Može li se AI istraživati na svjetskoj razini iz Hrvatske?

Moderni koncept umjetne inteligencije oblikovan je još 1956. godine, kada je skupina računalnih znanstvenika po prvi put definirala AI kao znanost i inženjerstvo stvaranja inteligentnih strojeva. Ipak, trebalo je gotovo sedam desetljeća da umjetna inteligencija izađe iz laboratorija i istraživačkih okruženja te postane dostupna široj javnosti i industriji.

Danas, samo nekoliko godina nakon tog prijelaza, AI se u rekordnom roku pretvorio u temeljnu infrastrukturu brojnih industrija, dok je svakodnevica bez AI alata i digitalnih asistenata za velik broj korisnika gotovo nezamisliva. U tom globalnom kontekstu već godinama djeluje i Infobipov tim za istraživanje umjetne inteligencije, koji iz Hrvatske razvija produkcijska AI rješenja za globalnu komunikacijsku infrastrukturu.

Kako se tim trenutačno širi i traži nove kolege na poziciji višeg znanstvenika za istraživanje umjetne inteligencije, razgovarali smo s Emanuelom Lacićem, glavnim inženjerom, i Marijom Ljubičić, višom podatkovnom znanstvenicom, o tome kako izgleda rad na umjetnoj inteligenciji koja mora funkcionirati u stvarnim, visoko opterećenim sustavima.

Kako izgleda posao AI istraživača?

Pozicija znanstvenika za istraživanje umjetne inteligencije u Infobipu daleko je od klasične akademske istraživačke uloge složili su se naši sugovornici:

Riječ je o hibridnoj poziciji koja spaja mentorstvo, strateško promišljanje i intenzivan praktični rad na produkcijskim sustavima.

Seniori sudjeluju u uvođenju novih kolega u posao, pomažu mlađim inženjerima, ali su i odgovorni za vođenje projekata od ideje do produkcije, objašnjava nam Emanuel. Taj proces uključuje razvoj novih modela i infrastrukture, analizu i razumijevanje podataka, treniranje i evaluaciju modela, eksperimentiranje, implementaciju i produkciju te kontinuirano praćenje performansi sustava.

Novi će član tima tako imati autonomiju u razvoju vlastite istraživačke teme unutar postojećih inženjerskih timova, ali i odgovornost da rješenja funkcioniraju u praksi. Za razliku od čistog istraživačkog rada, ovdje se rezultati moraju dokazati u stvarnom prometu i pod realnim opterećenjem.

Upravo zbog takvog spoja istraživanja i produkcije, od budućeg člana tima očekuje se snažna tehnička i istraživačka podloga. Kako objašnjava Emanuel, idealan kandidat dolazi iz područja računalnih znanosti ili srodnih AI disciplina, ima iskustvo u radu s umjetnom inteligencijom i strojnim učenjem te razumije kako znanstvene metode primijeniti na stvarne poslovne probleme:

Prednost imaju kandidati s aktivnim znanstvenim doprinosom, poput objava na relevantnim konferencijama ili u časopisima. Iako akademska karijera nije preduvjet, očekuje se snažan istraživački mindset, sposobnost rješavanja složenih problema, timski rad i jasna komunikacija s inženjerima iz drugih domena.

Od znanstvenog rada do proizvoda

Emanuel nam govori kako njihove istraživačke teme uglavnom obuhvaćaju modeliranje konverzacijskih i multimodalnih podataka, sigurnost i pouzdanost AI sustava te optimizaciju komunikacijske infrastrukture:

Naš pristup temelji se na tome da istraživanje ne završava samo na papiru. Istraživačka tema mora imati znanstvenu vrijednost, ali i potencijal stvarnog poslovnog učinka.

Upravo zato se od istraživača očekuje i sposobnost procjene kako znanstveni koncepti mogu unaprijediti proizvode i poslovne procese. To znači rad na algoritmima i modelima koji se ne razvijaju samo za demonstraciju, već se implementiraju u produkcijske sustave. U tom kontekstu važno je i tehničko znanje, uključujući rad s alatima poput Pythona koji se koristi u većini istraživačkih i razvojnih procesa.

Kao primjer, Emanuel nam izdvaja projekt na kojem je i sam radio, a koji se bavio utjecajem konverzacijskog i glasovnog AI-ja na angažman korisnika. Nakon pilot istraživanja i validacije modela, rješenje je testirano u stvarnom tržišnom okruženju.

Rezultat je bio dvostruk: znanstveni rad predstavljen je na međunarodnoj konferenciji Hypertext 2025 u Chicagu, a Infobipov portfelj dobio je novi proizvod.

Borba protiv prijevara u realnom vremenu

Dok se dio tima bavi širim konverzacijskim i multimodalnim sustavima, Maria radi na posebno osjetljivom području: detekciji prijevara i neželjene komunikacije.

Jedan od projekata na kojima radi odnosi se na prepoznavanje takozvanih pig butchering prijevara – dugotrajnih konverzacijskih manipulacija koje se ne mogu otkriti analizom pojedinačne poruke:

Radi se o prijevarama koje zahtijevaju razumijevanje cijelog tijeka komunikacije. Upravo to ih čini izrazito izazovnima, pogotovo u sustavima koji u realnom vremenu obrađuju milijune poruka.

U takvom okruženju zadatak istraživača nije samo pratiti najnovije znanstvene radove, već i prepoznati koje nove arhitekture modela mogu povećati preciznost bez ugrožavanja brzine obrade, a zatim ta rješenja validirati u industrijskom sustavu.

Za novog člana tima to znači rad na društveno relevantnim problemima, ali i u okruženju koje se stalno mijenja, govori nam Maria:

Napadači neprestano prilagođavaju taktike, pa su suradnja i razmjena ideja ključni kako bismo mogli brzo reagirati i učinkovito zaštititi krajnje korisnike.

Koji su izazovi istraživanja AI-ja?

Tehnički izazovi nisu jedini s kojima se tim suočava. Kao jedan od najvećih zajedničkih izazova Emanuel i Maria ističu brzinu promjena u AI industriji:

Ako postoji jedna konstanta u AI-ju, onda je to stalna promjena. AI se danas razvija brže nego ikad i istovremeno je to najsporije što će ikada biti.

Uz eksploziju novih modela i pristupa, dodatni pritisak dolazi iz rada s ogromnim količinama podataka i potrebe za skalabilnim rješenjima koja moraju ostati stabilna u produkciji. Organizacijski izazov pritom leži u pronalaženju ravnoteže između eksperimentiranja i pouzdanosti sustava, napominje Emanuel:

Potrebno se brzo prilagođavati promjenama i donositi informirane tehničke odluke, ali istovremeno zadržati stabilnost platforme koju koriste globalni klijenti.

Opseg infrastrukture i broj tehnologija često znaju iznenaditi nove zaposlenike, dodaje Maria:

Rad u takvom okruženju znači kontinuirano učenje, ali i pristup problemima koje rijetko koja domaća tvrtka uopće ima priliku rješavati.

Upoznavanje s kompleksnom infrastrukturom i širokim spektrom rješenja koje Infobip nudi često znaju biti prvi izazovi svim novim zaposlenicima. No, iako opseg sustava i tehnologija u početku mogu djelovati zahtjevno, Maria naglašava kako se upravo to s vremenom pokaže kao jedna od najvećih prednosti rada u njihovu timu.

@netokracija

Uhvatili smo dva AI istraživača iz Infobipa koji su nam otkrili što to zapravo radi AI istraživač, koje su prednosti posla i kakvu to osobu traže u svom timu. #airesearcher #airesearchscientist #infobip

♬ original sound – netokracija

Globalni utjecaj s lokalne adrese

Rezultati rada njihovog tima već su vidljivi i izvan Hrvatske kroz konkretan znanstveni doprinos u područjima relevantnima za industriju. Publikacije su im tako predstavljene na konferencijama poput Interspeecha u Rotterdamu i ACM Weba u Dubaiju, a obuhvaćaju teme poput pouzdane i glasovne umjetne inteligencije, kvalitete zvuka i obrade audio signala, kao i detekcije spama i prijevara, što izravno odgovara izazovima s kojima se susreću produkcijski komunikacijski sustavi.

Važan dio tog ekosustava čine i akademske suradnje. Infobip surađuje s institucijama u Hrvatskoj i inozemstvu, od FER-a i FIPU-a do Graz University of Technology i Illinois Institute of Technologyja čime se gradi most između znanstvenog istraživanja i industrijske primjene. Jedan od primjera takve suradnje je doktorat koji Maria trenutno provodi s Graz University of Technology.

Kroz taj model istraživači rade na stvarnim produkcijskim problemima, ali imaju i pristup vrhunskoj infrastrukturi za treniranje modela, ističe Emanuel:

Istraživači imaju pristup najnovijem hardveru za treniranje AI modela, poput NVIDIA DGX H100 ili B200 sustava koji se koriste u najzahtjevnijim okruženjima.

No rad u ovakvom okruženju ne svodi se samo na tehničku izvrsnost. Budući da se rješenja razvijaju u suradnji s inženjerskim, produktnim i poslovnim timovima, važnu ulogu imaju i komunikacijske vještine. Do izražaja tako dolazi sposobnost jasnog objašnjavanja složenih koncepata, prenošenja istraživačkih rezultata unutar timova te pretvaranja ideja u rješenja koja se mogu primijeniti u praksi i na globalnoj razini.

Svi koji se prepoznaju u takvom profilu i žele se pridružiti Emanuelovom i Marijinom timu na poziciji višeg znanstvenika za istraživanje umjetne inteligencije, više informacija o natječaju i prijavi mogu pronaći na poveznici.