Hrvatski AI stack u EU kontekstu: zašto male zemlje moraju graditi vlastitu pamet

U vrijeme kada globalni AI divovi postavljaju tempo tehnološke evolucije, male države poput Hrvatske suočavaju se s egzistencijalnim pitanjem: hoćemo li biti puki korisnici tuđe inteligencije ili graditelji vlastite? Odgovor nije samo tehnički, već duboko strateški, ekonomski i regulatorni. Dok Europska unija kroz AI Act postavlja nove standarde za sigurnost i transparentnost, zemlje članice moraju istovremeno osigurati da njihove nacionalne specifičnosti ne budu izgubljene u globaliziranim modelima. U RiNET-u, gradeći za hrvatske javne institucije i regulatorna tijela, iz prve smo ruke iskusili koliko je izazovno, ali i neophodno, graditi AI infrastrukturu koja poštuje lokalni jezik, pravo i kulturu.

Problem s kojim se suočavamo nije jedinstven za Hrvatsku, ali je posebno akutan u malim jezičnim zajednicama. Globalni modeli, trenirani na gigantskim korpusima engleskog, kineskog i još nekoliko dominantnih jezika, za hrvatski jezik imaju tek rudimentarno razumijevanje. To nije pitanje loše volje, već ekonomije razmjera – tržište od 4 milijuna govornika jednostavno nije prioritet za Open AI ili Google. Posljedice su ozbiljne: netočni prijevodi, nerazumijevanje pravnih termina, pogrešna interpretacija lokalnih konteksta. U sektorima poput pravosuđa, zdravstva ili javne uprave, takve greške nisu samo smetnja, one su rizik od diskriminacije i kršenja zakona.

EU AI Act donosi novu paradigmu koja dodatno pojačava potrebu za suverenim AI rješenjima. Akt klasificira AI sustave prema razini rizika, a za visokorizične sustave, poput onih u javnoj upravi, zahtijeva transparentnost, objašnjivost i reviziju. Kada koristimo model treniran isključivo na podacima iz drugih jurisdikcija, kako možemo garantirati da je njegovo odlučivanje usklađeno s hrvatskim zakonima? Kako provesti audit nad crnom kutijom koju ne razumijemo? Ovo nije samo tehničko pitanje, već pitanje suvereniteta. U RiNET-u smo izabrali pristup koji počinje od podataka: umjesto da prilagođavamo naš sustav globalnom modelu, gradimo modele koji od početka razumiju hrvatski kontekst.

Ključna lekcija koju smo naučili gradeći za hrvatske institucije jest da nacionalni AI stack ne može biti samo kopija onoga što rade velike zemlje. Male države imaju jedinstvenu prednost – agilnost. Dok Njemačka ili Francuska moraju koordinirati desetke sveučilišta i ministarstava, Hrvatska može izgraditi koherentan ekosustav s nekoliko ključnih aktera. Ono što je potrebno na nacionalnoj razini jest zajednička infrastruktura koja bi uključivala nekoliko strateških komponenti. Prva je razvoj vlastitih embedding modela za hrvatski jezik. Ovi modeli, koji pretvaraju riječi u numeričke vektore, srž su svakog modernog AI sustava. Bez njih, svaki daljnji rad je improvizacija.

Druga ključna komponenta je audit infrastruktura. U svijetu nakon AI Acta, svaki sustav koji donosi odluke o građanima mora biti podložan reviziji. To zahtijeva specijalizirane alate za testiranje pristranosti, robustnosti i objašnjivosti modela. U RiNET-u smo razvili interne protokole za validaciju, ali na nacionalnoj razini trebamo institucionalni okvir. Treća komponenta je fine-tune pipeline – proces prilagodbe osnovnih modela specifičnim domenama poput prava, medicine ili financija. Bez toga, AI u javnom sektoru ostaje generički alat koji ne razumije specifičnosti hrvatskog zakonodavstva ili zdravstvenog sustava.

Posebno izazovno područje je data localization. Hrvatska, kao članica EU, podliježe GDPR-u, ali AI Act ide korak dalje zahtijevajući da podaci za trening visokorizičnih sustava budu reprezentativni za populaciju na koju se primjenjuju. To znači da ne možemo jednostavno uzeti model treniran na podacima iz SAD-a ili Njemačke i primijeniti ga na hrvatske građane. Potrebni su nam domaći datasetovi, pažljivo prikupljeni i anotirani, koji odražavaju demografsku, jezičnu i kulturnu stvarnost Hrvatske. U RiNET-u smo uložili značajne resurse u izgradnju takvih skupova podataka, radeći anonimizirano s institucijama koje razumiju važnost ovog pristupa.

Ovaj pristup razvijamo na rinet.one — za detalje slobodno se javi.

Globalna usporedba otkriva zanimljive trendove. Estonija, s populacijom sličnom Zagrebu, izgradila je jedan od najnaprednijih digitalnih društava na svijetu upravo zato što je rano shvatila da tehnološka suverenost nije luksuz, već nužnost. Njihov X-Road sustav nije samo tehnička arhitektura, već strateška odluka da kontroliraju vlastite podatke. Slično, Finska je uložila u razvoj vlastitih jezičnih modela za finski i švedski, prepoznajući da jezična suverenost izravno utječe na kvalitetu javnih usluga. Hrvatska ima priliku slijediti ovaj put, ali s jednom važnom razlikom: mi možemo učiti iz njihovih grešaka i preskočiti faze koje su se pokazale nepotrebnima.

Teorijski okvir koji stoji iza ovog pristupa je koncept tehnološkog suvereniteta, ali ne u autarkičnom smislu. Ne zagovaramo izgradnju svega od nule – to bi bilo ekonomski neodrživo i tehnološki naivno. Umjesto toga, zagovaramo stratešku autonomiju u ključnim točkama lanca vrijednosti. Embedding modeli, audit alati i fine-tune pipeline su upravo te točke – one gdje lokalni kontekst postaje kritičan. Sve ostalo, od računalne infrastrukture do osnovnih arhitektura modela, može se oslanjati na globalne resurse. Ovo nije izolacionizam, već pametna specijalizacija.

U RiNET-u smo izabrali filozofiju modularne izgradnje. Umjesto da pokušavamo stvoriti jednog monolitskog AI asistenta za sve namjene, gradimo komponente koje se mogu kombinirati i prilagođavati specifičnim potrebama. To uključuje sustave za obradu hrvatskog pravnog jezika koji razumiju razliku između obveznog i dispozitivnog propisa, alate za analizu medicinske dokumentacije koji poštuju specifičnosti hrvatskog zdravstvenog sustava, te modele za javnu upravu koji su usklađeni s lokalnim administrativnim procedurama. Svaka od ovih komponenti je sama po sebi mala, ali zajedno čine temelj za nacionalni AI ekosustav.

Izazov s kojim se suočavamo nije samo tehnički, već i organizacijski. U malim zemljama resursi su ograničeni, a konkurencija za talente žestoka. Zato je ključno izbjeći dupliciranje napora. Umjesto da svaka institucija razvija vlastiti model za hrvatski jezik, trebamo nacionalnu koordinaciju koja će definirati zajedničke standarde, dijeliti infrastrukturu i omogućiti interoperabilnost. U RiNET-u smo spremni podijeliti svoja iskustva i alate s drugim akterima, vjerujući da je suradnja jedini način da male zemlje postanu relevantne u globalnoj AI utrci.

Poziv na suradnju nije puka fraza. Suočeni smo s trenutkom u kojem odluke donesene u sljedećih nekoliko godina mogu odrediti smjer razvoja hrvatskog društva za desetljeća koja dolaze. Ako prepustimo razvoj AI isključivo tržišnim silama, riskiramo da postanemo kolonija tehnoloških divova, primjenjujući alate koji nisu dizajnirani za nas. Ako, s druge strane, izgradimo vlastite kapacitete, možemo postati primjer kako male zemlje mogu pametno i održivo integrirati AI u svoje institucije. EU AI Act nam daje regulatorni okvir, ali od nas zavisi hoćemo li ga ispuniti sadržajem.

Vizija koju dijelimo u RiNET-u je ona u kojoj hrvatski građanin komunicira s javnom upravom na svom jeziku, s punim povjerenjem da sustav razumije njegove potrebe i poštuje njegova prava. To nije znanstvena fantastika, već inženjerski izazov koji je rješiv, pod uvjetom da uložimo u zajedničku infrastrukturu. Nacionalni AI stack ne mora biti skup ni kompliciran – mora biti promišljen i usmjeren na specifične potrebe. Pozivamo sve dionike, od akademske zajednice preko javnih institucija do privatnog sektora, da se uključe u izgradnju ovog ekosustava. Jer pamet nije u veličini, već u sposobnosti da se prilagodi i sačuva ono što je vrijedno.

Ako te zanima ovakva arhitektura ili gradiš nešto slično za svoju instituciju — javi se preko rinet.one.