Primjena AI u poslovnom planiranju

Prof. Dennis Ramulić, Edukacijski trener u Poslovnoj učinkovitosti u kratkom intervjuu govori o temi Primjena AI u poslovnom planiranju, o kojoj će detaljnije govoriti na: 7. Financijskoj konferenciji: "Strateško o operativno planiranje", 23.10.2025.

Kako vidite primjenu umjetne inteligencije u strateškom i operativnom planiranju u financijskom sektoru – gdje su najveće prilike, a gdje izazovi?

Umjetna inteligencija je alat koji nam u financijskom planiranju može pomoći u tri područja:

• Što znamo da ne znamo: AI nam olakšava provoditi istraživanja za koja bi nam inače trebalo puno vremena i resursa. Za pretragu svih poznatih sigurnih i potencijalnih uzroka i utjecaja koji nam utječu na planiranje potrošit ćemo mnogostruko više vremena nego što si često možemo priuštiti. Brže sakupljanje informacija je prva od prednosti AI-ja.
• Što ne znamo da ne znamo: razni AI (posebice LLM-ovi) mogu nam služiti kao konzultanti koji nam mogu „otvoriti oči“ o svemu o čemu nismo razmišljali ili nismo znali da bi trebali uključiti u planiranje. Od strukturiranja matematičkih modela, do uključivanja dodatnih varijabli i kreiranje planova otpornijih na neočekivane scenarije.
• Što ne znamo da znamo: pri dovršetku plana, korištenje AI modela za kritički osvrt na prvi draft može nam, osim na nedostatke, ukazati i na dobre točke naših planova, kako ne bi trošili previše vremena na usavršavanje dobrih dijelova, već se usredotočili na eventualne nedostatke plana.

No potrebno je uzeti i rizike u obzir. Sav AI generirani sadržaj, pa čak i onaj s navedenim izvorima istraživanja (a posebice onaj bez njih), potrebno je kritički provjeriti, što iziskuje dodatno vrijeme. No to je vrijeme koje smo mogli prvotno uštedjeti upotrebom samog AI-ja. Dodatni izazovi sigurno su kvaliteta i vlasništvo nad korištenim podacima i modelima te etika, sigurnost i sukladnost pri korištenju tih alata.

S obzirom na Vaše iskustvo s Power BI-jem, RPA-om i procesnom analitikom, na koji način AI može nadograditi postojeće alate i metode koje već koriste financijski i poslovni planeri?

Prva prednost je što prirodnim jezikom možemo dobiti rezultate za koje bi nam prije trebao developer ili neki drugi stručnjak kao posrednik između naših želja menadžmenta i željenih rezultata, bez obzira govorimo li o Power BI aplikaciji, RPA alatima ili procesnoj analitici.

Primjerice:

• Prirodnim jezikom možemo zatražiti Power BI da nam da odgovor iz povezanih podataka, ponudi analize koje bi mogle biti zanimljive ili bitne i kreira predikcije.
• RPA možemo uvesti bez znanja kodiranja s pomoću No code/Low code platformi za automatizaciju koje se može povezati na Machine learning i ostale AI alate kako bi ubrzale ručne procese poput prikupljanja inputa raznih odjela, analizu dokumenata, mailova i drugih oblika komunikacije i informacija.
• Process mining u sklopu procesne analitike jedan je od primjera alata koji kad se poveže s umjetnom inteligencijom omogućuje duboko razumijevanje uskih grla u procesu, detektiranje razine varijabilnosti samog procesa te poboljšanje procesa.

U kojoj mjeri umjetna inteligencija može unaprijediti prediktivne modele u financijskom planiranju i omogućiti preciznije donošenje odluka o troškovima, prihodima i investicijama?

Umjetna inteligencija omogućava nam brzu analizu ogromnog broja podataka te izvlačenje najbitnijeg iz njih. Dok jedna osoba može (prema nekim istraživanjima) istodobno baratati s maksimalno sedam informacija, AI može raditi s desecima ili stotinama tisuća, ovisno o samom alatu koji koristimo. Dakle ne govorimo od jednoznamenkastim  multiplikatorima, već od peteroznamenkastim.

Koliko je važno da organizacije paralelno s uvođenjem AI tehnologija razvijaju i kulturu razumijevanja podataka i digitalne kompetencije zaposlenika?

Kritično je. AI je 30 % tehnologija, a 70 % organizacijska disciplina. Potrebno je uspostaviti vlasništvo nad podacima, podatkovnu pismenost na više razina upotrebe i kontrole AI tehnologija, uvesti kvalitetne edukacije korisnika radi sprječavanja zlouporabe, minimizacije rizika, pogotovo s obzirom na zakonske i regulativne zahtjeve oko sakupljanja i upotrebe podataka. Korisnike treba pripremiti na to da svaki tzv. garbage in rezultira s garbage out, čak i u  moćnih AI modela. Treba ih naučiti što su tokenski limiti, halucinacije, kako netko može „zaprljati” model s pomoću prompt injectiona te kako uopće napisati kvalitetan prompt i naravno NATJERATI korisnike da ne uzimaju rezultat zdravo za gotovo, već da se nužno moraju provjeriti na izvorima.

Koje trendove u razvoju AI rješenja za planiranje i analitiku smatrate najvažnijima u sljedećih 3 do 5 godina i kako bi oni mogli promijeniti način na koji poduzeća donose strateške odluke?

Naveo bih ih nekoliko:

• Agentni planerski copiloti: autonomno pripremaju forecast, scenarije i narativ, uz audite i ograničenja politika društva. To su vlastiti AI asistenti koje jednom pripremimo i zatim uz pomoć njih odrađujemo kompleksne zadatke u rekordnom vremenu uz velike uvide.
• LLM-ovi „svjesni” semantičkog sloja, poput onog koji se nalazi u Power BI i Fabric alatima: to je AI povezan s modelom podataka (dimenzije, mjere, lineage) koji nam omogućuje da prirodnim jezikom dolazimo do saznanja i kreiramo planiranja i analize.
• AI praćenje triggera u svrhu real-time i event-driven planiranja: plan reagira na promjene događaja (FX, cjenik, lead time, objave konkurencije na društvenim mrežama, burzovne promjene), a ne na kalendar. Odluke o promjenama u poslovanju donose se isti dan umjesto sa zadrškom.

A to je samo vrh sante…

Više o temi Primjena AI u poslovnom planiranju na: 7. Financijskoj konferenciji: "Strateško o operativno planiranje", 23.10.2025.