Model može dati predikciju. Ali može li objasniti zašto joj vjerujemo?

Ovo predavanje govori o tome šta se dešava nakon što ML model “proradi” i kako od njega napraviti pouzdan AI sistem koji se može koristiti u realnom poslovnom, finansijskom ili biomedicinskom okruženju. Fokus je na arhitekturi koja kombinuje cloud, MLOps, RAG, explainable AI i agentic AI kako bi sistem mogao povezati predikciju, relevantno znanje, objašnjenje i ljudsku kontrolu.

Kroz praktične primjere iz razvoja AI prototipa biće prikazano kako izbjeći česte greške: lažan osjećaj tačnosti, slabo validirane modele, generativna objašnjenja bez oslonca u znanju i AI sisteme koji djeluju korisno, ali nisu dovoljno provjerljivi.

Poseban fokus biće na tome kako graditi AI asistente koji ne zamjenjuju čovjeka, nego mu pomažu da brže, jasnije i odgovornije donosi odluke.

Ključna poruka predavanja je jednostavna: vrijednost AI-ja nije samo u tome da daje odgovor, nego da pokaže zašto se tom odgovoru može vjerovati.