AI radi ili troši? 5 metrika koje moraš mjeriti u 2026.

Prosječna firma u 2025. godini spalila je preko 42.000 KM na AI pretplate i API ključeve koje niko zapravo ne koristi za posao. To nije investicija; to je rupa u budžetu kroz koju curi novac dok se vaši zaposlenici igraju generisanjem slika mačaka u svemiru. Ako do 150-te riječi ovog teksta ne shvatite da vas svaki neoptimizovani prompt košta kao litra benzina, slobodno nastavite bacati pare. AI u 2026. godini nije magija, to je alat koji ili oštri vašu marginu ili tupi vaš profit. Trebate tri stvari: multimetar za podatke, štopericu za latenciju i hladnu glavu da ugasite ono što ne donosi keš.

ROI po tokenu: Da li plaćate šampanjac za odgovor od dvije marke?

Direktno uputstvo: Izračunajte cijenu svakog generisanog odgovora tako što ćete ukupni mjesečni račun podijeliti sa brojem uspješno završenih taskova, a ne brojem korisnika. Većina firmi koristi najskuplje modele poput GPT-4 ili Claude 3.5 za banalne zadatke koji se mogu odraditi na lokalnom Llama modelu. To je kao da koristite bager da otvorite konzervu tunjevine. Čujete li zujanje servera? To je zvuk vašeg novca koji isparava. Ako vaš trošak AI infrastrukture raste brže od prihoda po glavi zaposlenog, imate ozbiljan kvar u sistemu. Slather (namažite) te podatke na Excel tabelu i vidite gdje je gnojna rana budžeta.

UPOZORENJE: Korištenje javnih API-ja za procesiranje povjerljivih finansijskih podataka bez enkripcije može vas koštati kazne od 4% godišnjeg prometa prema EU AI Act-u. Provjerite gdje vaši podaci ‘spavaju’ prije nego što se probudite sa tužbom.

Da li je lokalni model jeftiniji od Clouda u 2026?

Kratak odgovor: Da, ako imate više od 500 upita dnevno. Investicija u sopstveni hardver se isplati za manje od devet mjeseci, pod uslovom da znate kako da instalirate lokalni AI i zaštitite privatnost. Miris zagrijane elektronike i zujanje ventilatora na 100% obrtaja su cijena slobode od mjesečnih reketa velikih korporacija.

Latencija odluke: Vrijeme je novac, a spori botovi su rupa bez dna

Latencija nije samo tehnički detalj; to je frikcija koja ubija korisničko iskustvo. Ako vašem chatbotu treba više od 2 sekunde da krene kucati odgovor, kupac je već otišao kod konkurencije. U radionici ne tolerišete tupu pilu, zašto biste tolerisali spor model? Mjerite ‘Time to First Token’ (TTFT). Ako je TTFT iznad 400ms, vaš pipeline je ‘začepljen’ smećem od promptova. Često je uzrok loše podešen trening AI modela ili predugačak sistemski prompt koji guši procesor. Isperite taj kod, izbacite nepotrebne instrukcije i gledajte kako sistem prodiše. Osjetit ćete to olakšanje kao kad očistite filter za ulje na starom dizelu.

Stopa ljudske intervencije (HITL): Ako ga stalno popravljate, nije automatizacija

Direktno pravilo: Svaki put kad čovjek mora prepraviti AI generisani mail, izgubili ste 15 minuta produktivnosti. Metrika koju tražite je ‘Human-in-the-loop ratio’. Ako je taj procenat iznad 20%, vaš AI je pripravnik koji samo smeta. Pravi problem obično leži u činjenici da niste naučili ljude kako da pišu bolje prompte. Umjesto da investirate u još jači model, investirajte u obuku. AI koji ‘skoro’ radi je skuplji od čovjeka koji radi polako ali tačno. To je kao da kupite robotsku ruku koja ispušta svaki peti vijak – više vremena provedete saginjući se da pokupite vijke nego što ruka uštedi na zavrtanju.

Zašto moj AI stalno griješi u istim koracima?

Najčešće zato što mu dajete kontradiktorne podatke. Ako vaš human-in-the-loop sistem ne služi kao povratna sprega za fino podešavanje (fine-tuning), onda samo krpite gumu koja je već odavno za staro gvožđe. Don't skip this (ne preskačite ovo).

Data Integrity Score: Gunk unutra, gunk vani

Vaš model je pametan onoliko koliko su mu čisti podaci. Ako mu servirate baze pune duplikata, starih cijena i poluinformacija, dobit ćete skupo generisano smeće. Mjerite procenat validnih unosa prije nego što pustite AI blizu baze. Prljavi podaci imaju teksturu kao pijesak u ležajevima – uništiće sve što dotaknu. Potrebno je preprocesiranje podataka koje eliminiše ‘šum’. Jedna pogrešna decimala u trening setu može rezultirati procjenom koja će vas koštati tendera. Slather (natopite) proces čišćenja pažnjom, jer jednom kad se loša informacija ugnijezdi u model, teško je istjerati vani bez totalnog reseta.

Anatomija promašaja: Kako smo spržili 5.000 KM u jednoj noći

Desilo se prošle jeseni. Jedan ‘pametni’ inženjer postavio je rekurzivnu petlju gdje je jedan AI model ocjenjivao rad drugog bez postavljenog limita tokena. Do jutra, API račun je bio veći od rate za stan. Failure (promašaj) je bio potpun. Razlog? Nedostatak ‘kill-switch’ mehanizma. Ako ne postavite hard-limit na budžet unutar samog koda, igrate se sa vatrom u prostoriji punoj benzina. U 2026. godini, bez automatskog gašenja sistema kada trošak pređe dnevni limit, vi niste inovator, vi ste kockar sa tuđim novcem.

Zašto se AI halucinacije pojačavaju tokom vremena?

To se zove ‘model drift’. Ako model stalno uči iz svojih sopstvenih generisanih podataka, postaje kao loša kopija fotokopije. Kvalitet opada, a AI halucinacije postaju pravilo, a ne izuzetak. Morate ubrizgati ‘svježu krv’ – stvarne, provjerene ljudske podatke svakih par mjeseci.

Physics of Regret: Zašto vaš RAG sistem puca pod pritiskom?

RAG (Retrieval-Augmented Generation) radi tako što pretražuje vašu dokumentaciju prije nego odgovori. Ali, što je više dokumenata, to je pretraga sporija i skuplja. Postoji fizički limit koliko informacija model može ‘provariti’ odjednom (context window). Ako pokušate ugurati 500 PDF-ova u jedan upit, dobit ćete kašu. Umjesto toga, koristite vektorske baze podataka sa pametnim indeksiranjem. To je kao razlika između traženja ključa u mračnoj sobi i traženja ključa na uredno organizovanoj tabli sa alatima. Uštedjet ćete sate procesorskog vremena i hiljade maraka na nepotrebnim tokenima. Ne kupujte veći server, kupite bolje indekse. Pametnije je, a i manje smrdi na spaljene osigurače.

Finansijski sting: Realnost vašeg AI duga

Kao što stara poslovica kaže: ‘Besplatan alat je najskuplji ako ne znaš kako radi.’ Moj kolega je koristio ‘besplatni’ AI plugin za analizu tržišta dok nije shvatio da taj isti alat šalje listu njegovih klijenata direktno u bazu konkurenta u Aziji. To je cijena privatnosti koju plaćate ako ne čitate sitna slova. U 2026. godini, metrika uspjeha nije koliko AI-a imate u firmi, nego koliko ste procesa uspjeli zaštititi od curenja informacija i nepotrebnih troškova. Yank (iščupajte) sve što nije testirano. Jam (zaglavite) vrata svakom alatu koji ne nudi lokalnu obradu. Radite pametno, ili radite naporno da otplatite dugove koje je vaš AI napravio dok ste vi spavali.