Успон уз алгоритме: Србија у глобалној трци за лидерство у области вештачке интелигенције

Увод

„Вештачка интелигенција ће нам узети послове!”

„Људе ће заменити роботи!”

„Вештачка интелигенција је постала самосвесна!”

Сензационалне наслове попут ових гледамо свакодневно. Али иза тог „кликбејта“ крије се неспорно убрзање: вештачка интелигенција већ поједностављује рутинске задатке и покреће научне пробоје — открива туморе на магнетној резонанци месецима пре стручних радиолога, дизајнира нове молекуле, па чак помаже у дешифровању језика протеина. Њен напредак је запањујућ; оно што је прошле године изгледало врхунски, данас делује застарело.

Промене оваквом брзином природно изазивају страх. Али историја показује да смеле друштвене заједнице претварају поремећаје у предност. Стога право питање није да ли ће AI променити свет, већ како једна мала, иновативна држава попут Србије може дати свој допринос обликовању те будућности — уместо да само реагује на њу. Са дубоком математичком традицијом, снажним инжењерским потенцијалом и брзорастућом стартап сценом, Србија је можда већ далеко испред многих у овој трци.

Да бисмо разумели садашњу AI трку и место Србије у њој, прво морамо да се вратимо на саме почетке вештачке интелигенције. Разумевање сваке фазе у развоју овог поља је кључно за доношење промишљених предвиђања о наредним корацима и фазама које следе.

Како рачунар може бити интелигентан?

Иако је за већину људи концепт вештачке интелигенције постао познат тек 2022. године, након објављивања ChatGPT-а, сама суштина идеје да рачунар може нешто радити самостално, без прецизних упутстава човека, сеже све до 1940-их и Алана Тјуринга. Тјуринг је вероватно одржао најраније јавно предавање (Лондон, 1947) у којем је поменуо рачунарску интелигенцију, рекавши: „Оно што желимо је машина која може учити из искуства“ и да „могућност да машина измени сопствена упутства представља механизам за то“.

Главни проблем с којим се Тјуринг суочавао – у то време није постојао ниједан рачунар на којем би могао нешто програмирати.

Он је предложио такозвани Тјурингов тест, по којем се рачунар може сматрати интелигентним ако испитивач не може да разликује њега од човека у комуникацији. Иако се тврди да је ChatGPT-4.5 прошао овај тест, научна заједница остаје скептична. Просудите сами – можете ли разликовати човека од ChatGPT-а?

Године 1956. одржана је конференција под називом Дартмутски летњи истраживачки пројекат о вештачкој интелигенцији на Дартмут колеџу у Хановеру, Њу Хемпшир. Радионица је касније названа „уставотворном скупштином AI“. Група истраживача окупила се како би разговарала о теоријским аспектима интелигенције код рачунара.

Ти „очеви оснивачи“ вештачке интелигенције чак су и сковали сам појам. Неки од њих су развили Logic Theorist, програм осмишљен да доказује теореме из капиталног дела Principia Mathematica. У неким случајевима, докази које је програм извео били су елегантнији од оних објављених у књигама.

Године 1966. , Џозеф Вајценбаум са МИТ-а направио је ELIZA, програм који је имитирао терапеута. Шест година касније, Кенет Колби са Станфорда направио је PARRY, који је симулирао параноидног пацијента толико уверљиво да психијатри често нису могли да га разликују од стварне особе. Ипак, оба четбота су била у суштини ручно програмирана – њихови одговори били су унапред написани и покретани једноставним препознавањем шаблона, далеко од прилагодљиве интелигенције какву данас видимо.

Појава такозваних „експертских система“ за конкретне домене донела је програм MYCIN (1972), који је на основу података пацијената преписивао антибиотике за крвне инфекције. Ипак, недостајала му је здраворазумска процена — MYCIN би трагао за бактеријским узроком чак и ако је пацијент умро од прострелне ране.

Било је и покушаја да се развију системи који зAIста разумеју свет око себе. Почев од 1984. године, Cyc пројекат покушао је да обдари AI стварносним знањем уношењем милиона правила здравог разума — омогућавајући, рецимо, да се из „Гарсија је завршио маратон“ закључи да је „Гарсија мокар“. И поред огромне базе знања, Cyc и даље не постиже ниво људског разумевања и муку мучи са управљањем све већом количином података.

Ипак, неки истраживачи су пригрлили сасвим другачију стратегију: уместо кодирања експлицитних, људски осмишљених правила, покушали су да емулирају сам начин на који човек мисли — и управо се ту појављују неуронске мреже.

Неуронске мреже: учење рачунара да мисле

Иако су неуронске мреже покретачка снага иза данашњих пробоја у области вештачке интелигенције, њихови основни концепти датирају деценијама уназад.

Још 1954. године, истраживачи са МИТ-а успели су да покрену прву вештачку неуронску мрежу — иако ограничену рачунарском меморијом на само 128 неурона. Успели су да обуче мрежу да препознаје једноставне обрасце. Поред тога, открили су да насумично уништавање до 10% неурона у већ обученој мрежи не утиче на њену ефикасност — што подсећа на способност људског мозга да поднесе ограничена оштећења проузрокована операцијом, повредом или болешћу.

У истраживању из 1986. године, научници Румелхарт и Меклеланд обучили су двослојну неуронску мрежу са 920 неурона на енглеским глаголима. Након обуке, мрежа је могла тачно да генерише прошла времена за непознате глаголе — нпр. guard → guarded, weep → wept — показујући способност генерализације, иако су се и даље јављале повремене грешке.

Једна од првих комерцијалних примена неуронских мрежа, и вештачке интелигенције уопште, догодила се 1989. године, када је Јан Лекун са својим тимом у AT&T Bell Labs развио мрежу која је могла да препознаје ручно писане поштанске кодове (ZIP). Тај систем је помогао у аутоматизацији поштанских услуга — што је јасно указало на потенцијал неуронских мрежа.

Вреди истаћи и цикличну природу развоја AI: периоди великог оптимизма често су праћени разочарањем када технологија не испуни очекивања инвеститора и јавности. Напредак ретко тече линеарно, а развој редовно улази у тзв. „AI зиме.” То треба имати у виду и у контексту најновијих достигнућа — иако краткорочна очекивања можда неће бити испуњена, дугорочни потенцијал и импликације остају изузетно обећавајући.

Коначан пробој

Осврћући се на развој вештачке интелигенције, јасно је да је тај концепт у почетку обликовао пионирски академски рад на универзитетима широм Сједињених Држава. Почетак 21. века означио је преломни тренутак — AI је почела да прелази из сфере теоријских истраживања у практичну и комерцијалну примену.

Почетком 2000-их, AI је остварила напредак у обради природног језика. Већ 2010. године Apple је представио Siri, виртуелног асистента који реагује на гласовне команде. У 2011. години Watson компаније IBM освојио је глобалну пажњу победом у квизу Jeopardy!, показавши способност AI да разуме и одговара на људски језик.

У међувремену, 2020. године Tesla је објавила Full Self-Driving (FSD) Beta систем, који је омогућио возилима да се аутономно крећу улицама и ауто-путевима — иако уз надзор возача — што је представљало велики корак ка самовозећем транспорту.

Брз раст количине података и континуирани научни напредак поставили су темеље за данашњу генеративну AI. Године 2021. компанија OpenAI представила је DALL·E, генеративни модел способан да ствара детаљне слике на основу текстуалних упутстава — што је означило успон креативних алата које данас користе милиони. Почетком 2024. године, Google је представио Gemini, напредни језички модел способан да обрађује шири контекст, омогућивши дубље разумевање дугих текстова.

Убрзо потом, OpenAI је представио Soru, модел који омогућава генерисање видео-садржаја до једног минута на основу текстуалног уноса — чиме је генеративна AI проширена и на динамичке медије. У мају 2024. Google DeepMind је унапредио AlphaFold, омогућивши откривање карцинома и генетских болести, доводећи AI у домен практичне и применљиве здравствене заштите.

Можда најзначајније, ChatGPT, заснован на GPT-4 моделу компаније OpenAI, постао је широко коришћен AI асистент — способан за писање, програмирање, објашњавање и комуникацију на више језика и из различитих области. Све ове иновације указују на велику прекретницу: AI је изашла из истраживачких лабораторија и прешла у алате које сада свакодневно користимо, видимо и на које се ослањамо.

САД као центар развоја и улагања у вештачку интелигенцију

Од самих почетака развоја вештачке интелигенције (AI), Сједињене Америчке Државе имају централну улогу у обликовању овог поља кроз пионирска истраживања и иновације. Данас се то лидерство не огледа само у научним доприносима, већ и у финансијској снази, глобалном домету и инфраструктурним капацитетима.

Обим улагања у AI најбоље илуструје доминацију САД. Према заједничком извештају PitchBook-а и McKinsey-а, у периоду од 2018. до трећег квартала 2023. године, компаније у области AI у Европској унији и Уједињеном Краљевству прикупиле су око 32,5 милијарди евра. Насупрот томе, америчке AI фирме прикупиле су више од 120 милијарди евра у истом периоду — скоро четири пута више. Овај јаз у улагањима наставља да се шири.

Само током 2023. године, инвестиције у AI у САД кроз венчур капитал достигле су 68 милијарди долара, у поређењу са само 8 милијарди у целој Европи, што је приближно 12% америчког нивоа. Још новији подаци показују да је између фебруара и маја 2025. године Северна Америка добила 86% глобалног финансирања AI, док је учешће Европе пало са 18% на 12%. Овај пад се углавном приписује обиму и учесталости великих инвестиционих рунди које предводе САД.

Графикон испод приказује расподелу улагања у AI по земљама у периоду од 2013. до 2024. године, што јасно показује да су Сједињене Државе водећи актер у овој области.

Штавише, чак и ван територије САД, амерички венчур капитал игра кључну улогу у подршци глобалном екосистему вештачке интелигенције. Европски AI стартапи често се ослањају на инвеститоре из Сједињених Држава како би затворили велике финансијске рунде у позној фази развоја, попуњавајући критичан јаз у инвестиционом пејзажу Европе. Та зависност значи да амерички финансијски утицај далеко превазилази сопствене границе.

Поред инвестиција, САД одржавају и стратешке предности у инфраструктури која омогућава развој AI. Амерички облачни провајдери попут Amazon Web Services, Google Cloud и Microsoft Azure хостују више од 70% капацитета за AI рачунарство у Европи. Чак и иницијативе ЕУ у области суперрачунарства често се ослањају на компоненте финансиране или дизајниране у САД.

У јулу 2025. године, Oracle је најавио инвестицију од 2 милијарде долара у AI и инфраструктуру за облак у Немачкој, са циљем да подржи растућу потражњу за AI услугама у Европи. Иако је реч о локалној инвестицији, она наглашава како америчке компаније настављају да предводе и у погледу капитала и технолошке стручности, додатно учвршћујући америчко вођство у светском AI екосистему.

То лидерство у инфраструктури тек ће се проширивати. Мега-пројекат под називом Stargate, покренут 2024. године, треба да обезбеди до 500 милијарди долара за AI инфраструктуру у САД током наредне четири године. Ова иницијатива ће подржати изградњу високоперформансних дата центара и ојачати темељну рачунарску основу AI екосистема, чиме ће се америчка доминација још више учврстити.

Кина: изазивач у успону, али са ограничењима

Кина се често наводи као главни ривал Сједињеним Државама у области вештачке интелигенције. Кинеска влада је знатно уложила у истраживање, инфраструктуру и националну стратегију у овој области. Компаније попут DeepSeek постигле су запажене успехе у развоју великих језичких модела и мултимодалних AI система.

Међутим, Кина и даље заостаје за САД када је реч о истраживачком лидерству и обиму инвестиција. Већина кинеских достигнућа у AI следи пробоје који су већ постигнути у Сједињеним Државама, уместо да им претходи. Поред тога, из безбедносних разлога, многе западне земље ограничавају или пажљиво испитују употребу кинеских AI технологија, посебно у областима као што су телекомуникације, инфраструктура и одбрана. То значајно ограничава способност Кине да прошири свој утицај у глобалном AI екосистему.

Упркос снажном домаћем замаху, Кина још увек није достигла САД када је реч о глобалном поверењу, отворености инвестиција и технолошком досегу.

Докази су јасни: Сједињене Америчке Државе су глобални лидер у вештачкој интелигенцији по свим параметрима — инвестицијама, инфраструктури, истраживању и глобалном утицају. Са масовним улагањима капитала, ненадмашеном облачном инфраструктуром и јаким иновационим током, САД дефинишу смер развоја AI за наредне деценије.

За сваку земљу, стартап или институцију која жели да буде озбиљан актер у AI простору, сарадња са америчким компанијама и укључивање у инвестиционе екосистеме подржане од стране САД је од суштинског значаја. Будућност вештачке интелигенције се обликује у Америци, и учешће у тој будућности захтева активно повезивање са њеним платформама, инфраструктуром и капиталом.

Србија: технолошка звезда у успону

Србија се све више препознаје као растући центар технолошких иновација у југоисточној Европи, при чему вештачка интелигенција (AI) постаје стратешки сектор. Иако је још увек у развоју у поређењу са глобалним лидерима, српски AI екосистем се убрзано шири, подстакнут како глобалним такмацима, тако и растућом домаћом стартап сценом.

Снага Србије у развоју AI почиње од њеног високо квалификованог кадра, нарочито у области рачунарских наука и математике. Снажна академска основа омогућила је Србији да привуче и задржи глобалне технолошке компаније и подстакне домаћу иновацију.

Microsoft Development Center Serbia (MDCS), који се налази у Београду од 2005. године, има кључну улогу у развоју глобалних Microsoft-ових AI и cloud производа, укључујући Azure Synapse, Security Copilot, Microsoft Mesh и AI функције у оквиру Microsoft 365. Када видите Copilot-ов предлог у Word-у — знајте да је у одређеној мери настао у Србији.

Америчка компанија Databricks, која стоји иза платформе Lakehouse AI, отворила је растући инжењерски центар у Београду. Тим у Србији ради на кључним елементима платформе као што су Databricks SQL, оптимизација Spark Engine-а и data governance.

AMD Србија, са канцеларијама у Београду и Нишу, чини важан део глобалне инжењерске мреже ове компаније, фокусирајући се на напредни хардверски дизајн, укључујући AI акцелераторе, графичке процесоре (GPU) и адаптивна рачунарска решења. Инжењери из Србије доприносе развоју најсавременијих технологија које се користе у дата центрима, обуци AI модела и високо перформансном рачунарству широм света. Било да је у питању чип који покреће AI механизам за инференцију или убрзава рад неуронских мрежа у облаку — део те иновације настаје у Србији. Растуће присуство AMD-а показује да Србија има потенцијал не само у софтверу, већ и у основном хардверу који покреће AI револуцију.

Приватни сектор у Србији изнедрио је неколико компанија усмерених на вештачку интелигенцију које све више привлаче међународну пажњу и улагања. Првобитно основана у Београду, HTEC Group израсла је у регионалног лидера у AI и софтверском инжењерингу. HTEC испоручује свеобухватна AI решења клијентима широм света — од стартапа у раној фази до компанија са листе Fortune 500. Њихова понуда обухвата цео спектар AI услуга: од нискониво оптимизације хардвера (GPU, FPGA), преко дизајна модела (Machine Learning, Deep Learning, Reinforcement Learning), до AI/ML операција и генеративних AI могућности.

Многе српске софтверске компаније предузимају смеле кораке унапређујући своје производе применом вештачке интелигенције.

Nordeus, студио за развој мобилних игара са седиштем у Београду, најпознатији по глобално популарној игри Top Eleven, користи AI у кључним областима као што су моделовање играча, персонализација игара и аналитика у реалном времену — што су стандардне праксе у савременом развоју игара.

Стартап сцена у Србији цвета, а више компанија се искључиво бави вештачком интелигенцијом, доносећи иновације у различите секторе:

• Agremo користи AI аналитике како би претворио ваздушне снимке усева у применљиве увиде, омогућавајући прецизну пољопривреду кроз напредну компјутерску визију и машинско учење. Њихова технологија помаже пољопривредницима да прате здравље усева, процењују принос и оптимизују употребу ресурса ради веће продуктивности и одрживости.

  
  

• Anari AI развија cloud-базиране платформе за прилагодљиви дизајн AI чипова. Њихова решења комбинују вештачку интелигенцију са аутоматизацијом дизајна хардвера, омогућавајући инжењерима да креирају оптимизоване акцелераторе за конкретне задатке, побољшавајући перформансе и енергетску ефикасност у дата центрима и edge уређајима.

  
  

• Deep Netts нуди оквир за дубоко учење заснован на програмском језику Java, са циљем да AI развој приближи софтверским компанијама. Њихови отворени алати подржавају изградњу, обучавање и имплементацију неуронских мрежа, олакшавајући интеграцију AI функционалности у пословне апликације.

  
  

• Kagera AI развија алате машинског учења за оптимизацију у енергетском сектору. Њихове алатке користе предиктивну аналитику и алгоритме за оптимизацију како би унапредиле ефикасност производње енергије, управљање мрежом и планирање одржавања, смањујући трошкове и подржавајући одрживост.

  
  

• Abstract (Seif.ai) се специјализује за безбедносне процене засноване на AI моделима ризика. Њихова платформа анализира велике скупове података и претње из обавештајних извора како би идентификовала рањивости и предвидела ризике, омогућавајући организацијама да проактивно одговоре на сајбер претње уз подршку података.

  
  

• Prepia је иновативан стартап из области образовне технологије који користи AI за персонализацију учења и оцењивања у реалном времену. Прилагођавањем наставног садржаја појединачним потребама ученика, Prepia показује како се вештачка интелигенција шири ван традиционалне индустријске примене у правцу друштвеног утицаја и трансформације образовања.

  
  

• Wonder Dynamics, амерички стартап са српским сувласником и канцеларијом у Новом Саду (којег је Autodesk купио 2024), примењује AI у аутоматизацији визуелних ефеката у филмској индустрији. Кроз алате за компјутерску визију и анимацију, њихова платформа омогућава лако уклапање дигиталних ликова у снимљени материјал, скраћујући време и трошкове продукције, а истовремено проширујући креативне могућности.

Постоји већ велики број оваквих компанија у Србији, а очекује се да ће их у наредним годинама бити још више.

Подршка државе и инфраструктура

Влада Републике Србије предузела је активне кораке како би вештачку интелигенцију (AI) позиционирала као национални приоритет. Кључне иницијативе укључују:

• Националну стратегију за развој вештачке интелигенције: Србија је била једна од првих земаља у региону која је усвојила националну стратегију за AI, усклађену са етичким смерницама и стандардима ЕУ.

  
  

• Програм подршке Фонда за науку за AI: планирано је улагање од 8,4 милиона евра у наредним годинама за финансирање научноистраживачких пројеката у области вештачке интелигенције.

  
  

• S4AI_HUB: Европски дигитални иновациони хаб са седиштем у Србији који пружа инфраструктуру, обуке и консултантске услуге стартапима, малим и средњим предузећима, као и организацијама јавног сектора.

  
  

• Data Innovation Hub Београд: смештен на Електротехничком факултету Универзитета у Београду, овај центар подржава сарадњу између академске заједнице и привреде у области AI.

Првобитно најављен 2024. године, национални план за AI и дигиталну инфраструктуру обухватао је инвестицију од 30 милиона евра за нови суперкомпјутер намењен истраживачима и стартапима. У 2025. години, иницијатива је знатно проширена потписивањем споразума вредног 50 милиона евра између Владе Србије и француске компаније Bull SAS (у саставу групе Eviden), у оквиру шире међувладине сарадње са Француском. Суперкомпјутер ће бити бесплатно доступан научницима и стартапима, а циљ је да пружи ресурсе за високоперформансно рачунарство како би се убрзале научне активности и иновације у области вештачке интелигенције.

Овој инвестицији придодато је још 20 милиона евра за примену AI софтвера у критичним јавним секторима као што су здравство, енергетика и транспорт, као и додатних 30 милиона евра у виду подстицаја за развој и примену вештачке интелигенције.

Ове мере заједно представљају јасну и стратешку посвећеност Владе Србије јачању дигиталне инфраструктуре и иновационог екосистема у земљи.

Изазови и наредни кораци

Према истраживању објављеном у августу 2023. године, које је финансирала Европска комисија, две трећине ИТ стручњака у Србији ради у аутсорсингу, што указује на индустрију која је углавном усмерена на пружање услуга страним тржиштима, а не на развој домаћег интелектуалног власништва или производног екосистема. Ово додатно илуструје и поређење: Србија планира да до 2026. уложи 120 милиона евра у AI инфраструктуру, укључујући 50 милиона евра у суперкомпјутер, док је само компанија Oracle недавно уложила 2 милијарде евра у AI и cloud инфраструктуру у Немачкој. Такав дисбаланс открива јаз у обиму између глобалних технолошких гиганата и мањих националних иницијатива.

Да би се Србија удаљила од модела који се ослања искључиво на аутсорсинг, потребно је да продуби интеграцију са америчким технолошким сектором, не само као пружалац услуга, већ и као пуноправни партнер у иновацијама и развоју производа. Позитивни примери већ постоје: Microsoft и Databricks имају развојне центре у Београду, AMD подржава локалне инжењерске тимове у дизајну хардвера и AI акцелерацији, а више домаћих стартапа показује иновативност у развоју сопствених производа.

Ипак, да би се изградио отпоран и конкурентан AI сектор, Србији је потребно више улагања у домаће производе, инфраструктуру и истраживачке капацитете, уз наставак сарадње са водећим глобалним актерима.

Препоруке политике за јачање AI екосистема у Србији

Да би се позиционирала као кредибилан регионални центар за вештачку интелигенцију, Србија мора спровести низ циљаних реформи и стратешких иницијатива. Оне би требало да буду усмерене на унапређење квалитета талената, подстицање иновационо оријентисаних инвестиција и продубљивање интеграције са водећим глобалним AI конкурентом — америчким технолошким сектором, који и даље задаје темпо свету. Препоручени кораци укључују, али нису ограничени на:

1. Унапређење квалитета високог образовања у области AI и сродним дисциплинама

   Основни корак за изградњу конкурентног AI екосистема је подизање квалитета образовања у кључним техничким дисциплинама. Иако Србија производи велики број дипломаца у области СТЕМ, све је јачи консензус да тежиште мора бити на квалитету знања, а не на броју диплома. То подразумева увођење модернизованих мастер програма из области вештачке интелигенције, машинског учења, науке о подацима и рачунарског инжењерства. Наставни програми морају бити осмишљени у сарадњи са привредом и научним институцијама, како би студенти стекли и теоријску основу и практично, пројектно искуство. За то је неопходно да факултети имају приступ комплетној потребној инфраструктури и опреми.

   
   

2. Привлачење америчког венчур капитала ради развоја домаћих иновација

   Иако су државни фондови за подршку иновацијама похвални, јавни фондови често немају ни обим, ни спремност за ризик, ни специјализовано менторство које је потребно да би стартапи из области AI успели глобално. Зато би Влада Србије и стартап екосистем требало да створе услове за привлачење америчког венчур капитала, који је показао да уме да скалира компаније у овој области. То може подразумевати пореске и правне реформе које олакшавају прекогранична улагања, програме суинвестирања, као и отварање специјализованих канцеларија или „landing зона“ у Силицијумској долини или Њујорку које повезују српске осниваче са америчким инвеститорима.

   
   

3. Проактивно привлачење америчких AI компанија кроз канале талената и дијаспоре

   С обзиром на доминацију америчких компанија у светском AI сектору, Србија би требало проактивно да привлачи технолошке компаније из САД да отварају развојне и истраживачке центре у земљи. Искуство са компанијама попут Microsoft-а показује да Срби професионалци који већ раде у водећим америчким компанијама могу бити најефикаснији контакт за такво улагање. Политике ангажовања дијаспоре, програми технолошких амбасадора и сличне иницијативе могли би да помогну у идентификацији и мотивисању српских инжењера, истраживача и менаџера у иностранству да лобирају за улагање у Србији.

Закључак

Иако је тренутно стање развоја вештачке интелигенције у Србији охрабрујуће, са опипљивим напретком у инфраструктури, талентима и међународној сарадњи, још увек остаје много тога што треба урадити. Србија мора да превазиђе свој традиционални модел аутсорсинга и да се усмери на изградњу одрживог, иновацијама покретаног екосистема заснованог на квалитетном образовању, домаћем истраживању и стратешкој интеграцији са глобалним лидерима у области AI.

Посебно је важно да фокус не буде на краткорочној видљивости или брзим резултатима, већ на дугорочном утицају. Историја развоја вештачке интелигенције обележена је циклусима претераног ентузијазма и разочарања, такозваним „AI зимама“, када рана очекивања нису била испуњена. Ипак, на дуге стазе, управо су они који су наставили да улажу у истраживање и инфраструктуру били ти који су омогућили пробоје које данас посматрамо. Србија би требало да следи тај пут — стрпљиво и стратешки — знајући да права вредност у AI не произилази из тренутних трендова, већ из континуиране инвестиције у знање, капацитете и поверење.