Srpska kompanija, evropska infrastruktura: Kako je nastao KVARK.ai

Demo je lak. Produkcija je nemilosrdna

Kada se AI sistem prikazuje klijentu, sve deluje jednostavno. Učita se nekoliko dokumenata, postavi pitanje i odgovor stigne za nekoliko sekundi. Razlika između tog prikaza i produkcije je suštinska, kažu iz Egzakte.

Pre dve godine bilo je dovoljno pokazati da AI može da napiše e-mail, sažme dokument ili odgovori na pitanje. Danas se od istih sistema traži da pronađu verziju ugovora koja je trenutno važeća, da poštuju postojeća prava pristupa, tako da direktor vidi aneks, a pripravnik ne, da navedu izvor svake tvrdnje, ostave trag o tome ko je šta pitao i kako je odgovor nastao, i da nijedan red poverljivog dokumenta ne završi izvan kontrolisanog okruženja. Isti sistem mora da radi jednako pouzdano sa deset korisnika i sa nekoliko hiljada, uz troškove koji ostaju predvidivi. To više nije pitanje modela, nego arhitekture, upravljanja podacima i integracije sa sistemima koji već postoje u kompaniji.

Brojke to potvrđuju. Gartner je početkom 2026. objavio da je najmanje polovina projekata generativne veštačke inteligencije napuštena posle probne faze, najčešće zbog lošeg kvaliteta podataka, slabih kontrola rizika, rastućih troškova ili nejasne poslovne vrednosti. U Mekinsijevom istraživanju iz 2025. samo 39 odsto organizacija navelo je da AI proizvodi bilo kakav efekat na dobit iz poslovanja, a većina među njima taj doprinos procenjuje na manje od pet odsto.

Gde koči?

Korišćenje AI, dakle, raste znatno brže od povrata na ulaganje. Razlog nije u modelima: oni već pišu kvalitetan tekst, analiziraju dokumentaciju i odgovaraju na složena pitanja. Većina projekata se zaustavlja u prostoru između modela i organizacije, kada tehnologiju treba povezati sa poslovnim sistemima, internim bazama znanja i regulatornim zahtevima kompanije koja za to nije pripremljena.

„Najskuplji AI nije onaj sa najvišom licencom, nego onaj koji zaposleni zaobilaze i onaj čijem rezultatu uprava ne može da veruje.“, poručuju iz ove kompanije.

Kako AI prelazi iz faze eksperimenta u redovno poslovanje, uprave postavljaju sasvim drugačija pitanja nego pre godinu ili dve. Šest se ponavlja u svakoj ozbiljnoj organizaciji:

• Gde se nalaze podaci. Ugovori, informacije o klijentima, interni modeli rizika i intelektualna svojina spadaju u najvredniju imovinu organizacije. Kada podatak napusti kontrolisano okruženje, kompanija više ne upravlja celim njegovim životnim ciklusom.

• Gde je znanje koje već postoji. Deo je u ERP-u, deo u CRM-u, deo u SharePointu, elektronskoj pošti, lokalnim folderima ili Excel tabelama koje održava jedna osoba. Problem nije nedostatak podataka, već mogućnost da se pronađu, povežu i bezbedno koriste.

• Ko sme šta da vidi. Ako zaposleni nemaju bezbedan i dovoljno dobar interni alat, korišće javne servise na svoju ruku. Tako nastaje AI iz senke, u kojem poverljivi podaci završavaju u sistemima koje IT, pravna služba i bezbednost ne kontrolišu.

• Da li se odgovoru može verovati. Odgovor bez navedenog izvora i traga o tome kako je nastao može zvučati uverljivo, ali se ne može upotrebiti za kreditni odbor, reviziju, regulatorni izveštaj ili važnu poslovnu odluku.

• Koliko to zaista košta. Naplata po tokenu ili pozivu deluje bezazleno dok alat koristi mali tim. Kada ga usvoji cela organizacija, uspeh lako pretvara tehnološki projekat u budžetski problem, pa kompanije traže modele koji omogućavaju dugoročno planiranje.

• Kako se dokazuje usklađenost. Akt EU o veštačkoj inteligenciji, GDPR, NIS2 i sektorski propisi ne prave razliku između pilota i produkcije. Traže dokaz o poreklu podataka, upravljanju rizikom, ljudskom nadzoru i odgovornosti, čime AI postaje pitanje korporativnog upravljanja, a ne samo IT odeljenja.

Skupo svako „sutra ćemo“

Poslednje pitanje više nije buduće vreme. Akt EU o veštačkoj inteligenciji već se primenjuje u fazama, najveći deo od 2. avgusta 2026, dok su rokovi za visokorizične sisteme pomereni na decembar 2027. i avgust 2028.

Odlaganje nije oslobođenje, jer sređivanje podataka, dozvola, dokumentacije i modela upravljanja traje duže od nekoliko nedelja. Kazne idu do 35 miliona evra ili sedam odsto svetskog prometa, a Akt se primenjuje i na kompanije van EU ako se rezultat njihovog AI sistema koristi u Uniji, pri čemu su kreditno bodovanje i procena rizika u osiguranju izričito označeni kao visokorizične primene. Iskustvo sa GDPR-om pokazuje da najskuplje greške nisu pojedinačni incidenti, nego sistemska neuređenost: nedostatak pravnog osnova, slaba dokumentacija i loše upravljanje podacima. Srbija je usvojila Strategiju razvoja veštačke inteligencije 2025-2030, ali kompanije koje posluju sa EU već danas moraju da računaju sa evropskim pravilima, bez obzira na domaći rok.

Zbog toga se fokus tržišta pomera sa pitanja koji model daje najbolji odgovor na pitanje kako izgraditi AI okruženje koje je bezbedno, usklađeno sa propisima i održivo na duži rok.

Od AI asistenta do poslovne infrastrukture

Iz te potrebe, da se veštačka inteligencija koristi u realnim poslovnim procesima, a ne samo kao alat za eksperimentisanje, nastao je KVARK, AI platforma domaće kompanije Egzakta, koja od 2006. posluje na tržištu i danas pokriva ceo lanac od strategije i softvera do hardverske infrastrukture.

Za razliku od javno dostupnih AI servisa namenjenih širokoj upotrebi, KVARK je razvijen za organizacije koje rade sa poverljivim podacima i imaju visoke zahteve u pogledu bezbednosti, usklađenosti i kontrole pristupa. Platforma može da radi u potpunosti unutar infrastrukture korisnika, uključujući režim bez pristupa javnom internetu. Kada poslovna potreba to opravdava, moguć je i strogo kontrolisan prolaz ka spoljnim modelima i servisima, ali je izlazak podataka svesna, autorizovana odluka, a ne podrazumevana postavka.

Suverenitet u tom pristupu ima četiri praktična značenja. Suverenitet podataka znači da organizacija određuje gde podaci borave i ko im pristupa. Modelski znači da nije trajno vezana za jednog proizvođača modela. Operativni znači da ključni proces ne zavisi od dostupnosti tuđeg API-ja. Ekonomski znači da trošak može da se planira i kontroliše.

„Suverenitet, dakle, ne znači zatvaranje, nego pravo na izbor: šta ostaje unutra, šta sme da izađe, koji se model koristi, koliko sve košta i ko može da povuče prekidač.“, napominju iz Egzakte.

Takav pristup postaje posebno važan u bankarstvu, osiguranju, javnoj upravi i energetici, u sektorima u kojima poverljive informacije predstavljaju osnov poslovanja i u kojima su, prema Aktu EU o veštačkoj inteligenciji, pojedine primene izričito označene kao visokorizične. U tim okruženjima pitanje nije samo koliko je AI sposoban, već da li organizacija u svakom trenutku zna gde se nalaze njeni podaci, ko im pristupa i kako je sistem došao do određenog odgovora.

Kako ističu u Egzakti, cilj nije bio razvoj još jednog AI četbota, već platforme koja postaje deo postojeće poslovne infrastrukture, kontrolisani operativni sloj kroz koji organizacija pretražuje sopstveno znanje, analizira informacije, izrađuje dokumente i pokreće automatizovane radne tokove.

„Kompanije ne žele još jedan prozor za razgovor sa veštačkom inteligencijom. Potreban im je sistem koji razume njihovo poslovanje, poštuje postojeća pravila pristupa informacijama i omogućava da se svaki odgovor proveri i objasni“, navode iz kompanije.

Stižu AI agenti

Poslednjih godinu dana sve se više govori o prelasku sa generativne na agentnu veštačku inteligenciju. Razlika je praktična: dok asistent odgovara na pojedinačno pitanje, agent izvršava ceo zadatak, prikuplja podatke iz više sistema, analizira dokumentaciju, priprema nacrt odgovora ili izveštaja i konačnu odluku ostavlja čoveku. Da bi to radio pouzdano u regulisanom okruženju, ispod njega mora da stoji pet slojeva.

1. Integracija bez paralelne evidencije dozvola. KVARK se povezuje sa postojećim okruženjem kroz 29 gotovih konektora, među kojima su SharePoint, Teams, Google Drive i Outlook, kao i preko API interfejsa i MCP protokola. Princip je jednostavan: prava pristupa se ne izmišljaju ponovo u AI platformi, nego se nasleđuju iz izvornog sistema. Ako zaposleni nema pravo da vidi dokument u SharePointu, neće ga pronaći ni preko KVARK-a. Tako nema paralelne matrice dozvola koju neko mora ručno da održava, a koja u praksi često postaje najslabija tačka sistema.

2. Pretraga koja razlikuje broj ugovora od značenja ugovora. Podatak se tokom obrade dopunjava metapodacima, informacijom o poreklu i dozvolama na nivou dokumenta ili pojedinačne stavke. Pretraga kombinuje više pristupa istovremeno, od pretrage po ključnim rečima do semantičkog pronalaženja po značenju. Poslovna razlika je jednostavna: sistem koji se oslanja samo na značenje ume da promaši tačan broj ugovora, a sistem koji traži samo ključne reči promašiće dokument u kojem je ista obaveza opisana drugim izrazima. Pouzdana poslovna pretraga mora oba.

3. Model je zamenjiv motor, a ne vlasnik sistema. Modeli sa otvorenim težinama znatno su smanjili razliku u odnosu na zatvorena komercijalna rešenja, pa je lokalno izvršavanje postalo realan izbor, a ne kompromis sa slabijim kvalitetom. Platforma vodi evidenciju o tome koji je model proizveo koji rezultat, kada je verzija promenjena i po kom osnovu. Model koji je danas najbolji ne mora to biti za šest meseci, pa vrednost nije u vezivanju za jedno ime, nego u arhitekturi koja model menja bez ponovne izgradnje sistema.

4. Agenti koji rade posao, uz čoveka tamo gde mora da ostane čovek. Korisnik dobija asistenta, pretragu i izradu dokumenata, a za konkretne procese grade se prilagođeni radni tokovi, od analize dokumentacije i pripreme predloga do obrade predmeta i izveštavanja. Tamo gde odluka ima pravnu, finansijsku ili reputacionu težinu, čovek ostaje u petlji. AI pronalazi, upoređuje, sažima, predlaže i dokumentuje, a odobrenje ostaje kod ovlašćene osobe.

5. Upravljanje koje se ne može zaobići. Evidencija aktivnosti, nadzor incidenata, ocenjivanje kvaliteta odgovora, bezbednost i dozvole nisu dodatni moduli koji se kupuju kasnije, nego su ugrađeni u platformu. Podaci ostaju u okruženju klijenta, pa ih Egzakta ne skladišti ni ne obrađuje u sopstvenom cloudu, a uz platformu idu i matrice za usklađivanje sa GDPR-om, standardom ISO/IEC 27001, direktivom NIS2 i Aktom EU o veštačkoj inteligenciji. Kada revizor pita ko je postavio pitanje, na osnovu kojih izvora je nastao odgovor, koji je model korišćen i ko je odobrio sledeći korak, sistem ima odgovor. Ne zato što je neko naknadno vodio zapisnik, nego zato što platforma drugačije ne radi.

Iznad svih pet slojeva stoji memorija, jer sistem koji svaki put počinje od nule ne može da nosi poslovni proces.

„Četbot bez trajne memorije je elokventan stranac: briljantan u jednom razgovoru, a sutradan se ponaša kao da vas nikada nije video.“

KVARK ne pamti ceo transkript, nego iz razgovora izdvaja činjenice i njihove izmene kroz vreme, što na standardizovanom testu duge memorije daje osetno tačnije odgovore uz višestruko manju potrošnju nego kada se modelu svaki put šalje cela istorija razgovora.

Gde zaista živi znanje kompanije

Klasični sistemi za izveštavanje najbolje rade sa uređenim, strukturiranim podacima. Veliki deo kritičnog znanja organizacije, međutim, živi u PDF-ovima, Word dokumentima, Excel tabelama, elektronskoj pošti, zapisnicima i lokalnim folderima. To znanje ostaje van domašaja standardnog izveštavanja ili je dostupno samo preko nekoliko ljudi koji znaju gde se šta nalazi.

U finansijskoj instituciji to izgleda ovako: jedna informacija je u CRM-u, druga u elektronskoj pošti, treća u dokumentacionom sistemu, četvrta u zapisniku sa sastanka. AI tu nema zadatak da zameni stručnjaka, nego da prikupi relevantne podatke, poveže ih i predstavi zajedno sa izvorima na osnovu kojih je odgovor formiran. Takav način rada najviše vredi u sprečavanju pranja novca, proceni rizika, internoj reviziji, usklađenosti poslovanja i pripremi regulatornih izveštaja, gde brzina ne sme da ide na štetu pouzdanosti.

KVARK stoji između poslovnih sistema i zaposlenih i povezuje te razdvojene izvore u jednu tačku pretrage. Korisnik postavlja pitanje prirodnim jezikom, dobija odgovor sa navedenim izvorom i odmah može da otvori dokument iz kojeg tvrdnja dolazi, u granicama prava pristupa koja već ima. IT služba ne mora za svako novo pitanje da pravi poseban izveštaj.

To nije samo pogodnija pretraga. To je promena načina na koji kompanija donosi odluke: manje vremena na pronalaženje, više na procenu i delovanje.

Najvažnija mera AI uspeha nije koliko je poruka poslato sistemu, nego da li se promenilo vreme ciklusa, kvalitet odluke, prihod, trošak ili rizik.

Prema podacima Egzakte iz implementacije u velikoj finansijskoj instituciji, vreme potrebno za pronalaženje informacija smanjeno je za 80 odsto, priprema AML analiza i istraga ubrzana je za 50 do 70 odsto, broj prepoznatih poslovnih prilika povećan je za 50 odsto uz udvostručen broj kvalifikovanih, a ciklus ESG izveštavanja skraćen je sa šest meseci na dve nedelje.

Iza tih brojeva stoji efekat koji se teže vidi u tabeli: znanje prestaje da zavisi od jedne osobe. Kada stručnjak ode na odmor, promeni radno mesto ili napusti organizaciju, sa njim ne odlazi i jedina mapa do važnih informacija.

Uz efekat, uprave gledaju i drugu stranu računice. Javni cloud je odličan izbor za brzo eksperimentisanje, nepredvidive potrebe i projekte kojima je važnije da krenu sutra nego da odmah optimizuju dugoročni trošak. Kada je opterećenje stabilno, podaci osetljivi, a broj korisnika veliki, ekonomija se menja.

Razlika nastaje iz načina naplaćivanja. U cloudu trošak raste sa svakim upitom, pa račun prati intenzitet korišćenja i teško se planira unapred. Kod sopstvenog kapaciteta najveći deo ulaganja je početni, a posle toga trošak ostaje uglavnom isti bez obzira na to koliko se sistem koristi. Prema internom TCO modelu Egzakte, za scenario sa nekoliko stotina istovremenih korisnika, petogodišnji ukupni trošak vlasništva lokalnog rešenja bio je niži za oko 86 odsto u odnosu na uporedivi scenario u javnom cloudu.

To nije univerzalni cenovnik niti tvrdnja da je cloud uvek skuplji, jer rezultat zavisi od iskorišćenosti, izabranih modela, popusta, cene energije, podrške i finansiranja. Poenta je druga: kod velikog i predvidivog opterećenja sopstveni kapacitet pretvara promenljiv račun u planiranu investiciju. Fiksno licenciranje ima i posledicu koju uprave brzo prepoznaju: što zaposleni više koriste sistem, poslovna vrednost raste, a marginalni trošak ne prati isti tempo, pa uspeh projekta ne postaje kazna na sledećoj fakturi.

Sopstveni kapacitet, međutim, podrazumeva i mašinu koja ga nosi. Veštačka inteligencija nema poslovnu vrednost bez infrastrukture koja pouzdano može da je nosi, pa KVARK radi na serverima koje projektuje i sklapa LM TEK u Sloveniji, kompanija koja posluje u okviru Egzakte, sa zatvorenim sistemom tečnog hlađenja koji ne zahteva posebne instalacije u objektu. Za regulisane industrije to nije tehnički detalj: kada šasiju, hlađenje, kartice, softver i podršku isporučuje pet različitih dobavljača, svaki incident lako postane prebacivanje odgovornosti.

„Ovde jedna grupa odgovara za sve, od hardvera do platforme.“

To ne uklanja zavisnost od globalnih proizvođača komponenti, jer to ne može nijedan evropski dobavljač, ali klijentu daje jednu tačku odgovornosti u Evropi.

Proizvod iz Srbije, ambicija za Evropu

Najveći jezički modeli razvijaju se u Sjedinjenim Državama i Kini, ali se prostor za evropske kompanije otvara na drugom delu tržišta: u platformama koje omogućavaju bezbednu i regulatorno usklađenu primenu veštačke inteligencije u poslovanju. Evropske banke, preduzeća i institucije sve više traže rešenja koja mogu da uvedu u sopstveno okruženje, uz punu kontrolu nad podacima. Za domaće IT kompanije to je prilika da se ne takmiče sa proizvođačima velikih modela, nego da rešavaju konkretne poslovne probleme evropskih organizacija.

KVARK je dve godine razvijao interni inženjerski tim Egzakte. Svi ključni delovi platforme, od arhitekture i koda do integracionog sloja, agenata i memorije, razvijeni su interno, a razvojni tim je udvostručen za šest meseci. Tri implementacije završene su u prvoj godini komercijalizacije, još dve su u toku, a platforma se danas koristi u finansijskom sektoru, dok se paralelno razvijaju rešenja za druge regulisane industrije. Iza nje stoji više od 240 zaposlenih, preko 350 završenih i oko 50 aktivnih projekata.

Egzakta je vertikalno integrisana kompanija koja kroz konsalting radi na transformaciji poslovnih procesa, IT Solutions sa više od 100 inženjera razvija sopstvena softverska rešenja i platforme i povezuje ih sa postojećim sistemima klijenta, AI lab sa 28 razvojnih inženjera koja gradi platformu i LM TEK, hardverska kompanija iz grupe, koja projektuje i sklapa servere na kojima platforma radi. Uvođenje AI, međutim, ne zavisi samo od tehnologije nego i od toga da li rukovodioci umeju da je vode, pa Egzakta kroz Rome Business School Belgrade, sa više od 20 profesora, MBA i executive programima priprema menadžment za odlučivanje u eri veštačke inteligencije. Egzakta posluje iz Srbije, Slovenije, Holandije i Ujedinjenih Arapskih Emirata.

„Naša struktura je važna zato što AI transformacija nije samo softverski projekat: traži poslovni dizajn, promenu procesa, integraciju, infrastrukturu, upravljanje rizikom, obuku ljudi i sposobnost da se rešenje održava godinama. Kada sve te uloge nose različiti dobavljači, projekti se najčešće zaustavljaju upravo na spojevima.“

Odatle i preporuka kako početi, bez opklade na celu organizaciju. Najgori način da se uvede AI jeste da se kupi tehnologija pa tek onda traži problem. Bolji pristup počinje od poslovnog uskog grla, vlasnika procesa, dozvoljenih podataka i merljivog ishoda.

Egzakta preporučuje fazno uvođenje kroz jasne kapije. Poslovni slučaj, procena podataka i dizajn upravljanja traju tri do šest nedelja, pilot se ograničava na jedan sektor, nekoliko izvora podataka i unapred definisane pokazatelje, a postepeno uvođenje po sektorima ide narednih tri do šest meseci. Na svakoj kapiji postoji odluka: nastaviti, doraditi ili zaustaviti. Takav pristup čuva kapital i sprečava da organizacija potroši godinu na impresivnu demonstraciju bez vlasnika i bez poslovnog rezultata. Prvi slučaj upotrebe ne treba da bude najrizičnija odluka u kompaniji: pretraga znanja, priprema analize ili nacrt dokumenta daju jasnu vrednost uz kontrolisan rizik, dok autonomna odluka o kreditu ili pravu građanina nije mesto za učenje osnovnih lekcija.

Čekanje ima svoju cenu, i to trostruku. Prva je regulatorna, jer se dokumentacija, evidencije, prava pristupa i ljudski nadzor ne mogu uvesti retroaktivno nekoliko nedelja pred kontrolu, pa organizacija koja čeka poslednji kvartal pred rok mora ili da žuri ili da ograniči upotrebu sistema koji je već postao važan. Druga je cena zavisnosti: ko celokupnu AI sposobnost izgradi na jednoj spoljnoj platformi, ne kontroliše ni cenu, ni uslove, ni raspoloživost, ni pravni okvir pod kojim njegovi podaci žive. Cloud nije neprijatelj, nekontrolisana zavisnost jeste. Treća je konkurentska i najtiša: kompanija koja za dva sata pronađe, proveri i poveže informacije za koje je konkurentu potrebno dva dana ne objavljuje revoluciju, ona samo svakog dana donosi više kvalitetnih odluka.

Čekanje savršenog modela takođe je pogrešna strategija. Modeli će se menjati, a ostaju uređeni podaci, prava pristupa, memorija, trag odluke, agentni radni tokovi i mogućnost da se sledeći bolji model uključi bez rušenja sistema. Ponuda je zato jednostavna, ali ambiciozna: organizacija ne bi trebalo da bira između sposobnosti i kontrole, trebalo bi da ima oboje.

„Veštačka inteligencija više nije samo pitanje šta sistem zna. Pitanje je ko drži podatke, pravila, trag odluke i, kada zatreba - prekidač.“