KAKO PAMETNO UPORABITI UMETNO INTELIGENCO V MIKRO, MALIH IN SREDNJIH PODJETJIH

Umetna inteligenca je v zadnjih letih postala ena najbolj izpostavljenih poslovnih tem. O njej se govori kot o tehnologiji, ki bo močno vplivala na način dela, odločanja, komuniciranja in ustvarjanja vrednosti v podjetjih. Ta ocena ni pretirana. Podobno kot je internet pred leti spremenil poslovno okolje, tudi umetna inteligenca odpira novo tehnološko realnost, ki bo pomembno vplivala na konkurenčnost podjetij.

Za mikro, mala in srednja podjetja to pomeni predvsem eno: smiselno je, da pravočasno razumejo, kaj jim ta tehnologija lahko prinese in kje so njene dejanske meje. Prav tu pa se pogosto pojavijo prve težave. Podjetniki so danes preplavljeni z informacijami, obljubami in primeri uporabe, zaradi česar si težko ustvarijo realno sliko. Nekateri od umetne inteligence pričakujejo preveč in verjamejo, da obstaja orodje, ki bo skoraj čez noč rešilo administracijo, prodajo, komunikacijo in organizacijo dela. Drugi se je raje sploh ne lotijo, ker jih skrbijo stroški, varnost podatkov, pravne posledice ali pa preprosto ne vedo, kje bi z njo sploh začeli.

Obe skrajnosti sta problematični. Umetna inteligenca ni čarobna rešitev, ni pa niti nekaj, kar bi bilo smiselno ignorirati. Za večino MSP zato ni pravo vprašanje, ali jo uporabiti, ampak kako jo uporabiti pametno in postopoma, da bo podjetju dejansko koristila.

Čeprav se v javnosti umetna inteligenca danes najpogosteje povezuje z orodji, kot je ChatGPT, je to le del širše slike. Generativna umetna inteligenca je uporabna predvsem pri ustvarjanju besedil, slik, povzetkov in drugih vsebin, medtem ko se druge rešitve umetne inteligence uporabljajo za analizo podatkov, napovedovanje, prepoznavanje vzorcev, obdelavo slik ter avtomatizacijo poslovnih procesov. Jezikovni modeli so torej le ena izmed oblik generativne umetne inteligence, ne pa sopomenka za umetno inteligenco kot celoto. Za MSP je ključno, da pri razmisleku o uvajanju umetne inteligence izhajajo iz konkretnega poslovnega problema in šele nato izberejo ustrezno vrsto rešitve.

Zakaj podjetja pri uvajanju umetne inteligence pogosto zgrešijo

Podjetja pri uvajanju umetne inteligence pogosto ne zgrešijo zato, ker bi bila tehnologija slaba, ampak zato, ker začnejo na napačnem mestu. Namesto da bi izhajala iz konkretnega poslovnega problema, začnejo pri orodju. Preizkusijo klepetalnik, generator besedil ali neko drugo rešitev in šele nato razmišljajo, kje bi jo lahko uporabili. Tak pristop običajno ne prinese resnega učinka, ker ni vezan na dejanske potrebe podjetja.

Druga pogosta napaka je, da podjetje nima jasno določenega cilja. Uporaba umetne inteligence ostane na ravni zanimivega preizkusa, ne pa orodja, ki bi bilo povezano s konkretnim rezultatom. Če podjetje ne ve, ali želi z njo prihraniti čas, zmanjšati stroške, izboljšati komunikacijo s strankami ali bolje analizirati podatke, bo uporaba hitro postala površinska.

Pogosta težava so tudi neurejeni procesi in podatki. Če podjetje nima jasnih postopkov, dosledne komunikacije ali vsaj osnovno urejenih podatkov, tudi uporaba umetne inteligence ne bo dala dobrih rezultatov. Slabega procesa ne popravi, ampak ga lahko samo pospeši.

Pri resnejšem uvajanju umetne inteligence se pogosto pokaže tudi vprašanje, kdo bo uporabo v podjetju sploh usmerjal. Pri enostavnih preizkusih to še ni nujno odločilno, pri širši in bolj sistematični uporabi pa je pomembno, da je vsaj okvirno jasno, kdo spremlja učinke, skrbi za smiselno uporabo in odloča, kako se bo rešitev vključila v vsakodnevno delo.

Tu je pomembno razumeti še nekaj. Pilotni preizkus še ni uvedba v prakso. Veliko podjetij pride do točke, ko rečejo, da so nekaj testirala in da “stvar deluje”, nato pa se vse skupaj ustavi. Razlog je pogosto zelo preprost: nihče ni določil, kdo bo to uporabljal, kdaj, kako in pri kateri nalogi. Brez tega umetna inteligenca ostane zanimiv dodatek, ne pa del vsakodnevnega dela.

Kaj pomeni pametno uvajanje umetne inteligence v MSP

Pametno uvajanje umetne inteligence v podjetje ne pomeni, da mora podjetje takoj uvajati zahtevne sisteme ali pripravljati obsežne razvojne projekte. V praksi pomeni, da postopoma krepi štiri ključna področja: kulturo podjetja, kadre, podatke in infrastrukturo.

Kultura podjetja pomeni predvsem to, da vodstvo razume, zakaj bi umetno inteligenco sploh uporabljalo in kaj želi z njo doseči. Če vodstvo v njej vidi le modno temo ali zanimiv eksperiment, bo uporaba ostala površinska. Če pa jo razume kot orodje za izboljšanje dela, je to že dobra osnova.

Drugi pomemben element so ljudje. Vsako podjetje potrebuje vsaj eno osebo, ki bo prevzela pobudo, spremljala priložnosti in skrbela, da se uporaba umetne inteligence ne ustavi po prvem poskusu. To ni nujno strokovnjak za umetno inteligenco. Veliko bolj pomembno je, da ta oseba pozna delovanje podjetja, razume njegove procese in zna presoditi, kje bi bila uporaba smiselna. Smiselno je tudi, da podjetje zaposlenim omogoči osnovno usposabljanje, bodisi z internim prenosom znanja bodisi z zunanjimi delavnicami ali drugimi oblikami izobraževanja, saj se nova orodja najlažje uveljavijo tam, kjer ljudje razumejo njihov namen, omejitve in način uporabe.

Tretji element so podatki. Rešitve umetne inteligence potrebujejo neko osnovo, na kateri lahko delujejo. Pri MSP to ne pomeni nujno kompleksnih baz podatkov. Pomeni pa, da ima podjetje vsaj osnovno urejene informacije, kot so ponudbe, ceniki, prodajni podatki, odgovori na pogosta vprašanja ali dokumentacija, ki jo je mogoče uporabiti pri delu.

Četrti element je infrastruktura. Večina manjših podjetij ne potrebuje posebnih sistemov, ampak predvsem pregled nad tem, katera orodja že uporablja in kje jih lahko dopolni z rešitvami umetne inteligence.

Ta področja se ne gradijo naenkrat, ampak postopoma. Podjetje najprej oceni, kje je, nato določi, kateri poslovni problem želi reševati, pridobi osnovno znanje, preveri, ali ima uporabne podatke, in se nato odloči, ali bo nalogo reševalo samo ali s pomočjo zunanjega partnerja. Ključno je, da gre po korakih. Uvajanje umetne inteligence ni enkraten projekt, ampak postopen proces učenja, testiranja in prilagajanja.

Za večino MSP je najbolj smiseln začetek pri eni konkretni nalogi, ki se pogosto ponavlja, jemlje čas in ne zahteva vedno znova povsem nove presoje. Prav pri takih opravilih se najhitreje pokaže, ali lahko umetna inteligenca podjetju dejansko prinese prihranek časa, večjo enotnost dela ali manj napak.

Kakšne rešitve umetne inteligence so danes na voljo MSP

Ko podjetje danes govori o uvajanju umetne inteligence, to lahko v praksi pomeni zelo različne stvari. V nekaterih primerih gre preprosto za uporabo že pripravljenega orodja, kot so ChatGPT, Claude, Gemini ali Microsoft Copilot. V takem primeru podjetje praviloma ne razvija ničesar, ampak uporablja storitev, ki jo je razvil drug ponudnik. Takšna orodja so namenjena predvsem pisanju besedil, povzemanju, iskanju idej, delu z dokumenti ali osnovni podpori pri komunikaciji.

Naslednja možnost je, da podjetje ne ostane pri splošnem klepetalniku, ampak rešitev prilagodi svojemu delu. To pomeni, da orodje uporablja z jasnimi navodili, internimi pravili in poslovnimi vsebinami, kot so ceniki, odgovori na pogosta vprašanja, osnutki ponudb, katalogi ali druga dokumentacija. To lahko v praksi pomeni uporabo GPT-ja po meri, projekta v ChatGPT, NotebookLM z lastnimi viri ali podobne rešitve, ki deluje znotraj gradiv in pravil podjetja. V tem primeru podjetje še vedno ne razvija lastnega modela, ampak obstoječo tehnologijo uporabi za bolj konkreten poslovni namen. Takšna rešitev je praviloma bistveno uporabnejša od splošnega klepetalnika, ker je bolj usmerjena v dejanske naloge podjetja in temelji na vsebinah, ki jih podjetje pri delu že uporablja.

Še korak naprej so agentne rešitve. Pri njih sistem ne služi več le za pripravo odgovora, ampak lahko izvede tudi več zaporednih korakov v procesu. To lahko pomeni, da prebere povpraševanje, poišče podatke v internih virih, pripravi osnutek odgovora, opozori na manjkajoče informacije ali sproži naslednji korak v delovnem postopku. Poenostavljeno povedano: navaden klepetalnik odgovarja, agent pa poleg odgovora tudi nekaj naredi. Za večino MSP to praviloma ni prvi korak, ampak naprednejša oblika uporabe, ki postane smiselna šele takrat, ko ima podjetje jasno opredeljen proces in dovolj urejene podatke.

Kje ima umetna inteligenca za MSP najhitrejši učinek

Najhitrejši učinki se praviloma pokažejo pri nalogah, ki se pogosto ponavljajo, sledijo vsaj približno enakemu vzorcu in zaposlenim vzamejo veliko časa. Prav na teh področjih lahko podjetje z razmeroma enostavnimi orodji doseže prve konkretne rezultate.

Ena najbolj uporabnih skupin primerov je administracija in poslovna komunikacija. Mnoga podjetja vsak dan odgovarjajo na podobna povpraševanja, pripravljajo osnutke dopisov, ponudb in pojasnil ter urejajo veliko količino dokumentacije. Umetna inteligenca lahko pomaga pri pripravi odgovorov na elektronsko pošto, povzemanju daljših sporočil, oblikovanju bolj jasne komunikacije in pripravi prvih osnutkov ponudb. To pomeni manj ročnega dela in bolj enoten način komuniciranja, vendar mora zaposleni vsebino še vedno pregledati in prilagoditi konkretnemu primeru.

Hitro uporaben primer je tudi zapisovanje sestankov in priprava zapisnikov. V mnogih podjetjih se po sestanku hitro pokaže, da si udeleženci isto razpravo razlagajo različno, naloge pa ostanejo premalo jasno določene. Umetna inteligenca lahko iz zapiskov ali posnetka pripravi povzetek, izlušči ključne sklepe in oblikuje seznam nalog. To podjetju prihrani čas, predvsem pa zmanjša verjetnost, da bi se pomembne informacije po sestanku izgubile.

Pomembno področje so tudi ponavljajoča se administrativna in računovodska opravila. Beleženje podatkov, razvrščanje transakcij, usklajevanje računov, vnašanje in povezovanje podatkov iz skeniranih prejemkov in računov s transakcijami, pregledovanje poročil o izdatkih zaposlenih ali sledenje spremembam cen so opravila, ki zaposlenim pogosto vzamejo veliko časa. Umetna inteligenca lahko takšne naloge pospeši in jih opravlja bolj dosledno, kar pomeni manj rutinskega dela in manj ponavljajočih se napak. Zaposleni pa se lahko v večji meri posvetijo nalogam, kjer je potrebna presoja, razlaga ali komunikacija.

Drugo pomembno področje je analiza podatkov in podpora odločanju. Mnoga podjetja imajo določene evidence, poročila ali preglednice, vendar jih ne znajo učinkovito uporabiti. Umetna inteligenca lahko pomaga pri prepoznavanju osnovnih vzorcev, trendov ali odstopanj, kar podjetju omogoča boljše razumevanje poslovanja in bolj premišljene odločitve. Podobno velja za napovedovanje povpraševanja. Če ima podjetje na voljo vsaj osnovne pretekle podatke o prodaji, sezonskih nihanjih ali naročilih, lahko umetna inteligenca pomaga oceniti, kaj lahko pričakuje v prihodnjih tednih ali mesecih. Takšne napovedi niso nezmotljive, so pa lahko zelo uporabne kot podpora pri načrtovanju proizvodnje, nabave in zalog.

Pomembni učinki se lahko hitro pokažejo tudi v logistiki in upravljanju zalog. Tam, kjer podjetje organizira dostave, prevzeme ali notranji tok blaga, lahko umetna inteligenca pomaga pri načrtovanju poti, boljšem razporejanju voženj in hitrejšem prilagajanju spremembam. Tipičen primer je podjetje, ki vsak dan dostavlja blago na več lokacij. Orodje lahko predlaga boljši vrstni red dostav glede na razdaljo, prometne razmere ali časovne omejitve. To ne pomeni popolne avtomatizacije logistike, lahko pa pomeni manj praznih kilometrov, manj zamud in boljšo organizacijo dela.

Tesno s tem je povezano upravljanje zalog. Umetna inteligenca lahko pomaga pri spremljanju zalog, opozarjanju na kritične količine in podpori pri načrtovanju naročil. Če je tak sistem dobro nastavljen, lahko podjetje prej zazna, kdaj se bodo določene zaloge izčrpale, in se lažje odloči, kdaj je čas za dopolnitev. S tem se zmanjša nevarnost prevelikih ali premajhnih zalog, podjetje pa lažje ohranja bolj uravnoteženo raven zalog in se izogne nepotrebnim stroškom.

Umetna inteligenca je lahko zelo uporabna tudi kot dopolnitev človeškega dela. To velja pri pisanju besedil, pripravi osnutkov, iskanju idej, povzemanju dokumentov, urejanju informacij in oblikovanju vizualnih vsebin. Koristna je lahko tudi interno, kot pomoč zaposlenim pri hitrejšem dostopu do informacij in pripravi dokumentov. Pri tem ne gre za nadomeščanje človeka, ampak za hitrejše, bolj enotno in bolj učinkovito delo.

Pomemben primer je tudi podpora strankam. Uporabi se jo lahko pri pripravi odgovorov na pogosta vprašanja, oblikovanju vsebin za rubriko »pogosta vprašanja« ali kot pomoč pri prvi obravnavi enostavnih poizvedb. To lahko zmanjša obremenitev zaposlenih in izboljša odzivnost podjetja, vendar ne sme nadomestiti človeškega stika tam, kjer je potrebna presoja ali občutljivejša komunikacija.

Pomembna prednost uporabe umetne inteligence je tudi večja natančnost pri opravilih, kjer se pogosto pojavljajo človeške napake. Pri vnosu podatkov, obdelavi računov, povezovanju dokumentacije ali rutinski administraciji lahko napake povzročijo dodatno delo, zamude ali finančne posledice. Dobro nastavljena avtomatizacija takšno tveganje zmanjša, ker iste naloge izvaja po enakih pravilih. To je posebej pomembno na področjih, kjer je natančnost ključna, na primer v financah, logistiki ali administraciji.

Omejitve, na katere podjetje ne sme pozabiti

Pri uvajanju umetne inteligence je pomembna tudi previdnost. Rezultati niso vedno pravilni, zato jih ni smiselno uporabljati brez pregleda. To še posebej velja pri komunikaciji s strankami, pripravi ponudb, analizi podatkov in vseh dokumentih, ki imajo poslovne ali pravne posledice.

Podjetje mora biti previdno tudi pri ravnanju z občutljivimi podatki. Pred uporabo orodij je treba razmisliti, kaj se v njih sploh sme vnašati in kaj ne.

Pomembno je tudi razumeti, da dobra orodja sama po sebi ne rešijo slabih procesov. Če podjetje nima osnovno urejenih načinov dela, bo tudi umetna inteligenca delovala slabše, kot bi lahko.

Zaključek

Za mikro, mala in srednja podjetja umetna inteligenca ni tema, ki bi jo bilo smiselno odlagati, ni pa tudi področje, kjer bi bilo pametno začeti preveč ambiciozno. Najboljši rezultati praviloma ne nastanejo pri velikih projektih, ampak pri premišljenem izboljševanju konkretnih nalog.

Najbolj smiseln prvi korak je zato zelo konkreten: izberite eno nalogo, ki se pogosto ponavlja in vam jemlje čas. Preverite, ali jo lahko z uporabo umetne inteligence opravite hitreje, bolj enotno ali z manj napakami. Če se pokaže učinek, tak način dela utrdite in šele nato nadaljujte naprej.

Viri

GZS, AI4SI. Vodič uvajanja umetne inteligence v podjetja. Ljubljana: Združenje za informatiko in telekomunikacije pri GZS, 2025.

OECD. AI Adoption by Small and Medium-Sized Enterprises. Paris: OECD Publishing, 2025.

Evropska komisija. European Digital Innovation Hubs.

McKinsey & Company. The State of AI: Global Survey 2025.

Koristne povezave

AI4SI – slovenska vstopna točka za vsebine, novice, dogodke in vodiče o uvajanju umetne inteligence v podjetja
https://ai4si.gzs.si/

Vodič uvajanja umetne inteligence v podjetja 2.0 – praktični vodič za podjetja
https://ai4si.gzs.si/b/vodic-uvajanja-umetne-inteligence-v-podjetja-20

European Digital Innovation Hubs – informacije o evropski podporni mreži za digitalizacijo podjetij
https://digital-strategy.ec.europa.eu/en/policies/edihs

AI Act – osnovne informacije Evropske komisije o pravilih za umetno inteligenco v EU
https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai

Navigating the AI Act – pogosta vprašanja in praktična pojasnila za podjetja
https://digital-strategy.ec.europa.eu/en/faqs/navigating-ai-act

 

Klemen Grbec

Datum objave: 13. 4. 2026