Tržišna utakmica u oblasti veštačke inteligencije uglavnom se posmatra kroz prizmu Silicijumske doline, ali stvarni poslovni problemi u regionu zahtevaju potpuno drugačiji pristup. Mitar Perović je to primetio u okviru domaćeg tehnološkog HR startapa Recrewty, koji je izašao iz prestižnog akceleratora Techstars. Postojeći jezički modeli za srpski, hrvatski, bosanski i crnogorski jezik imali su zastarele arhitekture i ozbiljno ograničen kontekst.
„Upravo enkoderi pokreću pretragu, klasifikaciju i ekstrakciju informacija u realnim proizvodima. Odlučili smo da idemo protiv trenda: umesto još jednog četbota, gradili smo temelj”, objašnjava za magazin BIZLife Mitar Perović, idejni tvorac i autor ovog projekta.
Put od ideje do realizacije vodio je preko evropskog granta „Fortissimo Plus”, koji je Peroviću otvorio vrata superračunara „Leonardo” u Bolonji. Tamo je, koristeći 64 A100 GPU-a, samostalno istrenirao model nad korpusom od 60 milijardi tokena, što je najveća baza podataka ikada sastavljena za našu grupu jezika.
Perović je pokazao da „AI augmentovani” pojedinac danas može samostalno da realizuje projekte koji su donedavno bili rezervisani isključivo za tehnološke džinove.
Kako izmeriti neopipljivo?
Razvoj modela za jezike sa manjim brojem govornika donosi specifičan problem – kako objektivno testirati njegovu tačnost. Bez javnih benchmarkova, svaka tvrdnja da neki model dobro radi na srpskom ostaje samo na nivou subjektivnog utiska.
„Mašinski prevod engleskih testova sam po sebi ne valja, jer automatski prenosi kulturološku obojenost i sintaksu engleskog jezika, dok je potpuno ručna izrada preskupa i prespora za tržišta naše veličine”, naglašava Perović.
Zbog toga je razvio hibridni pristup, koji je nedavno objavljen i u naučnom radu na radionici prestižne EACL konferencije. Sistem kombinuje napredne generativne modele za prvu fazu prevoda sa strogom ljudskom supervizijom stručnih anotatora, koji su radili na kulturološkoj adaptaciji i kontroli kvaliteta. Tako su nastali BalkanBench i SuperGLUE benchmark za srpski jezik.
Podaci kao strateški resurs
Kada se analiziraju kočnice za razvoj tehnologije u regionu, često se prebacuje krivica na nedostatak hardvera ili kadrova. Perović situaciju vidi znatno kompleksnije. Iako pozdravlja najavljeno proširenje Nacionalne AI platforme u Kragujevcu na 640 GraceHopper superčipova do kraja 2026. godine, napominje da hardver sam po sebi nije rešenje. Potrebni su transparentni programi alokacije računarskog vremena za startape i istraživače, kao i operativna podrška za korišćenje te infrastrukture.
„Kadar imamo, STEM obrazovanje je jako, ali nedostaju domaći primeri ozbiljnog inženjerskog rada koji bi te talente zadržali ovde”, kaže Perović. On smatra da su najveći neiskorišćeni resurs, zapravo, podaci: arhive javnih servisa, biblioteke i administrativna dokumentacija. To je blago koje niko van regiona nema niti može da reprodukuje. Usko grlo, dakle, prestaju da budu sami čipovi, već organizacija i upravljanje tim podacima.
Frontalni sukob sa američkim ili kineskim investicijama, koje u ovoj oblasti dostižu stotine milijardi dolara, unapred je izgubljena bitka. Ali to je, prema Perovićevim rečima, i potpuno pogrešna igra za nas.
„Naš prostor je sloj koji veliki igrači strukturno zanemaruju: modeli koji zaista razumeju naše jezike, dokumenta i kulturni kontekst. Strategija je da uzmemo najbolje otvorene modele i kontinuirano ih treniramo nad korpusima koje samo mi posedujemo, jer to nijedan strani model ne može da nadoknadi pukim rastom broja parametara.”
Regionu ne treba domaći ChatGPT. Potrebno nam je vlasništvo nad podacima, evaluacijom i modelima koji rade u našem specifičnom kontekstu.
Od e-commerce pretrage do lokalne anonimizacije
ModernBERTić nije zamišljen kao akademski eksperiment, već kao alat koji donosi poslovnu vrednost. Primena je već testirana u nekoliko ključnih domena. E-commerce pretraga na našim jezicima trenutno je među najslabijima u Evropi, a uvođenje semantičke pretrage koja prepoznaje stvarnu nameru kupca direktno podiže konverzije i prodaju. Pravosuđe i javna uprava takođe leže na ogromnim korpusima dokumenata koji čekaju da postanu pametno pretraživi.
Kao posebno profitabilan teren izdvojile su se media intelligence i press clipping agencije, koje dnevno obrađuju masovne količine teksta. Klasifikacija, prepoznavanje tema i semantičko povezivanje sadržaja zadaci su u kojima enkoderi briljiraju, uz troškove obrade koji su neuporedivo niži od velikih generativnih modela.
Na bazi ModernBERTića nedavno je lansiran i novi komercijalni proizvod – Anonimizuj.me. Reč je o alatu za automatsku anonimizaciju dokumenata koji radi potpuno lokalno, bez slanja podataka na eksterne servere, što je eliminisalo ključnu prepreku za primenu tehnologije u advokaturi, zdravstvu i javnoj upravi. Pored toga, unutar same platforme Recrewty već uspešno funkcionišu tri specijalizovana modela za HR sektor. Zajednički imenitelj svih ovih aplikacija jesu brzi i ekonomični modeli koji donose efikasnost bez potrebe za skupim hardverom i bez rizika od deljenja podataka sa stranim provajderima.
U poslovnoj kulturi koja dolazi, arhitekture modela postaju dostupne svima i tope se razlike među njima. Ono što niko ne može da kopira jesu jedinstveni podaci i znanje kako se nad njima model specijalizuje. Kompanija koja poseduje kvalitetne domenske podatke i ume da ih pretvori u sopstveni model stiče prednost koja se ne kupuje jednostavnim plaćanjem API poziva.
Pogled u budućnost tima koji vodi Mitar Perović donosi tri jasna pravca. Prvi je proširenje BalkanBencha na evaluaciju velikih jezičkih modela kroz javni leaderboard, gde će se jasno videti kako se globalni sistemi – kao što su ChatGPT, Claude ili Gemini – snalaze sa našim jezicima. Drugi je lansiranje novih proizvoda na bazi postojeće tehnologije, dok je treći, strateški najvažniji, trening malog generativnog jezičkog modela (SLM) za BCMS jezike. Plan je da se kroz rad nad korpusom od 60 milijardi tokena dobije model koji duboko razume naš jezik i kulturu, a radi nesmetano na običnom laptopu. Krajnja misija ovog poduhvata jasna je: inspirisati nove timove u regionu da konačno počnu da grade sopstvenu tehnologiju, umesto da budu puki konzumenti tuđih rešenja.
