Tvrtke i tržišta

Hrvatska poduzeća zaostaju u AI zrelosti za Slovenijom i Srbijom

Dodajte lidermedia.hr u omiljeni Google izvor

Najslabiji rezultat bilježi se na području operativne primjene, poručio je Matej Petrovčič na 14. međunarodnoj konferenciji o kontrolingu

Unatoč velikim ulaganjima u umjetnu inteligenciju, većina kompanija još nije uspjela njezinu primjenu pretvoriti u mjerljive financijske rezultate. Istraživanja pokazuju da zaposlenici postaju produktivniji, ali se taj napredak ne odražava nužno na prihode i profitabilnost poduzeća. Najveća prepreka pritom nije tehnologija, nego kvaliteta podataka, neuređeni poslovni procesi i nedostatak jasnih kriterija za mjerenje učinaka.

Prema 29. globalnom istraživanju izvršnih direktora konzultantske kuće PwC, provedenom među 4454 direktora i objavljenom u siječnju 2026., čak 56 posto ispitanika nije primijetilo ni rast prihoda ni smanjenje troškova povezanih s primjenom umjetne inteligencije tijekom prethodnih 12 mjeseci.

Raskorak u učinkovitosti

Prema McKinseyjevu istraživanju 'The State of AI in 2026', objavljenom u kolovozu na temelju odgovora 1719 ispitanika, 80 posto ispitanika navodi da im je umjetna inteligencija povećala osobnu produktivnost.

Međutim, samo 37 posto prepoznaje barem određeni doprinos umjetne inteligencije operativnoj dobiti, odnosno EBIT-u, dok svega šest posto prijavljuje znatan učinak, definiran kao doprinos od najmanje pet posto EBIT-a.

Takav raskorak pokazuje da povećanje učinkovitosti pojedinaca ne znači automatski i povećanje učinkovitosti organizacije. Takvi podaci otvaraju pitanje koliko kompanije zapravo razumiju financijske učinke vlastitih AI ulaganja.

Upravo se na taj problem osvrnuo Matej Petrovčič, suosnivač i izvršni direktor slovenske tvrtke CRMT, u prezentaciji 'AI u kontrolingu: između obećanja i izvedbe', pripremljenoj za 14. međunarodnu konferenciju o kontrolingu u Zagrebu.

Kontroling 2026.Matej Petrovčič,

Kontroling 2026.
Matej Petrovčič,

Na temelju iskustava iz projekata implementacije umjetne inteligencije u financijama i kontrolingu Petrovčič upozorava da je put od uspješne demonstracije tehnologije do njezine pouzdane primjene u svakodnevnom poslovanju znatno složeniji nego što se na prvi pogled čini.

Financijski odjeli još koriste AI kao pomoćnika

Istraživanje Controllers Councila Controllership 2030 iz listopada 2026. pokazuje da je umjetna inteligencija već široko prisutna u financijskim organizacijama, ali se njezina primjena još uglavnom temelji na podršci zaposlenicima.

Prema navedenim podacima, 86 posto financijskih organizacija aktivno koristi barem jednu AI funkcionalnost, dok 14 posto još ne koristi nijednu.

Najčešći oblik primjene jesu AI asistenti, koje koristi 64 posto organizacija. Autonomne AI agente, sposobne samostalno izvršavati složenije zadatke, koristi 27 posto.

Kada je riječ o konkretnim poslovnim procesima, umjetna inteligencija najviše se primjenjuje u prognoziranju, koje navodi 31 posto organizacija. Automatizirano izvještavanje primjenjuje njih 15 posto, dok se automatizirano usklađivanje financijskih podataka i praćenje rizika pojavljuju kod po deset posto ispitanih organizacija.

Hrvatska na 47 bodova

Posebno zanimljivu sliku pružaju podaci o spremnosti kompanija u regiji. Prema istraživanju DOBA AI Maturity Index 2026, koje je na uzorku od 348 ispitanika obuhvatilo Sloveniju, Srbiju i Hrvatsku, ukupna razina AI zrelosti hrvatskih organizacija iznosi 47,9 bodova na ljestvici od nula do sto. Slovenija je ostvarila 50,9 bodova, a Srbija 49,7.

Istraživanje promatra pet dimenzija spremnosti i zrelosti organizacija: upravljanje umjetnom inteligencijom, kompetencije zaposlenika, strategiju, poslovne učinke i operativnu primjenu. Hrvatske organizacije najbolji rezultat ostvaruju u području upravljanja umjetnom inteligencijom, s 60,8 bodova, dok kompetencije zaposlenika dosežu 54,4 boda. Međutim, strateška spremnost ocijenjena je s 44,6 bodova, a poslovni učinci s 38,2 boda.

Najslabiji rezultat odnosi se na operativnu primjenu umjetne inteligencije, koja u Hrvatskoj doseže samo 30,7 bodova. Sličan obrazac prisutan je i u Sloveniji i Srbiji, gdje je operativna primjena također najslabije ocijenjena dimenzija.

Takvi rezultati upućuju na zaključak da su upravljačke strukture u regiji sve svjesnije važnosti umjetne inteligencije, ali organizacije još nisu razvile dovoljno sposobnosti da je sustavno uključe u svakodnevne poslovne procese.

Dodatni je problem mjerenje poslovnih učinaka. Kompanije prepoznaju potencijalne koristi umjetne inteligencije, ali ih često ne uspijevaju precizno kvantificirati. Za kontroling je to posebno važan izazov jer upravo ta funkcija treba osigurati metodologiju za praćenje i procjenu ostvarenih rezultata.

Najbrža vrijednost dolazi iz jednostavnih procesa

Iskustva iz projekata implementacije umjetne inteligencije pokazuju da se najbrži rezultati mogu ostvariti automatizacijom jednostavnijih, ponavljajućih zadataka. To uključuje obradu obveza prema dobavljačima, praćenje potraživanja od kupaca, prikupljanje podataka i izradu standardiziranih izvještaja.

Takvi procesi obično imaju jasno definirana pravila, relativno predvidljive korake i rezultate koji se mogu jednostavno provjeriti. Prema Gartnerovim podacima koje je Petrovčič naveo u prezentaciji, vrijednost ulaganja u takve primjene može se očekivati u razdoblju od devet do deset mjeseci.

Međutim, znatno veći potencijal umjetne inteligencije nalazi se u složenijim područjima, poput financijskog prognoziranja, analize poslovnih rezultata i podrške odlučivanju. Primjerice, umjetna inteligencija može analizirati zašto je profitna marža pala u određenom tromjesečju, identificirati moguće uzroke, pripremiti različite scenarije i predložiti aktivnosti kojima bi se poslovni rezultat mogao poboljšati.

U takvim procesima tehnologija može pripremiti analizu i prognozu, ali odgovornost za odluku ostaje na menadžmentu i financijskim stručnjacima. Ipak, složenija primjena zahtijeva i kvalitetnije podatke. Ako podaci nisu pouzdani, usklađeni i dostupni, ni najnapredniji analitički model ne može osigurati kvalitetnu podlogu za poslovne odluke, poručio je Petrovčič.

Rješenje iz prakse

Nakon njegove prezentacije uslijedio je jedan primjer iz prakse. Iva Stanić iz Brookstone Partnersa i Gabriela Rijić iz FTM-a predstavile su svoje rješenje KontrolERP Lumen te su pokazale kako umjetna inteligencija može povezati poslovne pokazatelje s konkretnim aktivnostima, uz zadržavanje ljudske odgovornosti za odluke.

Kontroling 2026.Iva Staniić, Gabrijela Rijić

Kontroling 2026.
Iva Staniić, Gabrijela Rijić

Ideja je jednostavna: menadžeru treba 15 minuta strukturiranog pregleda poslovanja. Prve tri minute posvećene su trenutačnom stanju, sljedeće četiri odstupanjima od plana i prioritetima, potom se istražuju mogući uzroci, a posljednje četiri minute služe za dogovor o aktivnostima. Umjesto još jednog izvještaja, cilj je odgovoriti na pitanje što danas zahtijeva pozornost.

– Htjela sam aplikaciju koja će biti prilagođena meni i mojoj struci – rekla je Rijić objašnjavajući kako je suradnja sa Stanić dovela do razvoja KontrolERP-a, a zatim i Lumena.

– Ovaj alat nije zamjena za kontrolere ni za odjele financija, već se naslanja na sve ono što vi već imate u tvrtki. To je potpuno personalizirana platforma – istaknula je Stanić, senior inženjerka za AI rješenja u Brookstone Partnersu.

Ugrađen i ESG modul

Razvoj je počeo prilagodbom lokalnog modela potrebama tvrtke i povezivanjem s internim KontrolERP rješenjem. Analitički dio softvera izračunava pokazatelje, a AI pomaže u tumačenju. Korisnik treba moći provjeriti izvor, razdoblje i datum ažuriranja podataka. Softver je, prema riječima Stanić, dostupan i potpuno offline.

Pristup obuhvaća i nefinancijske pokazatelje, poput potrošnje energije i vode te količina predanog otpada. Sustav je zato nadograđen ESG modulom. No brojke bez konteksta mogu zavarati pa treba znati jesu li vrijednosti izmjerene ili procijenjene, koliko su podaci potpuni i što pokazatelj obuhvaća.

Uloga kontrolera tako se pomiče od pripreme izvještaja prema prepoznavanju problema, provjeri uzroka i podršci menadžmentu. Preduvjeti su kvalitetni podaci, provjerljivi izvori, razdvajanje izračuna od AI tumačenja i stručna prosudba ljudi. AI može predložiti aktivnost, ali menadžer procjenjuje njezinu opravdanost i potvrđuje provedbu.

– Treba tehnologija služiti nama, a ne mi njoj – poručila je Rijić.

Lider digital
čitajte lider u digitalnom izdanju