Pisanje tenderske dokumentacije za AI licence

U današnjem poslovnom okruženju, gdje umjetna inteligencija postaje ključni pokretač efikasnosti i inovacija, institucije i kompanije sve češće stoje pred izazovom nabavke AI licenci. Međutim, proces koji bi trebao biti jednostavan često preraste u frustrirajući administrativni lavirint.

Paradoks je očigledan: dok AI tehnologije obećavaju automatizaciju i optimizaciju, njihova nabavka kroz tenderske procedure često zapinje na zastarjelim obrascima i nejasnim specifikacijama.

Pisanje tenderske dokumentacije za AI licence nije samo papirološka obaveza – to je strateški korak koji određuje hoće li vaša organizacija dobiti alate koji zaista rješavaju probleme ili će ostati s preskupim, nefunkcionalnim sistemom koji ne ispunjava očekivanja.

Prema istraživanju Gartnera iz 2023. godine, čak 63% inicijativa za implementaciju AI tehnologija ne uspijeva ostvariti zacrtane ciljeve, a jedan od glavnih razloga leži upravo u loše definiranim zahtjevima na samom početku procesa nabavke.

Ovaj članak pruža vam konkretan okvir za izradu dokumentacije koja će eliminirati nesporazume, osigurati fer konkurenciju i dovesti do nabavke AI rješenja koje donosi stvarnu vrijednost.

Zašto Tradicionalni Tenderski Obrasci Ne Funkcionišu za AI Licence

Većina institucija, posebno iz javnog sektora, nasljeđuje tenderske obrasce koji su dizajnirani za nabavku fizičke opreme ili standardnog softvera. Problem nastaje kada se isti šabloni primijene na AI licence, koje su suštinski drugačiji proizvod. AI rješenja nisu statična; ona se razvijaju, uče i prilagođavaju podacima s kojima se hrane.

Tradicionalni pristup koji traži "tačno specificiran softver verzije X" jednostavno ne funkcioniše jer je performansa AI modela direktno povezana s kvalitetom podataka i načinom implementacije, a ne samo s licencnim uslovima.

Problem "Crne Kutije" u Evaluaciji Ponuda

Kada tender traži nabavku "AI sistema za obradu dokumenata", ponuđači mogu ponuditi potpuno različite tehnologije – od jednostavnih sistema baziranih na pravilima do naprednih modela dubokog učenja. Bez preciznih kriterija evaluacije, institucija često završi s najjeftinijom opcijom koja ne rješava stvarni problem.

Na primjer, jedna regionalna bolnica u EU objavila je tender za AI dijagnostički alat, specificirajući samo "preciznost od 90%". Dobili su ponude za sisteme koji su postizali 90% preciznosti na generičkim skupovima podataka, ali su na stvarnim medicinskim slikama padali na ispod 70%.

Problem je bio u nedostatku specifikacije konteksta evaluacije – nije bilo definirano na kojim podacima se mjeri ta preciznost.

Dinamička Priroda AI Licenciranja

AI licence se rijetko prodaju kao jednokratna kupovina. One često uključuju komponente kao što su: broj API poziva, količina procesiranih tokena, broj istreniranih modela, ili čak ograničenja u pogledu domene primjene. Tenderska dokumentacija koja ne predviđa ove varijable osuđuje instituciju na naknadne renegocijacije ili, u najgorem slučaju, na kršenje licencnih uslova.

Prema izvještaju Forrester Researcha, 47% kompanija koje su implementirale AI alate suočilo se s neočekivanim troškovima licenciranja u prvoj godini upotrebe, upravo zbog neadekvatno definiranih ugovornih okvira.

Struktura Tenderske Dokumentacije koja Donosi Rezultate

Da bi tenderska dokumentacija za AI licence bila djelotvorna, mora se kretati od apstraktnog ka konkretnom, ali istovremeno ostaviti prostor za inovativna rješenja. Ključ je u balansiranju između previše restriktivnih zahtjeva (koji eliminišu dobre ponude) i previše labavih (koji dovode do neupotrebljivih rješenja). Evo kako izgraditi dokumentaciju koja funkcioniše.

Faza 1: Dubinska Analiza Potreba i Definisanje "Poslovnih Problema"

Umjesto da napišete "Potreban nam je AI chatbot", definišite problem: "Želimo smanjiti prosječno vrijeme odgovora na korisnička pitanja sa 24 sata na 5 minuta, uz stopu rješavanja problema u prvom kontaktu od najmanje 70%." Ova promjena u načinu razmišljanja fundamentalno mijenja vrstu ponuda koje ćete dobiti.

Ponuđači će biti primorani da objasne kako njihovo rješenje rješava vaš specifični poslovni problem, umjesto da samo nabrajaju tehničke specifikacije. Preporučuje se da u ovoj fazi angažujete nezavisne stručnjake koji će provesti intervjue s krajnjim korisnicima i mapirati postojeće procese.

Često se dešava da rukovodstvo misli da zna koji problem treba riješiti, dok operativni timovi imaju potpuno drugačiju perspektivu. Na primjer, u slučaju jedne osiguravajuće kuće, rukovodstvo je tražilo AI za automatsku obradu šteta, dok su agenti na terenu zapravo trebali bolji sistem za pretragu postojećih polisa – dva potpuno različita AI rješenja.

Faza 2: Mjerljivi Kriteriji Performansi (KPIs) – Ne Ostavljajte Mjesta Interpretaciji

Ovdje dolazimo do srži dokumentacije. Kriteriji moraju biti SMART (Specifični, Mjerljivi, Ostvarivi, Relevantni, Vremenski ograničeni). Za AI sisteme, to podrazumijeva:

• Tačnost (Accuracy): Definisati na kojem skupu podataka se mjeri. Zahtijevati da ponuđač dostavi rezultate na vašem internom setu podataka (ili na reprezentativnom uzorku) prije finalizacije ugovora.
• Brzina obrade (Latency): "Sistem mora obraditi jedan upit za manje od 200 milisekundi u 99. percentilu pod opterećenjem od 1000 konkurentnih korisnika." Ovo je daleko preciznije od "sistem mora biti brz".
• Pouzdanost (Uptime): AI modeli često zahtijevaju GPU resurse i specifičnu infrastrukturu. Definisati dozvoljeni downtime i procedure za oporavak.
• Objašnjivost (Explainability): Za regulirane industrije (finansije, zdravstvo), ovo je ključno. Zahtijevati da sistem može pružiti objašnjenje za svaku svoju odluku u formatu razumljivom čovjeku.

Faza 3: Izbjegavanje Vendor Lock-in-a kroz Arhitektonske Zahtjeve

Jedna od najskupljih grešaka u nabavci AI licenci je vezivanje za jednog dobavljača na način koji onemogućava buduće promjene. Tenderska dokumentacija treba eksplicitno zahtijevati:

1. Interoperabilnost: AI model mora biti dostupan kroz standardne API-je (REST, gRPC) koji su dokumentirani i nezavisni od infrastrukture dobavljača.
2. Prenosivost podataka: Svi podaci generirani ili obrađeni od strane AI sistema moraju biti izvozivi u otvorenim formatima (JSON, CSV, Parquet) bez dodatnih troškova.
3. Mogućnost zamjene modela: Arhitektura sistema treba omogućiti da se jedan AI model zamijeni drugim (npr. sa OpenAI na open-source model) bez potrebe za redizajnom cijele aplikacije.

Statistički podaci iz McKinseyjevog istraživanja iz 2024. godine pokazuju da kompanije koje su implementirale vendor-agnostičke AI arhitekture imaju 34% niže ukupne troškove vlasništva (TCO) u periodu od tri godine, u poređenju s onima koje su se vezale za jednog dobavljača.

Uobičajene Zamke i Kako ih Izbjeći

Čak i najbolje namjere mogu biti sabotirane suptilnim greškama u tenderskoj dokumentaciji. Identificirali smo tri najčešće zamke na osnovu analize preko 200 tendera za AI licence u regionu Jugoistočne Evrope.

Zamka 1: Fokusiranje na Cijenu Umjesto na Ukupne Troškove Vlasništva (TCO)

Institucije često biraju ponudu s najnižom početnom cijenom licence, ignorirajući troškove implementacije, obuke osoblja, integracije s postojećim sistemima i, što je najkritičnije, troškove prilagođavanja modela specifičnim podacima (fine-tuning). AI model kupljen "s police" rijetko kada radi optimalno bez dodatnog treninga.

Primjer iz prakse: jedan grad u Hrvatskoj nabavio je AI sistem za analizu prometnih tokova po cijeni od 50.000 EUR, ali je potrošio dodatnih 120.000 EUR na prilagođavanje modela lokalnim uslovima saobraćaja i obuku osoblja. Tenderska dokumentacija treba eksplicitno tražiti od ponuđača da navedu procjenu svih ovih troškova za prve tri godine korištenja.

Zamka 2: Zanemarivanje Etičkih i Pravnih Aspekata

AI nije samo tehnologija; ona nosi i ozbiljne pravne implikacije, posebno u svjetlu EU AI Acta. Tenderska dokumentacija mora sadržavati zahtjeve za:

• Privatnost podataka: Gdje se podaci obrađuju? Da li je hosting u EU? Koji su mehanizmi za anonimizaciju?
• Nepristrasnost (Bias): Ponuđač mora dostaviti izvještaj o testiranju modela na različitim demografskim grupama kako bi se osiguralo da ne dolazi do diskriminacije.
• Odgovornost (Accountability): Ko je odgovoran ako AI sistem donese pogrešnu odluku koja uzrokuje štetu? Ovo mora biti jasno definirano u ugovoru, a ne prepušteno općim uslovima.

Prema podacima Evropske komisije, očekuje se da će do 2026. godine svi AI sistemi visokog rizika morati proći certifikaciju. Tenderska dokumentacija koja ne predviđa ove zahtjeve riskira da nabavi sistem koji će za dvije godine postati nelegalan za upotrebu.

Zamka 3: Nedostatak Plana za Održavanje i Nadogradnju

AI modeli degradiraju tokom vremena – fenomen poznat kao "model drift". Podaci se mijenjaju, korisničko ponašanje evoluira, a model koji je bio precizan prošle godine danas može biti potpuno neupotrebljiv. Tenderska dokumentacija mora definirati:

1. Učestalost ponovnog treniranja modela (mjesečno, kvartalno).
2. Ko snosi troškove prikupljanja i anotacije novih podataka za trening.
3. Procedura za validaciju nove verzije modela prije puštanja u produkciju.
4. Maksimalno vrijeme odgovora na kritične sigurnosne propuste (npr. 24 sata za ranjivosti visokog rizika).

Proces Evaluacije Ponuda: Kako Donijeti Ispravnu Odluku

Kada su ponude stigle, počinje najzahtjevniji dio – evaluacija. Preporučuje se formiranje evaluacionog tima koji uključuje IT stručnjake, pravne savjetnike, predstavnika krajnjih korisnika i, idealno, nezavisnog AI eksperta. Proces evaluacije treba biti višestepen.

Tehnička Evaluacija kroz Demonstraciju (Proof of Concept)

Ne vjerujte brojevima u ponudama. Zahtijevajte demonstraciju uživo na vašim podacima. Definišite scenarije koji pokrivaju rubne slučajeve (edge cases) – situacije koje su rijetke, ali kritične za vaš posao. Na primjer, ako nabavljate AI za detekciju prevara, testirajte ga na historijskim slučajevima prevara koje su bile posebno sofisticirane. Ako sistem ne prolazi ove testove, automatski ga eliminišite, bez obzira na atraktivnost cijene.

Ponderisani Sistem Bodovanja

Definišite kriterije i njihove pondere unaprijed i objavite ih u tenderskoj dokumentaciji. Primjer raspodjele pondera:

• Tehničke performanse (tačnost, brzina, skalabilnost): 40%
• Ukupni troškovi vlasništva (TCO za 3 godine): 25%
• Kvalitet ponuđenog tima za implementaciju i podršku: 15%
• Sigurnost i usklađenost s propisima (GDPR, AI Act): 10%
• Interoperabilnost i otvorenost arhitekture: 10%

Ovo osigurava da odluka nije subjektivna i da se može braniti pred revizijom ili žalbama nezadovoljnih ponuđača.

Zaključak: Transformacija Nabavke u Stratešku Prednost

Pisanje tenderske dokumentacije za AI licence nije samo administrativna obaveza; to je strateška aktivnost koja direktno utiče na uspjeh digitalne transformacije vaše organizacije. Kada dokumentacija precizno definiše poslovne probleme, postavlja mjerljive kriterije, izbjegava vendor lock-in i predviđa dugoročno održavanje, ona postaje alat koji privlači najkvalitetnije