O primeni veštačke inteligencije u malim i srednjim preduzećima uglavnom se piše uopšteno. Tekstovi nabrajaju oblasti poput marketinga, korisničke podrške ili analize podataka, ali retko pokazuju kako jedan konkretan proces izgleda pre i posle uvođenja AI-ja. Ovaj tekst ide obrnutim putem. Uzima jedan proces koji postoji u gotovo svakoj firmi koja prodaje drugim firmama, a to je obrada upita kupca i priprema ponude, i prolazi ga korak po korak.
Primer firme u tekstu je izmišljen i služi da proces bude opipljiv. Podaci o tome šta AI donosi i gde greši preuzeti su iz istraživanja i dokumentovanih slučajeva, navedenih na kraju teksta. Glavna poenta je da AI u ovakvom procesu najviše pomaže kada priprema posao, a čovek odlučuje. Rezultat pri tom zavisi koliko od alata, toliko i od toga koliko su sređeni cenovnik i pravila prodaje.
Zašto baš upiti i ponude
Obrada upita je dobar kandidat za prvi AI projekat iz tri razloga. Posao se ponavlja svakog dana, oslanja se na tekst i dokumente, a rezultat lako proverava neko ko poznaje proizvode i cene. Pored toga, brzina odgovora u B2B prodaji često utiče na to ko će dobiti posao, pa se korist relativno brzo vidi.
Ovo nije samo teorijska pretpostavka. OECD je u izveštaju o primeni AI-ja u malim i srednjim preduzećima iz 2025. godine opisao nekoliko stvarnih firmi iz zemalja G7. Jedna od njih je mikro firma iz Tokija koja posreduje u veleprodaji između lokalnih proizvođača i stranih kupaca. Kao glavne probleme navela je nedostatak resursa, jezičke barijere i spore odgovore. Firma je napravila sopstvene AI agente za odgovaranje na pitanja, pregovore o projektima i višejezični čet. Prema njenim rečima, zaposleni sada štede vreme na prijemu upita, fakturisanju i otpremi, a kupci dobijaju brže odgovore bez obzira na vremensku zonu. Zanatska pekara iz Francuske, opisana u istom izveštaju, koristi ChatGPT kao pomoć u odgovorima kupcima.
Ovi slučajevi ne daju precizne brojke. Pokazuju nešto drugo, ali korisno: komunikacija sa kupcima je oblast u kojoj male firme već samostalno pronalaze primenu za AI, često bez velikog IT tima.
Primer: distributer sa 25 zaposlenih
Zamislimo firmu koja distribuira tehnički materijal, recimo opremu za instalacije, drugim firmama. Ima 25 zaposlenih, od kojih su troje u prodaji. Upiti stižu mejlom, nekad kao uredna lista šifri i količina, a nekad kao jedna rečenica: „Treba nam ono isto kao prošli put, samo duplo, do petka.”
Danas proces izgleda otprilike ovako:
- Upit stiže mejlom
- Komercijalista čita upit
- Odluka: Da li je upit jasan?
- Ako je odgovor „Ne”: Dopisivanje sa kupcem, zatim povratak na korak „Komercijalista čita upit”.
- Ako je odgovor „Da”: nastavak na sledeći korak.
- Ručna pretraga šifri u cenovniku/ERP-u
- Provera zaliha i rokova
- Obračun cena i rabata
- Ručno pisanje ponude u Wordu ili ERP-u
- Slanje ponude kupcu
- Praćenje: često neevidentirano
Na papiru proces deluje jednostavno. U praksi se vreme gubi na nekoliko mesta. Prvo, nejasni upiti traže dopisivanje i svaki krug pomera ponudu za sat ili dan. Drugo, prepisivanje šifri i količina iz mejla u cenovnik je sporo i podložno greškama. Treće, kvalitet ponude zavisi od toga ko je pravi. Iskusan komercijalista zna da kupac obično traži i prateći materijal i odmah ga ponudi. Novi zaposleni to ne zna. Na kraju, kada je prodaja zatrpana, odgovori kasne baš u periodima kada je potražnja najveća.
Isti proces uz AI
Uvođenje AI-ja ne menja suštinu procesa. Menja ko radi koje korake. Ključna tehnologija ovde je veliki jezički model, softver koji razume i piše tekst. U ovom primeru on radi dve stvari. Prvo iz slobodno napisanog mejla izvlači strukturirane podatke, kao što su artikli, količine, rokovi i lokacija isporuke. Zatim na osnovu cenovnika i pravila firme pravi nacrt ponude i odgovora.
- Upit stiže mejlom
- AI izvlači artikle, količine i rok
- AI povezuje stavke sa cenovnikom
- Odluka: Da li je AI siguran u sve stavke?
- Ako je odgovor „Ne”: AI označava nejasne stavke i predlaže pitanje kupcu, zatim Komercijalista odlučuje: pita kupca ili dopunjuje, zatim prelazak na korak „AI pravi nacrt ponude i prateći mejl”.
- Ako je odgovor „Da”: nastavak na sledeći korak.
- AI pravi nacrt ponude i prateći mejl
- Komercijalista proverava cene, rabat i rok
- Odluka: Rabat iznad dozvoljenog?
- Ako je odgovor „Da”: Odobrenje menadžera, zatim prelazak na korak „Slanje ponude kupcu”.
- Ako je odgovor „Ne”: nastavak na sledeći korak.
- Slanje ponude kupcu
- Upit i ponuda se automatski evidentiraju
Na ovom dijagramu vidi se nekoliko stvari. AI nigde ne šalje ponudu sam. Svaka ponuda prolazi kroz ruke komercijaliste, a odluke koje nose rizik, poput većeg rabata, i dalje idu do menadžera. Nejasne stavke se ne pogađaju, već se označavaju za proveru. Ovaj deo je važan, jer jezički modeli ponekad daju odgovore koji zvuče uverljivo, a netačni su. U praksi se to naziva „halucinacija”. Proces mora da bude postavljen tako da takva greška bude vidljiva pre nego što stigne do kupca.
Promena je i u tome šta komercijalista radi. Umesto da prepisuje šifre i formatira dokument, on proverava i odlučuje. Za iskusnog prodavca to znači manje rutinskog rada. Za novog zaposlenog to znači da od prvog dana radi na osnovu nacrta koji već prati pravila firme.
Šta se realno dobija
Najkvalitetniji dokaz o efektu AI asistenta u poslu sličnom ovom dolazi iz istraživanja Erika Brinjolfsona, Danijele Li i Lindzi Rejmond, objavljenog 2025. godine u časopisu Quarterly Journal of Economics. Autori su pratili 5.172 agenta korisničke podrške koji su dobili AI alat koji im predlaže odgovore. Produktivnost, merena brojem rešenih slučajeva po satu, porasla je u proseku za 15%. Razlike među zaposlenima bile su velike. Manje iskusni i manje vešti agenti poboljšali su i brzinu i kvalitet rada. Kod najiskusnijih je ubrzanje bilo malo, a kvalitet je blago opao.
Ovo istraživanje treba čitati pažljivo. Rađeno je u velikoj kompaniji, u korisničkoj podršci, a ne u maloj distributerskoj firmi. Zato se procenat od 15% ne može preneti na naš primer kao očekivani rezultat. Ono što se iz njega može razumno zaključiti tiče se načina na koji AI pomaže. Korist je najveća kod ljudi koji još nisu savladali posao, jer im alat praktično prenosi znanje iskusnijih kolega. Kod onih koji posao već odlično znaju korist je manja, a slepo oslanjanje na predloge može čak da pogorša kvalitet.
Za malu firmu to ima praktičnu posledicu. Ako prodaja zavisi od jednog ili dva iskusna čoveka, AI može da pomogne da se njihovo znanje, zapisano kroz pravila i primere dobrih ponuda, prenese na ostale. Istovremeno, iskusnim ljudima treba ostaviti prostor da predloge koriguju, a ne da ih samo potvrđuju.
U našem primeru korist se može očekivati na nekoliko mesta: kraće vreme do prvog odgovora, manje grešaka pri prepisivanju, ujednačeniji kvalitet ponuda i bolja evidencija upita, koja ranije često nije postojala. Koliko je ta korist velika, zavisi od firme. Zato je važno da se pre uvođenja izmeri polazno stanje.
| Šta meriti | Kako izmeriti pre i posle |
|---|---|
| Vreme od prijema upita do slanja ponude | Vreme prijema mejla i vreme slanja ponude, za uzorak upita |
| Vreme rada na jednoj ponudi | Kratko beleženje tokom dve nedelje |
| Broj grešaka u ponudama | Ispravke koje traži kupac ili koje uoči menadžer |
| Udeo upita koji su postali porudžbine | Evidencija u ERP-u ili tabeli |
| Vreme uvođenja novog komercijaliste | Koliko nedelja treba do samostalnog rada |
Bez ovih brojki firma posle nekoliko meseci neće moći da razlikuje stvarnu korist od utiska da je alat koristan.
Šta je potrebno da bi ovo radilo
Najveći deo pripreme nije tehnički. AI može da napravi dobar nacrt ponude samo ako ima tačne ulazne podatke: ažuran cenovnik sa šiframa, jasna pravila o rabatima i rokovima isporuke i nekoliko primera dobrih ponuda i odgovora. U mnogim malim firmama ta pravila postoje samo u glavama iskusnih ljudi. Zapisivanje tih pravila je možda najkorisniji deo celog projekta, i to bez obzira na AI.
Tehnički, postoji nekoliko mogućih nivoa, od jednostavnijih ka složenijim. Na prvom nivou komercijalista ručno kopira upit u poslovnu verziju AI alata, zajedno sa uputstvom i izvodom iz cenovnika, i dobija nacrt. To ne zahteva nikakvu integraciju i dobro služi za proveru da li pristup ima smisla. Na drugom nivou alati za automatizaciju povezuju mejl, AI model i tabelu ili ERP, pa se nacrt pravi automatski kada stigne upit. Neki ERP i CRM sistemi imaju i sopstvene AI funkcije. Koje su opcije dostupne i pod kojim uslovima, zavisi od konkretnog softvera i licence, pa to treba proveriti kod dobavljača.
Uvođenje može da ide u fazama, tako da se svaki sledeći korak pravi tek kada prethodni pokaže rezultat:
- Faza 1: 2-4 nedelje — Ručni test u AI alatu na uzorku upita
- Odluka: Ima li merljive koristi?
- Ako je odgovor „Ne”: Korekcija pravila ili odustajanje uz mali trošak.
- Ako je odgovor „Da”: nastavak na sledeći korak.
- Faza 2: 1-2 meseca — Standardna uputstva, šabloni i cenovnik u alatu
- Odluka: Da li su greške pod kontrolom?
- Ako je odgovor „Ne”: povratak na korak „Faza 2: 1-2 meseca”.
- Ako je odgovor „Da”: nastavak na sledeći korak.
- Faza 3 — Povezivanje sa mejlom i ERP-om uz spoljnog partnera po potrebi
Trajanje faza je okvirno i služi kao primer. Firma koja ima sređen cenovnik može da prođe brže, a firma kod koje se cene dogovaraju od slučaja do slučaja sporije. Važno je da treća faza, koja traži najviše ulaganja, dolazi tek kada je jasno da pristup funkcioniše.
Rizici o kojima treba misliti unapred
Najočigledniji rizik je pogrešna cena ili količina u ponudi. Zato provera pre slanja nije formalnost. Dobro je da komercijalista uvek vidi na koju stavku iz cenovnika je AI povezao svaku stavku iz upita, umesto da dobija samo gotov dokument. Posebno treba paziti na artikle sa sličnim nazivima i na upite koji se pozivaju na ranije porudžbine.
Drugi rizik su podaci. Mejlovi kupaca sadrže imena, kontakte, a ponekad i poslovne informacije koje kupac ne bi želeo da dele treće strane. Alati se razlikuju po tome kako obrađuju unete podatke, gde ih čuvaju i da li ih koriste za dalje treniranje modela. Razlike postoje i između besplatnih i plaćenih verzija istog proizvoda. Pre uvođenja treba proveriti uslove konkretnog alata. Kada se obrađuju podaci o ličnosti, važe propisi o zaštiti podataka o ličnosti, pa je u nejasnim slučajevima dobro konsultovati pravnika.
Treći rizik je manje vidljiv: postepeno opadanje pažnje. Kada je nacrt tačan devet puta zaredom, lako je deseti put samo kliknuti „pošalji”. Istraživanje Brinjolfsona i saradnika pokazalo je blagi pad kvaliteta upravo kod najiskusnijih radnika. To je podsetnik da AI alat zahteva aktivnu kontrolu, a povremena provera uzorka poslatih ponuda može da pomogne.
Šta ovaj primer pokazuje
Proces od upita do ponude dobro ilustruje kako AI može da izgleda u maloj firmi kada se uvodi promišljeno. Ne uvodi se novi sistem koji menja ceo način rada. Postojeći proces dobija pomoćnika koji preuzima prepisivanje, pretragu i prvi nacrt, dok čovek zadržava proveru i odluke.
Najvredniji rezultat ovakvog projekta možda neće biti ušteđeno vreme. Može da bude zapisano znanje: cenovnik koji je konačno ažuran, pravila rabata koja su prvi put negde napisana i primeri dobrih ponuda koje novi zaposleni mogu da koriste. Od toga firma ima koristi i ako jednog dana promeni alat ili odluči da ga više ne koristi.
