Vrhunska AI istraživanja više nisu rezervirana samo za Silicijsku dolinu, danas se odvijaju i u Hrvatskoj. Razgovarali smo s Infobipovim AI istraživačkim timom koji razvija sustave za globalnu komunikacijsku infrastrukturu i trenutačno traži pojačanje.
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
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.
