Kako do posla u AI industriji u Srbiji 2025: Vodič kroz znanja, veštine i uloge

Sećam se, ne tako davno, kada je priča o „veštačkoj inteligenciji“ u Srbiji zvučala kao nešto iz daleke budućnosti, kao tema za naučne konferencije i SF filmove. Pomisao na karijeru u AI industriji odavde, iz naše zemlje, delovala je kao apstraktan i nedostižan san rezervisan za doktorante na Stanfordu ili inženjere u Silicijumskoj dolini.

Danas, u avgustu 2025. godine, ta slika je dramatično drugačija. San je postao stvarnost. Dok sedim i pišem ovaj tekst iz kancelarije u Nišu, svestan sam da se na samo nekoliko kilometara od mene, ali i u Beogradu, Novom Sadu i Kragujevcu, dešava tiha, ali moćna revolucija. Razvijaju se sistemi koji pomažu automobilima da vide, programi koji razumeju ljudski govor, algoritmi koji otkrivaju bolesti i platforme koje transformišu poljoprivredu.

AI industrija u Srbiji više nije „na pomolu“. Ona je tu, vibrantna, raste iz dana u dan i, što je najvažnije, očajnički je gladna za talentima.

Ako ste student koji se pita koji smer da izabere, profesionalac koji razmišlja o promeni karijere, ili mladi programer koji želi da radi na najuzbudljivijim projektima današnjice, ovaj tekst je vaša mapa. Ovo nije samo lista tehnologija. Ovo je dubinski vodič kroz ekosistem AI industrije u Srbiji. Pokazaćemo vam koje uloge postoje, koja su znanja i veštine zaista potrebne, i daćemo vam konkretan, korak-po-korak plan kako da od današnje pozicije stignete do svog prvog (ili boljeg) posla u najperspektivnijoj grani tehnologije.

Zaboravite na mitove. Vreme je za realan plan.

AI industrija u Srbiji 2025: Nije naučna fantastika, već realnost

Pre nego što zaronimo u veštine, hajde da razbijemo sliku o tome šta je zapravo AI industrija kod nas. To nije samo nekoliko izolovanih R&D timova. To je čitav ekosistem:

• Veliki internacionalni igrači: Kompanije poput Microsoft Development Center Serbia, Continental, Schneider Electric, Endava i mnoge druge imaju sve veće timove koji rade na AI i Data Science projektima, od autonomne vožnje do pametnih energetskih sistema.
• Domaće zvezde: Uspešne srpske kompanije koje su izrasle u globalne igrače, poput HTEC Group-a ili Vega IT-a, imaju jake AI/ML timove koji rade na najsavremenijim rešenjima za klijente širom sveta.
• Vibrantna startap scena: Sve je veći broj domaćih startapa koji od početka grade svoje proizvode oko veštačke inteligencije, rešavajući probleme u oblastima kao što su gejming, FinTech, AgriTech i zdravstvo.
• Akademska zajednica: Univerziteti u Beogradu, Novom Sadu, Nišu i Kragujevcu postaju sve jači centri znanja, proizvodeći novu generaciju inženjera i sarađujući sa industrijom.

Ono što je najvažnije razumeti jeste da većina poslova nije u izmišljanju novih, fundamentalnih AI modela (to i dalje radi relativno mali broj ljudi na svetu). Većina poslova je u kreativnoj primeni postojeće AI tehnologije za rešavanje konkretnih, stvarnih problema. I tu leži vaša najveća šansa.

Mapa uloga: Koja je vaša pozicija u AI univerzumu?

Prva greška koju mnogi prave je što misle da je „posao u AI“ sinonim za „AI programer“. Istina je mnogo složenija i otvara vrata ljudima sa različitim afinitetima. Hajde da mapiramo ključne uloge.

Kategorija 1: Kreatori modela (Put čistokrvnog inženjera)

Ovo su ljudi koji grade motore. Oni dizajniraju, treniraju i optimizuju same algoritme mašinskog učenja.

• Uloge: Machine Learning Engineer, AI Research Scientist, Deep Learning Engineer.
• Šta rade? Uzimaju ogromne količine podataka i koriste kompleksne matematičke i statističke tehnike da naprave model koji može da predviđa, klasifikuje ili generiše.
• Potrebna znanja: Duboko razumevanje matematike (linearna algebra, verovatnoća i statistika, kalkulus), vrhunsko poznavanje Python-a i frejmvorka kao što su TensorFlow i PyTorch. Često se traži Master ili PhD diploma sa tehničkih fakulteta (ETF, PMF, FTN).
• Za koga je ovo? Za one koji vole teoriju, matematiku i fundamentalno rešavanje problema. Ako uživate u čitanju naučnih radova i eksperimentisanju sa arhitekturama neuronskih mreža, ovo je vaš put.

Kategorija 2: Primenioci AI (Najtraženiji put)

Ovo su ljudi koji uzimaju gotove motore (ili ih blago modifikuju) i ugrađuju ih u automobile. Ovde leži najveći broj poslova.

• Uloge: AI Engineer, Data Scientist, Computer Vision Engineer, NLP Engineer.
• Šta rade? Rešavaju poslovne probleme. Uzimaju pre-trenirane modele (npr. one za prepoznavanje slika) ili koriste biblioteke (kao Scikit-learn) da naprave rešenje. Na primer, prave sistem za preporuku proizvoda na e-commerce sajtu ili sistem za detekciju bolesti sa medicinskih snimaka.
• Potrebna znanja: Odlično poznavanje Python-a, SQL-a, rad sa API-jima, poznavanje cloud platformi (AWS, Azure, GCP) i njihovih AI servisa. Matematika je potrebna na intuitivnom nivou (da znate koji algoritam odabrati), ali ne nužno i da ga implementirate od nule. Ključno je razumevanje domena – ako radite u FinTech-u, morate razumeti finansije.
• Za koga je ovo? Za većinu softverskih inženjera koji žele da se specijalizuju. Ako volite da vidite direktan rezultat svog rada i rešavate praktične probleme, ovo je vaša budućnost.

Kategorija 3: Inženjeri podataka (Heroji iz senke)

AI je gladan podataka. Ovi ljudi su kuvari i dobavljači koji mu spremaju hranu. Bez njih, ceo sistem se ruši.

• Uloga: Data Engineer.
• Šta rade? Dizajniraju, grade i održavaju sisteme (pipeline-ove) koji prikupljaju, čiste, transformišu i skladište ogromne količine podataka, čineći ih dostupnim i upotrebljivim za AI modele.
• Potrebna znanja: Vrhunski SQL i NoSQL, Python ili Scala, tehnologije za obradu velikih podataka (Apache Spark, Kafka), i ekspertiza u cloud servisima za skladištenje i obradu podataka.
• Za koga je ovo? Za backend programere, database administratore i sve koji vole da grade robusne, skalabilne sisteme. Ovo je jedna od najtraženijih i najplaćenijih uloga u celom ekosistemu.

Kategorija 4: „Prevodilac“ između biznisa i tehnologije

Nije sav posao u AI tehnički. Potrebni su ljudi koji mogu da premoste jaz između onoga što tehnologija može i onoga što biznisu treba.

• Uloge: AI Product Manager, AI Project Manager, AI Ethicist.
• Šta rade? AI Product Manager definiše viziju i funkcionalnosti AI proizvoda. AI Project Manager vodi tim i osigurava da se projekat isporuči na vreme. AI Ethicist se bavi pitanjima pravičnosti, pristrasnosti i transparentnosti AI sistema.
• Potrebna znanja: Ne morate da kodirate, ali morate duboko da razumete mogućnosti i ograničenja AI tehnologije. Potrebne su izvanredne komunikacione veštine, poslovna logika i sposobnost strateškog razmišljanja.
• Za koga je ovo? Za iskusne menadžere proizvoda, projektne menadžere, poslovne analitičare, pa čak i ljude iz društvenih naučnih oblasti koji žele da se specijalizuju za tehnologiju.

Fundamentalna znanja: Temelj svake AI karijere

Bez obzira koju ulogu ciljate, postoji nekoliko fundamentalnih stubova znanja koje morate izgraditi.

• Matematika (Bez panike!):
  • Linearna algebra: Jezik podataka. Vektori, matrice i tenzori su osnovni način na koji se podaci predstavljaju u AI. Morate razumeti operacije sa njima.
  • Verovatnoća i statistika: Srce mašinskog učenja. Morate razumeti koncepte kao što su raspodele verovatnoće, testiranje hipoteza i metrike za evaluaciju modela (preciznost, odziv).
  • Kalkulus (Izvodi): Ključan za razumevanje kako neuronske mreže „uče“ kroz proces optimizacije (gradient descent).
  • Realnost: Za uloge „primenioca“ i „inženjera podataka“, dovoljno je intuitivno razumevanje. Za „kreatore modela“, potrebno je duboko, formalno znanje.
• Programiranje (Python je kralj): Python je postao lingua franca veštačke inteligencije zbog svoje jednostavnosti i neverovatnog ekosistema biblioteka. Morate ga znati. Pored njega, C++ se koristi za optimizaciju performansi, a R je i dalje popularan u akademskim i statističkim krugovima.
• Baze podataka (SQL je obavezan): Sposobnost da samostalno izvučete i manipulišete podacima iz relacionih baza je apsolutno neophodna veština za 90% AI poslova.
• Algoritmi i strukture podataka: Iako nećete implementirati sortiranje od nule, razumevanje koncepata kompleksnosti (Big O notacija) je ključno za pisanje efikasnog koda.

Specijalističke veštine: Izaberite svoju nišu

Kada savladate osnove, vreme je da se specijalizujete. AI je široko polje.

• Mašinsko učenje (Machine Learning): Osnova svega. Uključuje klasične algoritme (linearna regresija, stabla odlučivanja, SVM) i predstavlja najšire polje primene.
• Duboko učenje (Deep Learning): Podskup ML-a koji koristi veštačke neuronske mreže sa mnogo slojeva. Ovo je tehnologija iza prepoznavanja slika i govora.
• Obrada prirodnog jezika (Natural Language Processing – NLP): Specijalizacija za rad sa ljudskim jezikom. Uloge u ovoj oblasti uključuju razvoj četbotova, sistema za analizu sentimenta, prevođenje. Velika potražnja u Srbiji zbog potrebe za modelima koji razumeju srpski jezik.
• Kompjuterska vizija (Computer Vision): Specijalizacija za rad sa slikama i videom. Ovo je ključna oblast za automotive industriju (npr. u Continental-u u Novom Sadu), medicinsku dijagnostiku, kontrolu kvaliteta u fabrikama, itd.

Vaš put do prvog AI posla u Srbiji: Konkretan plan

Teorija je lepa, ali kako praktično doći do posla? Evo mape puta.

Korak 1: Obrazovanje (Formalno i neformalno)

• Formalno: Ako ste na početku, fakulteti poput ETF-a i PMF-a u Beogradu, FTN-a i PMF-a u Novom Sadu, Elektronskog i PMF-a u Nišu, i FON-a u Beogradu pružaju izvanrednu teorijsku osnovu. Njihove diplome su izuzetno cenjene.
• Neformalno (Ključ uspeha): U 2025. godini, ono što ste sami naučili je podjednako važno. Platforme kao Coursera, edX i Udemy nude kurseve vodećih svetskih univerziteta i stručnjaka. Preporuke: „Machine Learning“ od Andrew Ng-a (klasik), „Deep Learning Specialization“ od deeplearning.ai. Ne podcenjujte ni YouTube, koji je pun kvalitetnih besplatnih tutorijala.

Korak 2: Izgradite portfolio (Vaš lični dokaz) Ovo je NAJVAŽNIJI KORAK. Niko vas neće zaposliti samo na osnovu sertifikata. Morate imati dokaz da umete da primenite znanje. Vaš GitHub nalog je vaš novi CV.

• Učestvujte u Kaggle takmičenjima: Kaggle je platforma za takmičenja u Data Science-u. Čak i ako ne pobedite, učešće i deljenje vaših rešenja je neverovatno iskustvo i odlična referenca.
• Radite na ličnim projektima: Ovo je vaša šansa da budete kreativni i da pokažete inicijativu. Odaberite problem koji vas zanima i rešite ga koristeći javno dostupne podatke. Nekoliko ideja za Srbiju:
  • Projekat 1 (NLP): Napravite sistem za analizu sentimenta komentara sa domaćih portala vesti na određenu temu.
  • Projekat 2 (Computer Vision): Napravite model koji na osnovu slike prepoznaje različite vrste rakije ili sorte vina.
  • Projekat 3 (Data Science): Iskoristite podatke sa sajtova za nekretnine (poput 4zida ili Nekretnine.rs) da napravite model za predviđanje cena stanova u vašem gradu.
  • Projekat 4 (Klasifikacija): Napravite klasifikator koji na osnovu slike razlikuje manastire Žiča, Studenica i Mileševa.
  • Dokumentujte svaki projekat detaljno u README.md fajlu na GitHub-u. Objasnite problem, pristup, rezultate i zaključke.

Korak 3: Uključite se u zajednicu (Networking) Ne možete uspeti sami. Morate biti deo zajednice.

• Meetup-i i konferencije: Pratite organizacije kao što su Data Science Srbija ili lokalne IT zajednice. Odlazite na njihove događaje, slušajte predavanja, i što je najvažnije – upoznajte ljude. Većina poslova se i dalje dobija preko preporuke.
• LinkedIn: Povežite se sa ljudima koji rade u kompanijama koje vas zanimaju. Pratite šta objavljuju, komentarišite, budite vidljivi.

Korak 4: Priprema za intervju

• CV: Vaš CV mora biti fokusiran na projekte i postignuća, a ne samo na listu tehnologija. Za svaki projekat navedite problem, korišćene tehnologije i postignuti rezultat.
• Intervju: Očekujte nekoliko krugova: tehnički test (problemi sa platformi kao LeetCode ili HackerRank), teorijska pitanja iz mašinskog učenja i statistike, i dubinski razgovor o vašim projektima sa portfolija. Budite spremni da branite svaku svoju odluku.

„Meke“ veštine: Nezapostavljeni heroji AI industrije

Možete biti tehnički genije, ali ako ne posedujete sledeće veštine, teško ćete uspeti.

• Rešavanje problema: Sposobnost da kompleksan poslovni problem razložite na manje, tehnički rešive delove.
• Komunikacija: Ključna veština. Morate biti u stanju da kompleksne tehničke koncepte objasnite ljudima koji nisu tehnički potkovani (menadžerima, klijentima).
• Znatiželja i doživotno učenje: Ova oblast se menja na mesečnom nivou. Ako ne volite da učite, AI nije za vas.
• Poslovna oštroumnost: Morate razumeti zašto nešto radite, a ne samo kako. Kakvu vrednost vaš model donosi kompaniji?

Zaključak: Budućnost je stigla, a vi ste pozvani

Put do karijere u AI industriji u Srbiji nije ni lak ni brz. Zahteva posvećenost, upornost i strast prema rešavanju problema. Ali, dobra vest je da je taj put jasniji i dostupniji nego ikada pre. Barijere za ulazak su spuštene – znanje je dostupno online, često i besplatno, a kompanije sve više cene praktičan rad i portfolio iznad formalnih diploma.

Ovo nije samo prilika za dobar posao i visoku platu. Ovo je prilika da radite na nekim od najizazovnijih i najznačajnijih problema današnjice. Da stvarate tehnologiju koja će oblikovati budućnost medicine, transporta, obrazovanja i života samog.

Budućnost se ne dešava negde drugde. Ona se dešava sada, ovde, u našem komšiluku. Pitanje je samo – da li ste spremni da postanete njen arhitekta?