AI pojmovnik.
33+ ključnih AI termina objašnjeno jednostavnim jezikom — za menadžere, marketere i sve koji rade s AI alatima.
33 pojmova
Agentic AI
AgentiSistemi zasnovani na AI agentima koji samostalno planiraju, donose odluke i izvršavaju zadatke u više koraka — bez stalnog nadzora čovjeka. Koriste alate, memoriju i ciljeve kako bi ostvarili zadani ishod.
Pročitaj višeRAG (Retrieval-Augmented Generation)
ModeliGenerisanje prošireno pretraživanjem. Tehnika u kojoj AI model prije generisanja odgovora dohvaća relevantne informacije iz vaše baze znanja, što povećava tačnost i drastično smanjuje halucinacije.
IDP (Intelligent Document Processing)
Obrada dok.Inteligentna obrada dokumenata. AI pristup koji kombinuje OCR, NLP i mašinsko učenje za automatsko čitanje, razumijevanje i strukturiranje podataka iz ugovora, faktura, obrazaca i sličnih dokumenata.
Pročitaj višeLLM (Large Language Model)
ModeliVeliki jezički model. Tip AI modela treniran na ogromnim količinama teksta koji može generisati, prevoditi, sumirati i analizirati tekst. GPT-4, Claude i Gemini su primjeri LLM-ova.
NLP (Natural Language Processing)
TehničkoObrada prirodnog jezika. Grana AI-a koja se bavi razumijevanjem i generisanjem ljudskog jezika. Temelj modernih chatbotova, pretraživača i sistema za analizu teksta.
OCR (Optical Character Recognition)
Obrada dok.Optičko prepoznavanje znakova. Tehnologija koja pretvara sliku teksta (skeniran dokument, fotografija) u mašinski čitljiv tekst. Osnova svakog sistema za obradu dokumenata.
Pročitaj višeRPA (Robotic Process Automation)
AutomatizacijaRobotska automatizacija procesa. Softver koji oponaša klikove i unos podataka kao čovjek u GUI aplikacijama. Idealan za determinističke, ponavljajuće zadatke s strukturiranim podacima.
Pročitaj višePrompt Engineering
TehničkoVještina formulisanja instrukcija za AI modele kako bi se dobili konzistentno korisni rezultati. Uključuje definisanje uloge, konteksta, zadatka i formata izlaza.
Fine-tuning
ModeliPrilagođavanje pretreniranog modela na vlastitim podacima kako bi bio bolji u specifičnoj domeni ili zadatku. Skuplje od prompt engineeringa, ali daje konzistentnije rezultate za specijalizovane use caseve.
Vector baza podataka
TehničkoSpecijalizovana baza podataka koja čuva embeddings (numeričke reprezentacije teksta/slika) i omogućava brzo semantičko pretraživanje. Temelj RAG sistema.
Embedding
TehničkoNumerička reprezentacija teksta, slike ili drugog sadržaja u višedimenzionalnom prostoru, gdje sličan sadržaj ima slične vektore. Omogućava AI-u da 'razumije' semantičku sličnost.
Halucinacija (AI)
ModeliFenomen kada AI model generira uvjerljivo zvučeće ali netačne informacije. Ključni rizik koji se mitigira RAG-om, human-in-the-loop procesima i strogim validacijom izlaza.
Temperatura (AI parametar)
TehničkoParametar koji kontrolira 'kreativnost' ili nasumičnost izlaza modela. Temperatura 0 = deterministički, uvijek isti odgovor. Temperatura 1 = varijabilni, kreativni izlazi. Za poslovne use caseve obično se koristi niža temperatura.
Token
TehničkoOsnovna jedinica teksta za LLM-ove — otprilike 3/4 prosječne engleske riječi. GPT-4o i Claude naplaćuju se po tokenu (ulaz + izlaz). Tipična faktura ima 500–2,000 tokena za procesiranje.
Zero-shot Learning
ModeliSposobnost AI modela da ispravno izvrši zadatak bez ijednog primjera u promptu — oslanjajući se samo na predtrenirano znanje. Suprotno od few-shot learninga.
Few-shot Learning
ModeliTehnika gdje se modelu daju 2–5 primjera željenog izlaza unutar prompta, što poboljšava konzistentnost i prilagođava model vašem stilu. Efikasno za specifične formate izlaza.
Foundation Model
ModeliVeliki AI model treniran na ogromnim skupovima podataka koji može biti fine-tuned za različite zadatke. GPT-4, Claude 3, Gemini 1.5 su foundation modeli. Baze na kojima se grade specijalizovana rješenja.
Multi-modal AI
ModeliAI sistem koji može procesirati i generisati više tipova sadržaja — tekst, slike, audio, video. GPT-4o i Gemini 1.5 su multi-modalni modeli.
Workflow automatizacija
AutomatizacijaAutomatizacija slijeda poslovnih zadataka koji uključuju više koraka, sistema i odluka. Za razliku od RPA koja automatizuje pojedinačne klikove, workflow automatizacija orchestrira cijele procese.
AI Orchestration
AgentiKoordinacija više AI agenata, alata i modela u jedinstven automatizovani sistem. Orchestration layer (npr. LangChain, LangGraph) upravlja tokom zadataka, greškama i razmjenom podataka između komponenti.
Semantičko pretraživanje
TehničkoPretraživanje po značenju, ne po ključnim riječima. AI razumije namjeru upita i vraća relevantne rezultate čak i kad se ne podudaraju eksaktne riječi. Osnova modernih internih knowledge baza.
AI Governance
RegulativaSkup politika, procesa i odgovornosti koji osiguravaju odgovornu, sigurnu i usklađenu upotrebu AI sistema u organizaciji. Uključuje risk management, audit trail i human oversight.
Pročitaj višeEU AI Akt
RegulativaPrva sveobuhvatna regulativa za AI na svijetu (Regulation 2024/1689), na snazi od avgusta 2024. Klasifikuje AI sisteme po riziku i propisuje obaveze za razvijaoce i korisnike AI-a.
Pročitaj višeHigh-risk AI system
RegulativaPrema EU AI Aktu, AI sistemi koji se koriste u sektorima s visokim uticajem (zdravstvo, HR, obrazovanje, kritična infrastruktura) i zahtijevaju posebne mjere predostrožnosti, dokumentaciju i human oversight.
Pročitaj višeReAct (Reason + Act)
AgentiArhitekturalni obrazac za AI agente koji alternira između faze razmišljanja (Reason) i izvršenja akcije (Act), s analizom rezultata između. Omogućava agentima višekoračno rješavanje kompleksnih zadataka.
Pročitaj višeFunction Calling
TehničkoSposobnost LLM-a da prepozna kada treba pozvati vanjsku funkciju ili API, i da strukturirano vrati parametre za taj poziv. Ključna tehnika za integraciju AI modela s poslovnim sistemima.
Grounding
TehničkoTehnika vezivanja AI odgovora za konkretne, provjerljive izvore informacija (dokumente, baze podataka, web). Suprotno od slobodnog generisanja — smanjuje halucinacije i povećava pouzdanost.
Kontekstni prozor
TehničkoMaksimalna količina teksta (mjerena u tokenima) koju LLM može 'vidjeti' u jednom pozivu. GPT-4o: 128K tokena, Claude 3.5: 200K tokena. Direktno ograničava koliko dokumenta možete procesirati odjednom.
Model drift
TehničkoPostepeno pogoršanje performansi AI modela tokom vremena, uzrokovano promjenama u ulaznim podacima ili poslovnim pravilima. Zahtijeva redovni monitoring i re-trening ili ažuriranje prompts-a.
Model as a Service (MaaS)
ModeliPoslovni model isporuke AI-a putem API-ja — plaćate po upotrebi bez upravljanja infrastrukturom. OpenAI, Anthropic i Google nude MaaS. Prednost: niski entry troškovi. Rizik: vendor lock-in.
Human-in-the-loop
AgentiDizajn pattern AI sistema gdje čovjek zadržava mogućnost pregleda, korekcije ili odobrenja AI odluka prije finalnog izvršenja. Obavezno za high-risk AI sisteme prema EU AI Aktu.
Pročitaj višeKnowledge Graph
TehničkoStrukturirana baza znanja koja prikazuje entitete (kompanije, osobe, koncepte) i njihove međusobne odnose. AI sistemi koji koriste knowledge graph imaju preciznije razumijevanje domene.
Confidence score
TehničkoNumerička procjena sigurnosti AI modela u vlastiti izlaz (0–1 ili 0–100%). U IDP sistemima, dokumenti s niskim confidence scoreom automatski idu na ručnu reviziju.
Pročitaj više