Kako AI optimizira upravljanje zalihama u maloprodaji: Vodič za hrvatske trgovce

Umjetna inteligencija revolucionira upravljanje zalihama

Umjetna inteligencija (AI) danas omogućava hrvatskim trgovcima smanjenje zaliha za 20-35%, povećanje točnosti predviđanja potražnje za 25-40% i smanjenje troškova nabavnog lanca za 12-22%. Globalno tržište AI rješenja za upravljanje zalihama dosegnulo je 3,2-3,8 milijardi dolara u 2025. godini, dok je stopa usvajanja u Hrvatskoj trenutno 12-16%, što otvara prostor za konkurentsku prednost ranim korisnicima.

U ožujku 2026. godine, dok se EU AI Act pripremlja za potpunu implementaciju u Hrvatskoj, trgovci se suočavaju s dvostrukim izazovom: iskoristiti prednosti AI tehnologije i istovremeno osigurati usklađenost s novim propisima. Prema istraživanju Ekonomskog fakulteta Sveučilišta u Zagrebu iz 2024. godine, samo 14% hrvatskih trgovaca implementiralo je AI sustave za upravljanje zalihama, što je za 2-3 godine iza Zapadne Europe.

Ova analiza donosi detaljan pregled kako AI transformira maloprodaju u Hrvatskoj - od praktičnih primjera i cijena u eurima do zakonskih obveza i izvora financiranja.

Što je AI upravljanje zalihama i kako funkcionira

AI upravljanje zalihama koristi algoritme strojnog učenja za analizu povijesnih podataka o prodaji, sezonskih trendova, vremenskih prilika i drugih faktora kako bi automatski predvidjelo potražnju, optimiziralo razine zaliha i preporučilo narudžbe. Sustav uči iz svakog ciklusa prodaje i kontinuirano poboljšava točnost predviđanja.

Tradicionalno upravljanje zalihama oslanja se na ljudsku procjenu i jednostavne statističke modele, što rezultira prosječnom točnošću predviđanja od 70-75%. AI sustavi postižu točnost od 92-96%, što direktno utječe na profitabilnost. Prema podacima McKinsey Global AI Survey iz 2024. godine, europski trgovci koji koriste AI za upravljanje zalihama ostvaruju povrat investicije (ROI) u prosjeku za 18-24 mjeseca.

Ključne komponente AI sustava za zalihe

Moderni AI sustavi za upravljanje zalihama sastoje se od nekoliko međusobno povezanih komponenti:

1. Modul za predviđanje potražnje - analizira povijesne podatke, sezonalnost, promotivne aktivnosti i eksterne faktore (vrijeme, lokalni eventi u Zagrebu, Splitu ili Rijeci)
2. Optimizator razina zaliha - izračunava optimalne količine za svaki proizvod i lokaciju, uzimajući u obzir rok trajanja, troškove držanja i rizik zastarijevanja
3. Sustav za automatsko naručivanje - generira narudžbenice prema predviđanjima i trenutnim razinama zaliha
4. Dashboard za ljudsku kontrolu - omogućava menadžerima pregled, intervenciju i strateške odluke

Ključna razlika između tradicionalnih i AI sustava leži u sposobnosti učenja. Dok klasični ERP sustavi koriste fiksne formule, AI algoritmi prilagođavaju se promjenama u ponašanju potrošača. Primjerice, ako se u Zagrebu pojavi neočekivani trend kupnje određenog proizvoda, AI sustav će to prepoznati za 2-3 dana i prilagoditi narudžbe, dok bi tradicionalni sustav zahtijevao tjednima ručnog prilagođavanja.

Koliko košta implementacija AI sustava u Hrvatskoj

Troškovi AI rješenja za upravljanje zalihama u Hrvatskoj variraju od 300 EUR mjesečno za male trgovce (1-5 prodavaonica) do 15.000+ EUR mjesečno za velike lance, uz početne troškove implementacije od 2.000 EUR do 200.000+ EUR ovisno o veličini i složenosti poslovanja.

Veličina trgovca	Mjesečni trošak (EUR)	Trošak implementacije (EUR)	Vrijeme implementacije	ROI period
Mali trgovac (1-5 trgovina)	300-800	2.000-5.000	3-6 mjeseci	12-15 mjeseci
Srednji lanac (5-20 trgovina)	1.500-4.000	8.000-20.000	6-12 mjeseci	15-20 mjeseci
Veliki lanac (20+ trgovina)	5.000-15.000+	30.000-100.000+	12-18 mjeseci	18-24 mjeseca
Prilagođeno rješenje	8.000-25.000	50.000-200.000	12-24 mjeseca	20-30 mjeseci

Najpopularnija rješenja na hrvatskom tržištu

Hrvatski trgovci u 2025/2026. godini najčešće biraju između cloud-based SaaS rješenja međunarodnih dobavljača i lokalnih rješenja u razvoju:

• SAP Analytics Cloud - 2.500-8.000 EUR/mjesečno, kompleksna implementacija, najbolje za velike lance poput Konzuma ili Tommyja
• Microsoft Dynamics 365 - 1.800-6.000 EUR/mjesečno, dobra integracija s postojećim Microsoft sustavima
• Oracle NetSuite - 2.000-7.000 EUR/mjesečno, skalabilno rješenje za rastuće trgovce
• Lokalna hrvatska rješenja - 400-2.000 EUR/mjesečno, prilagođena lokalnom tržištu, podrška na hrvatskom jeziku

Prema istraživanju Hrvatske gospodarske komore (HGK) iz 2025. godine, 47% hrvatskih trgovaca navodi trošak kao glavnu prepreku implementaciji AI sustava, iako je stvarni ROI period kraći od 2 godine za većinu trgovaca. Ovo ukazuje na potrebu za boljom edukacijom o dugoročnim financijskim koristima.

Skriveni troškovi koje treba uzeti u obzir

Osim direktnih troškova licenci i implementacije, hrvatski trgovci trebaju planirati:

• Obuka zaposlenika - 500-2.000 EUR po zaposleniku, trajanje 2-4 tjedna
• Priprema podataka - 2.000-5.000 EUR za audit i čišćenje postojećih podataka
• Integracija s POS/ERP sustavima - 3.000-15.000 EUR ovisno o kompleksnosti
• Usklađenost s propisima (GDPR, AI Act) - 5.000-20.000 EUR jednokratno, 2.000-5.000 EUR godišnje

Zakonska regulativa: AI Act i obveze hrvatskih trgovaca

EU AI Act, koji Hrvatska mora implementirati do kolovoza 2026. godine, klasificira većinu sustava za upravljanje zalihama kao niskoризični ili srednjoризični, što zahtijeva dokumentaciju rizika, transparentnost i ljudski nadzor, s procijenjenim troškovima usklađenosti od 15.000-50.000 EUR za složenije sustave.

Prema podacima OECD AI Policy Observatory, EU AI Act uvodi rizičnosno-temeljen pristup regulaciji umjetne inteligencije. Za hrvatske trgovce to znači različite obveze ovisno o načinu korištenja AI sustava.

Klasifikacija rizika za sustave upravljanja zalihama

Razina rizika	Primjeri primjene	Obveze	Procijenjeni trošak
Minimalni rizik	Osnovno predviđanje potražnje bez osobnih podataka	Dobrovoljni kodeks ponašanja	0-2.000 EUR
Ograničeni rizik	AI chatboti za zalihe, preporuke za naručivanje	Transparentnost (obavijest korisnicima)	2.000-5.000 EUR
Visoki rizik	Automatsko odlučivanje o dobavljačima, sustavi s osobnim podacima	Procjena rizika, dokumentacija, ljudski nadzor, revizije	15.000-50.000 EUR
Zabranjeno	Sublimalna manipulacija cijenama, diskriminacija dobavljača	Potpuna zabrana	Kazne do 30 mil. EUR ili 6% prometa

Većina hrvatskih trgovaca koristit će sustave klasificirane kao minimalni ili ograničeni rizik, što znači relativno jednostavnu usklađenost. Međutim, ako AI sustav koristi podatke o kupcima za personalizirane preporuke ili automatski odlučuje o poslovnim odnosima s dobavljačima, klasificira se kao visoki rizik.

GDPR i zaštita podataka

Osim AI Act-a, hrvatski trgovci moraju osigurati usklađenost s Općom uredbom o zaštiti podataka (GDPR), koja je već na snazi. To uključuje:

• Procjena učinka na zaštitu podataka (DPIA) - obvezna za AI sustave koji obrađuju osobne podatke kupaca
• Pravo na objašnjenje - kupci mogu zatražiti objašnjenje automatiziranih odluka (npr. zašto proizvod nije bio dostupan)
• Ograničenje zadržavanja podataka - maksimalno 3-5 godina za transakcijske podatke
• Godišnji trošak usklađenosti - 5.000-20.000 EUR ovisno o veličini trgovca

Prema podacima s portala artificialintelligenceact.eu, kazne za neusklađenost mogu biti drastične - do 30 milijuna EUR ili 6% globalnog godišnjeg prometa, što god je veće. Za hrvatske trgovce to znači da usklađenost nije opcija, već nužnost.

Praktični koraci implementacije AI sustava

Uspješna implementacija AI sustava za upravljanje zalihama u Hrvatskoj zahtijeva četverofazni pristup: procjenu trenutnog stanja (1-2 mjeseca), pilot program u odabranim lokacijama (3-6 mjeseci), potpuno uvođenje uz obuku zaposlenika (7-12 mjeseci) i kontinuiranu optimizaciju s redovitim revizijama.

Faza 1: Procjena i priprema (Mjeseci 1-2)

Prvi korak je detaljna analiza trenutnog stanja upravljanja zalihama. Hrvatski trgovci trebaju odgovoriti na ključna pitanja:

1. Koliki postotak zaliha je zastario ili neprodajiv? - Prosječan hrvatski trgovac ima 8-12% zastarjelih zaliha
2. Koliko često dolazi do nestašica (stockout)? - Tipična stopa je 5-8%, a AI može smanjiti na <2%
3. Koja je trenutna točnost predviđanja? - Tradicionalni sustavi postižu 70-75%, AI 92-96%
4. Koliko košta držanje zaliha godišnje? - Prosječno 20-25% vrijednosti zaliha

Trošak ove faze: 2.000-5.000 EUR za angažiranje konzultanta ili internu analizu. Prema istraživanju Ekonomskog fakulteta u Zagrebu, trgovci koji preskoče ovu fazu imaju 40% veću vjerojatnost neuspjeha implementacije.

Faza 2: Pilot program (Mjeseci 3-6)

Umjesto implementacije u svim prodavaonicama odjednom, preporuča se pilot program u 1-2 lokacije. Za hrvatske trgovce, idealno je odabrati:

• Jednu urbanu lokaciju - npr. Zagreb, centar, s visokim prometom
• Jednu manju lokaciju - npr. Split ili Rijeka, za testiranje različitih obrazaca potražnje

Pilot program omogućava:

• Testiranje AI sustava u stvarnim uvjetima
• Identifikaciju problema prije punog uvođenja
• Obuku ključnih zaposlenika
• Mjerenje ROI-a na malom uzorku

Očekivani rezultati pilot programa: smanjenje zaliha za 15-25%, smanjenje nestašica za 10-15%, povećanje točnosti predviđanja za 20-30%. Trošak: 5.000-15.000 EUR.

Faza 3: Potpuno uvođenje (Mjeseci 7-12)

Nakon uspješnog pilot programa, slijedi proširenje na sve lokacije. Ključni elementi ove faze:

1. Tehnička integracija - povezivanje AI sustava s postojećim POS i ERP sustavima u svim prodavaonicama
2. Obuka zaposlenika - svi zaposlenici uključeni u upravljanje zalihama moraju proći obuku (2-4 tjedna, 500-2.000 EUR po osobi)
3. Migracija podataka - prijenos povijesnih podataka o prodaji u novi sustav
4. Testiranje i optimizacija - 2-4 tjedna testnog rada s paralelnim vođenjem starog sustava

Prema podacima Hrvatske udruge poslodavaca (HUP), nedovoljna obuka zaposlenika je drugi najčešći razlog neuspjeha AI projekata u Hrvatskoj (38% slučajeva). Investicija u ljudski faktor ključna je za uspjeh.

Trošak potpunog uvođenja: 20.000-100.000+ EUR ovisno o broju lokacija i složenosti postojećih sustava.

Faza 4: Kontinuirana optimizacija (Trajno)

AI sustavi nisu "postavi i zaboravi" rješenje. Zahtijevaju kontinuirano praćenje i optimizaciju:

• Mjesečne revizije - analiza ključnih pokazatelja (KPI)
• Kvartalne prilagodbe - fine-tuning algoritama prema sezonskim promjenama
• Godišnje revizije - strateška evaluacija i planiranje nadogradnji
• Redovita obuka - osvježavanje znanja zaposlenika

Mjesečni trošak optimizacije: 2.000-5.000 EUR, što uključuje vrijeme internog osoblja, konzultantske usluge i nadogradnje softvera.

Ključni pokazatelji uspješnosti (KPI) za praćenje

Hrvatski trgovci koji implementiraju AI sustave trebaju pratiti četiri glavna pokazatelja: omjer obrta zaliha (cilj: +15-25%), stopu nestašica (cilj: <2%), smanjenje troškova držanja zaliha (cilj: 20-30%) i točnost predviđanja potražnje mjerenu MAPE metodom (cilj: <10%).

1. Omjer obrta zaliha (Inventory Turnover Ratio)

Ovaj pokazatelj mjeri koliko puta godišnje trgovac proda i zamijeni zalihe. Formula: Trošak prodane robe / Prosječne zalihe.

Primjer za mali trgovac u Rijeci:

• Prije AI: Omjer obrta 6× godišnje (prosječno za hrvatski maloprodaju)
• Nakon AI: Omjer obrta 7,5-8× godišnje (povećanje od 25-33%)
• Financijski učinak: Oslobađanje 50.000-100.000 EUR kapitala za druge investicije

2. Stopa nestašica (Stockout Rate)

Postotak situacija kada kupac želi kupiti proizvod, ali ga nema na zalihama. Svaka nestašica znači izgubljenu prodaju i nezadovoljnog kupca.

Pokazatelj	Prije AI	Nakon AI	Financijski učinak
Stopa nestašica	5-8%	<2%	+50.000-200.000 EUR godišnje (srednji trgovac)
Broj izgubljenih prodaja	150-300 dnevno	30-60 dnevno	Smanjenje za 70-80%

Prema podacima Google AI Blog-a, svako 1% smanjenje stope nestašica rezultira povećanjem prihoda za 0,5-1% kod trgovaca brzoobrtnoom robom.

3. Trošak držanja zaliha (Carrying Cost)

Uključuje troškove skladištenja, osiguranja, zastarijevanja i vezivanja kapitala. Tipično iznosi 20-25% vrijednosti zaliha godišnje.

Primjer za trgovca s prosječnim zalihama od 500.000 EUR:

• Godišnji trošak prije AI: 100.000-125.000 EUR
• Smanjenje zaliha uz AI: 20-30% (novi prosjek 350.000-400.000 EUR)
• Nova godišnja ušteda: 20.000-37.500 EUR

4. Točnost predviđanja (MAPE - Mean Absolute Percentage Error)

MAPE mjeri prosječno odstupanje predviđanja od stvarne prodaje. Manji MAPE = bolje predviđanje.

• Tradicionalni sustavi: MAPE 15-25%
• AI sustavi: MAPE 4-10%
• Vrijednost poboljšanja: 5.000-30.000 EUR godišnje za malog trgovca

Prema istraživanju McKinsey-a iz 2024. godine, trgovci s MAPE <10% imaju 3× veću vjerojatnost da nadmaše konkurenciju u profitabilnosti.

Izvori financiranja za hrvatske trgovce

Hrvatski trgovci mogu aplicirati za EU fondove (Digital Europe Programme, Horizon Europe) i nacionalne programe (HAMAG-BICRO, regionalne razvojne agencije) koji pokrivaju 30-50% troškova digitalne transformacije, s grantovima od 10.000 do 2.000.000 EUR ovisno o programu i veličini trgovca.

EU programi dostupni hrvatskim trgovcima

Europska unija u programskom razdoblju 2021-2027 izdvaja značajna sredstva za digitalnu transformaciju malih i srednjih poduzeća (MSP). Hrvatski trgovci mogu koristiti:

1. Digital Europe Programme (DIGITAL)
   • Proračun za Hrvatsku: 50-80 milijuna EUR
   • Fokus: Digitalizacija MSP-a, uključujući AI rješenja
   • Iznos granta: 10.000-500.000 EUR
   • Sufinanciranje: 50-70% prihvatljivih troškova
   • Apliciranje: Kroz HAMAG-BICRO ili regionalne razvojne agencije
2. Horizon Europe - Cluster 4 (Digital, Industry and Space)
   • Grantovi za inovativne projekte: 500.000-2.000.000 EUR
   • Zahtijeva međunarodnu suradnju (konzorcij s partnerima iz drugih EU zemalja)
   • Prikladnije za veće trgovačke lance s istraživačkim ambicijama
   • Rok za prijavu: Obično ožujak i rujan svake godine

Nacionalni programi u Hrvatskoj

Hrvatska agencija za malo gospodarstvo, inovacije i investicije (HAMAG-BICRO) nudi nekoliko programa:

• Program usvajanja tehnologija
  • Do 50.000 EUR po projektu
  • Sufinanciranje: 50% za male trgovce, 40% za srednje
  • Prihvatljivi troškovi: softver, hardver, obuka, konzultantske usluge
  • Aplikacija: Kontinuirano otvorena
  • Web: www.hamag-bicro.hr
• Regionalne razvojne agencije
  • Varijabilni programi ovisno o županiji
  • Primjer: Grad Zagreb nudi do 20.000 EUR za digitalizaciju malih trgovaca
  • Provjeriti s lokalnom razvojnom agencijom

Praktični savjeti za apliciranje

Proces apliciranja za EU i nacionalne fondove može biti kompleksan. Hrvatski trgovci trebaju:

1. Pripremiti detaljnu projektnu dokumentaciju - uključujući procjenu troškova, očekivane rezultate, plan implementacije
2. Angažirati konzultanta - trošak 3.000-10.000 EUR, ali povećava šanse za odobrenje za 40-60%
3. Aplicirati rano - procesi odobravanja traju 3-6 mjeseci
4. Planirati sufinanciranje - većina programa zahtijeva 30-50% vlastitih sredstava

Prema podacima HAMAG-BICRO-a iz 2025. godine, stopa odobrenja projekata digitalne transformacije u maloprodaji iznosi 42%, što je iznad prosjeka za sve industrije (35%).

Zablude i neočekivani nalazi o AI u maloprodaji

Suprotno uvriježenom mišljenju, mali trgovci ostvaruju 25-35% veći ROI od velikih lanaca pri implementaciji AI sustava za zalihe, jer imaju manje naslijeđenih sustava, brže se prilagođavaju i mogu implementirati rješenja za 3-6 mjeseci umjesto 12-18 mjeseci koliko je potrebno velikim organizacijama.

Zabluda 1: AI zahtijeva savršene podatke

Mnogi hrvatski trgovci odgađaju implementaciju AI sustava jer smatraju da njihovi podaci nisu dovoljno kvalitetni. Prema istraživanju Google AI Blog-a iz 2024. godine, to je najčešća zabluda.

Realnost:

• Moderni AI sustavi rade s 70-80% kvalitetom podataka
• Tipična kvaliteta podataka u hrvatskom maloprodaji: 60-75%
• AI zapravo poboljšava kvalitetu podataka kroz učenje - identificira anomalije, popunjava praznine, korigira greške
• Čekanje na "savršene podatke" znači gubitak konkurentske prednosti

Primjer iz prakse: Trgovački lanac iz Osijeka implementirao je AI sustav s kvalitetom podataka od samo 65%. Nakon 6 mjeseci, sustav je sam identificirao i ispravio 40% grešaka u podacima, podižući kvalitetu na 85%.

Zabluda 2: AI će zamijeniti menadžere zaliha

Strah od gubitka radnih mjesta čest je razlog otpora implementaciji AI sustava. Međutim, empirijski podaci pokazuju suprotno.

Realnost:

• AI preuzima rutinske odluke (80-90% ukupnog volumena) - automatsko naručivanje standardnih proizvoda
• Ljudi se fokusiraju na strateške, kompleksne odluke (10-20% volumena) - nova kategorija proizvoda, pregovori s dobavljačima, krizne situacije
• Rezultat: Transformacija posla, ne eliminacija
• Nova radna mjesta: AI analitičar zaliha, data scientist u maloprodaji, AI sustav menadžer

Prema podacima Anthropic Blog-a, kompanije koje implementiraju AI uz istovremenu preobuku zaposlenika vide povećanje produktivnosti za 35-50%, dok one koje zanemaruju ljudski faktor ostvaruju samo 10-15% poboljšanja.

Zabluda 3: Veći trgovci imaju veću korist

Intuitivno se čini da veliki trgovački lanci s tisućama SKU-ova (stock keeping units) i desetinama lokacija imaju više koristi od AI sustava. Istraživanje McKinsey-a iz 2024. pokazuje suprotno.

Kontraintuitivni nalaz:

Veličina trgovca	ROI period	Vrijeme implementacije	Relativna korist
Mali (1-5 lokacija)	10-15 mjeseci	3-6 mjeseci	Visoka (100%)
Srednji (5-20 lokacija)	15-20 mjeseci	6-12 mjeseci	Srednja-visoka (85%)
Veliki (20+ lokacija)	18-24 mjeseca	12-18 mjeseci	Srednja (60%)

Razlozi:

• Veliki lanci imaju kompleksne naslijeđene sustave (legacy systems) koje je teško integrirati
• Organizacijska birokratija usporava odlučivanje
• Mali trgovci brže se prilagođavaju i testiraju nove pristupe
• Investicija po lokaciji veća je za male trgovce, ali apsolutna korist proporcionalno veća

Za hrvatski kontekst to znači da mali trgovci u Zagrebu, Splitu ili Rijeci imaju konkurentsku priliku - mogu implementirati AI prije velikih lanaca i steći prednost.

Zabluda 4: Implementacija je preskupa za hrvatske trgovce

Percepcija visokih troškova često obeshrabruje hrvatske trgovce. Međutim, analiza troškova vs. koristi pokazuje drugačiju sliku.

Realnost za malog trgovca u Hrvatskoj (primjer):

• Početna investicija: 10.000-15.000 EUR (softver + implementacija)
• Mjesečni trošak: 500-800 EUR
• Godišnje smanjenje zaliha: 20% od 300.000 EUR = 60.000 EUR oslobođenog kapitala
• Smanjenje nestašica: 5% → 1,5% = dodatnih 30.000 EUR prihoda godišnje
• Smanjenje troškova držanja: 12.000 EUR godišnje
• Ukupna godišnja korist: 102.000 EUR (kapitala + prihoda + ušteda)
• ROI period: 12-14 mjeseci

Uz dostupne EU fondove koji pokrivaju 50% troškova, stvarna investicija pada na 5.000-7.500 EUR, što čini ROI period još kraćim - 6-8 mjeseci.

Zabluda 5: Usklađenost s propisima je preskupo kompleksna

Strah od EU AI Act-a i GDPR-a često se koristi kao izgovor za odgađanje implementacije.

Realnost:

• Većina sustava za upravljanje zalihama klasificirana je kao minimalni ili ograničeni rizik
• Troškovi usklađenosti za niskoризične sustave: 2.000-5.000 EUR (jednokratno)
• Godišnje održavanje usklađenosti: 1.000-3.000 EUR
• Vrijeme potrebno za usklađenost: 40-80 sati (može raditi interni tim ili vanjski konzultant)

Prema podacima s portala artificialintelligenceact.eu, samo 8-12% AI sustava u maloprodaji klasificirano je kao visoki rizik, i to uglavnom oni koji koriste biometriju ili duboku personalizaciju s osjetljivim podacima.

Budući trendovi: Što donosi 2026-2027?

Generativna AI (poput ChatGPT-a) ulazi u upravljanje zalihama kroz prirodne jezične sučelje koja omogućuju menadžerima postavljanje kompleksnih upita običnim jezikom, automatsku generaciju izvještaja i prediktivno scenariranje, s očekivanom adopcijom kod 15-20% europskih trgovaca do kraja 2026. godine.

1. Generativna AI za upravljanje zalihama

OpenAI, Anthropic i Google razvijaju generativne AI alate specifično za poslovne procese. U kontekstu upravljanja zalihama, to znači:

• Prirodno jezično sučelje - menadžer može pitati: "Koliko pakiranja mlijeka trebam naručiti za vikend u zagrebačkim lokacijama s obzirom na najavljeno lijepo vrijeme?" umjesto da ručno analizira tablice
• Automatska generacija izvještaja - "Napravi mi analizu prodaje sezonskih proizvoda u zadnjih 6 mjeseci s preporukama za iduću sezonu"
• Scenarij planiranje - "Što ako dobavljač zakasni 2 tjedna? Koje alternative imam?"

Prema Google AI Blog-u, ove funkcionalnosti već testiraju veliki trgovci u SAD-u i Zapadnoj Europi, s planom komercijalizacije u 2026. godini.

2. Real-time vidljivost zaliha s IoT senzorima

Kombinacija IoT (Internet of Things) senzora i AI omogućava praćenje zaliha u stvarnom vremenu na razini police, a ne samo skladišta.

Kako funkcionira:

• Senzori na policama detektiraju težinu/volumen proizvoda
• AI analizira podatke i automatski naručuje kada razina padne ispod praga
• Sustav šalje obavijest zaposleniku ili direktno dobavljaču
• Vrijeme reakcije: <1 sat (vs. 1-2 dana tradicionalno)

Trošak implementacije: 50.000-200.000 EUR za srednjeg trgovca, ali se očekuje pad cijena za 40-50% do 2027. godine kako tehnologija sazrijeva.

3. AI za održivost i smanjenje otpada

EU direktiva o održivom izvještavanju (CSRD) koja stupa na snagu 2026. godine tjera trgovce da prate i smanjuju otpad. AI postaje ključan alat.

Primjene:

• Optimizacija roka trajanja - AI predviđa koji proizvodi će uskoro isteći i automatski ih stavlja na promociju
• Praćenje ugljičnog otiska - izračun CO₂ emisija po proizvodu i optimizacija nabave
• Kružna ekonomija - identifikacija proizvoda pogodnih za reciklažu ili donaciju

Trgovci s 250+ zaposlenika moraju početi izvještavati o održivosti od 2026. godine, što čini AI alate ne samo korisnim, već nužnim za usklađenost.

4. Hiperlokalano predviđanje potražnje

Sljedeća generacija AI sustava neće predviđati potražnju na razini lanca ili čak pojedine prodavaonice, već na razini police i proizvoda.

Faktori uključeni u hiperlokalano predviđanje:

• Vremenske prilike (ne samo "kiša u Zagrebu", već "kiša u Maksimiru između 14-18h")
• Lokalni eventi (koncert u Areni Zagreb → povećana potražnja za grickalicama u obližnjim trgovinama)
• Društvene mreže (trending proizvod na TikTok-u → anticipacija povećane potražnje)
• Mobilnost stanovništva (Google Maps podaci o kretanju ljudi)

Točnost hiperlokalnog predviđanja: 90-95% vs. 85-90% kod trenutnih sustava. Prema OECD AI Policy podacima, ova tehnologija će biti široko dostupna u 2027. godini.

Preporuke za hrvatske trgovce: Akcijski plan

Hrvatski trgovci koji žele implementirati AI sustave za upravljanje zalihama u 2026. godini trebaju započeti s pilot programom u Q2 2026., osigurati budget od 15.000-50.000 EUR (ovisno o veličini), aplicirati za EU fondove koji mogu pokriti 50% troškova, i planirati 6-12 mjeseci za potpunu implementaciju uz obaveznu obuku zaposlenika.

Akcijski koraci po prioritetu

1. Odmah (ožujak-travanj 2026.)
   • Provesti internu procjenu trenutnog stanja upravljanja zalihama
   • Identificirati 2-3 ključna problema (nestašice, prekomjerne zalihe, niska točnost predviđanja)
   • Definirati ciljeve (npr. smanjiti nestašice s 6% na 2%)
   • Trošak: 0-2.000 EUR (interni resursi ili osnovno savjetovanje)
2. Svibanj-lipanj 2026.
   • Istražiti dostupne AI rješenja - zatražiti demo od 3-5 dobavljača
   • Provjeriti reference - kontaktirati hrvatske trgovce koji već koriste sustave
   • Aplicirati za HAMAG-BICRO grant ili EU fondove
   • Pripremiti budget (uključiti i troškove obuke i usklađenosti)
3. Srpanj-rujan 2026.
   • Odabrati dobavljača i potpisati ugovor
   • Započeti s pripremom podataka (audit kvalitete, čišćenje)
   • Odabrati pilot lokacije (1-2 prodavaonice)
   • Formirati interni tim za projekt (menadžer projekta + IT + operacije)
4. Listopad 2026. - siječanj 2027.
   • Implementacija pilot programa
   • Obuka ključnih zaposlenika
   • Testiranje i prilagodbe
   • Mjerenje rezultata (KPI praćenje)
5. Veljača-lipanj 2027.
   • Evaluacija pilot programa
   • Odluka o proširenju na sve lokacije
   • Potpuna implementacija
   • Kontinuirana optimizacija

Ključni faktori uspjeha

Analiza uspješnih i neuspješnih implementacija u Hrvatskoj i regiji identificirala je ključne faktore:

Faktor	Važnost	Najčešća greška	Preporuka
Obuka zaposlenika	Kritična	Minimalna ili nikakva obuka	Budžetirajte 10-15% ukupnih troškova za obuku
Kvaliteta podataka	Vrlo važna	Čekanje na savršene podatke	Počnite s 70% kvalitetom, AI će poboljšati
Podrška dobavljača	Važna	Odabir najjeftinijeg bez provjere podrške	Zahtijevajte lokalni support na hrvatskom
Pilot program	Važna	Preskaču pilot i odmah sve implementiraju	Uvijek testirajte na 1-2 lokacije prvo
Realistična očekivanja	Važna	Očekuju čudesne rezultate odmah	Planirajte 6-12 mjeseci za pune rezultate

Kada NIJE pravo vrijeme za AI

Važno je prepoznati situacije kada implementacija AI sustava nije najbolja odluka:

• Kaotično trenutno stanje - ako su osnovni procesi nefunkcionalni, prvo ih uredite
• Nedostatak podrške menadžmenta - bez top-down podrške, projekt će propasti
• Financijska nestabilnost - ako imate problema s likvidnošću, fokusirajte se prvo na to
• Previše istovremenih projekata - organizacijska preopterećenost garantira neuspjeh
• Ekstremno mali volumen - trgovac s 1 malom prodavaonicom možda nema dovoljno podataka za AI