasan cilj i viziju. Mogućnosti su danas ogromne – i tehnički, i u smislu toga gde ćete živeti i za koga ćete raditi. Svet se otvorio – možete raditi za gotovo bilo koju kompaniju, a živeti u Srbiji. Pre 20 godina to nije bilo moguće. Zato mislim da treba biti radoznao, hrabar, ali i dosledan, kako sa 25 godina ne bi bio „sve i svašta“.

Istovremeno, jasno mi je da nije lako „prelomiti“ neke stvari u životu. Uvek krećem od sebe. Pre 11 godina plašio sam se donošenja odluka, a danas mi to relativno lako ide. Ali, to je deo evolutivnog puta. Isprva, pomogao mi je tadašnji slogan Mete, koji je glasio: Move fast and break things. Ideja je bila da se što pre vidi šta se slomilo, kako bi se moglo popraviti. Mislim da treba nekoliko puta doneti odluku i videti da, čak i kada je pogrešna, ona može da se popravi. Time se gradi samopouzdanje i širi se prostor slobode u odlučivanju.

To je, po mom mišljenju, izuzetno važno i za menadžere i za ljude koji vode timove – treba pustiti ljude da odlučuju i da na sopstvenoj koži osete posledice tih odluka, koje, svakako, neće devastirati kompaniju.

Kako vidite razvoj AI tehnologija u narednim godinama?

Jedva čekam to spajanje digitalnog i fizičkog sveta. Mislim da će to biti ogromna stvar. Robotika, manufaktura, fizički sistemi koji su duboko povezani sa softverom – to je sledeća velika faza. Današnje aplikacije koje nam odgovaraju na pitanja vidim kao prelazni period. Sledeći korak je, recimo, robot koji kuva kafu. Tu kreće prava fešta.

Mislim da ćemo u tom procesu vratiti određenu „težinu“ ovom zanatu. Neće više biti dovoljno da se budete samo software ili hardware inženjer – moraćete biti inženjer koji razume oba sveta, a to neće moći svako. Meni je to, lično, jako uzbudljivo.

Za sam kraj, šta biste želeli da ljudi u Srbiji, koji nisu iz IT sveta, razumeju o AI-u i o firmama poput SmartCat-a koje ga grade iz Novog Sada za ceo svet?

Data platforme i data intelligence platforme su naš core. AI use case-ovi su samo driveri, ali kvalitetno upravljanje podacima na velikoj skali je ono što mi znamo da radimo izuzetno. Iako je AI glavni konduktor hajpa, ono što mi vidimo kod kompanija koje nam dolaze jeste da AI, u stvari, nameće urgentnost da se sredi data sloj – sloj koji manipuliše podacima. To je naš fah.

U tom kontekstu, SmartCat vidim kao firmu koja može da sarađuje sa kompanijama koje imaju veliki broj raznorodnih signala, raznorodnih podataka i raznorodnih baza.