Ne kvari bazu: Česti problemi pri AI implementaciji
Ekran je treperio crveno. 2 ujutro je, a tvoj AI asistent upravo je obrisao cijelu tabelu ‘Kupci’ jer si mu dao previše slobode bez validacije. Osjećaš onaj metalni ukus u ustima – to je adrenalin pomiješan sa očajem. Shvatio si: AI nije magija, AI je bager. Ako ne znaš gdje su cijevi ispod zemlje, bager će ih pokidati. Ti si bagerista. Ti si kriv.
Sistemska dijagnoza: Tvoja baza nije spremna za ‘pamet’
AI modeli su gladni podataka, ali su užasno neuredni gosti. Ako ubaciš sirovu, nefiltriranu bazu u LLM (Large Language Model), dobićeš digitalnu verziju trovanja hranom. Prvi simptom je ‘halucinacija’ – situacija gdje tvoj bot tvrdi da prodaješ frižider za 0 KM. To se ne dešava zbog bube u kodu, već zbog haosa u bazi. Morate shvatiti razliku između AI i klasičnog ML-a prije nego što povučete ijedan potez. Ako je baza prljava, AI će samo brže generisati smeće. Radi ili ne. Sredite to odmah.
Podesi ventile: Top-P Sampling i Nucleus kontrola
Većina početnika misli da je AI ‘crna kutija’ u koju ne smiju dirati. Laž. Tvoj najveći neprijatelj je previsoka temperatura modela. Kada ostaviš postavke na ‘default’, dopuštaš algoritmu da pogađa nasumične odgovore. Da biste dobili precizne rezultate, morate naučiti kako da podesite top-p nucleus sampling. To je vaš sigurnosni ventil. Zamislite to kao pritisak u gumama; previše zraka i puknuće, premalo i nećete se maknuti s mjesta. Smanji temperaturu na 0.2 ako želiš činjenice. Povećaj je samo ako pišeš poeziju. A ti ovdje ne pišeš poeziju, ti pokušavaš spasiti firmu od bankrota. 
Zašto moj model stalno griješi u istim koracima?
Modeli ne uče sami od sebe nakon što ih instaliraš. Oni su statični dok ih ne prisiliš na promjenu. Ako tvoj sistem uporno ponavlja istu grešku u obradi faktura, problem je u petlji povratnih informacija. Morate naučiti kako da natjerate model da uči na greškama kroz fine-tuning ili RAG (Retrieval-Augmented Generation) arhitekturu. Nemojte samo restartovati server. To je za amatere. Pronađite gdje se ‘tokeni’ sudaraju sa logikom baze.
WARNING: Nikada ne povezujte AI direktno na produkcionu SQL bazu sa ‘RW’ (Read-Write) permisijama. Model može generisati destruktivni SQL upit u milisekundi. 120v struja ubija srce, a loš AI prompt ubija bazu podataka. Koristite isključivo API sloj sa validacijom šeme.
Anatomija katastrofe: Kako smo spržili bazu od 10k eura
Prošle godine sam gledao kako tim inženjera pokušava implementirati ‘Sales bota’ bez prethodnog AI audita firme. Htjeli su uštedjeti na sigurnosnim slojevima. Rezultat? Bot je počeo da odgovara na upite koristeći privatne podatke o platama zaposlenih jer je imao pristup ‘svemu’. To nije bila buba, to je bio arhitektonski promašaj. Ako ne znate kako da zaključate AWS bazu, nemojte ni pokušavati implementaciju. Sigurnost nije opcija, ona je temelj. Miris spaljenih kablova u data centru je ništa naspram mirisa tužbe zbog curenja podataka.
Može li AI raditi na običnom serveru?
Ne može, barem ne dugo. AI operacije troše RAM kao što stari kamion troši ulje. Ako pokušate pokrenuti lokalni model na mašini koja jedva vrti Windows, sistem će se ‘zakucati’ čim dobije prvi kompleksni upit. Morate optimizovati AI troškove i resurse. Koristite kvantizovane modele ako ste na budžetu. Slather the optimization thick – ne budite škrti na resursima ako želite stabilnost.
Zašto ti treba Transfer Learning, a ne novi model?
Prestanite pokušavati da istrenirate model od nule. To je bacanje para i vremena koje nemate. Umjesto toga, koristite transfer learning. Uzmi mozak koji već zna jezik i nauči ga samo tvojim specifičnim pravilima poslovanja. To je kao da zaposliš iskusnog majstora i samo mu pokažeš gdje stoji alat, umjesto da učiš dijete od pet godina kako da koristi cirkular. Drži se osnova. Ne kvari bazu nepotrebnim podacima koji zbunjuju procesor. Budi precizan. Budi strog. AI će raditi onako kako ga ti ‘zategneš’.
