RAG (Retrieval-Augmented Generation) je tehnologija koja omogućuje AI-ju (poput ChatGPT-a ili Claude-a) da odgovara na pitanja koristeći Vaše specifične podatke - dokumente, procedure, povijest klijenata, internu dokumentaciju. Razlika od običnog chatbota: chatbot zna samo ono što je naučio u treniranju, RAG zna i sve što mu Vi pokažete iz Vaših sustava. Tipični trošak implementacije: €5.000-€30.000+ ovisno o opsegu, s tipičnim ROI-jem od 5-20 sati tjedno uštede za prosječnu malu/srednju tvrtku.
Ovaj članak razlaže kako RAG stvarno radi, gdje donosi vrijednost, i kako razmišljati o implementaciji za Vaše poslovanje.
Kako RAG radi - bez tehničkog žargona
Standardni AI (ChatGPT, Claude) zna sve do datuma kad je treniran. Ne zna Vaše interne dokumente, ne zna povijest Vaših klijenata, ne zna Vaše procedure.
RAG dodaje dva nova koraka:
Korak 1: Pretraživanje. Kada postavite pitanje, sustav prvo pretražuje Vaše dokumente (ne sve, samo relevantne dijelove).
Korak 2: Augmentacija. Pronađeni relevantni dijelovi se daju AI-ju kao kontekst, zajedno s Vašim pitanjem.
Korak 3: Generiranje. AI generira odgovor na osnovu pitanja + dokumenata.
Rezultat: AI koji “zna” Vaše specifične podatke i odgovara o njima točno.
Konkretni primjeri primjene u poslovanju
Šest najvrijednijih primjera RAG-a u SME-ovima:
1. Interna baza znanja
Primjer: Zaposleni pita “kako se obrađuje povrat robe u našoj firmi?”. RAG sustav traži kroz Vaše procedure i odgovara s točnim koracima, citirajući izvor.
Vrijednost: 5-15 sati tjedno uštede po HR-u i operativcima koji više ne moraju odgovarati na ista pitanja.
Trošak: €5.000-€15.000.
2. Pametna podrška klijentima
Primjer: Klijent pita “kako instalirati uslugu X?”. RAG sustav pretražuje Vaše instalacijske vodiče, FAQ-ove i povijest podrške, i daje točan odgovor.
Vrijednost: 60-80% upita rješava se automatski, ostali idu pravoj osobi s kontekstom.
Trošak: €8.000-€25.000.
3. Sales asistent
Primjer: Prodavač u razgovoru s klijentom pita “kakvu smo cijenu dali sličnoj tvrtki prošle godine?”. RAG sustav pretražuje povijest ponuda, narudžbi i ugovora, daje precizan odgovor.
Vrijednost: Prodavači imaju trenutni pristup svom kontekstu, ne čekaju kolege ili admine.
Trošak: €10.000-€30.000.
4. Pravna i compliance asistencija
Primjer: Voditelj pita “smijemo li čuvati podatke X dulje od Y godina?”. RAG sustav pretražuje GDPR dokumentaciju, vlastite politike i pravne savjete, i daje obrazloženi odgovor.
Vrijednost: Brže donošenje odluka, manje grešaka, audit trail svih konzultacija.
Trošak: €15.000-€40.000.
5. Tehnička dokumentacija
Primjer: Developer pita “kako naša API integracija sa sustavom X radi?”. RAG sustav pretražuje tehničku dokumentaciju, code commentare i Slack povijest, daje precizan odgovor.
Vrijednost: Onboarding novih developera 2-3x brži, manje “tribal knowledge” rizika.
Trošak: €10.000-€25.000.
6. Edukacijski asistent
Primjer: Novi zaposleni pita “koje su naše glavne usluge i kako se međusobno razlikuju?”. RAG sustav koristi Vaše marketinške materijale, prezentacije i interne dokumente za personalizirano onboarding objašnjenje.
Vrijednost: Brži onboarding, dosljedna informacija svim novim ljudima.
Trošak: €5.000-€15.000.
Što RAG NE radi (a chatbot ljudi često očekuju da hoće)
Iskreno o ograničenjima:
- Ne donosi odluke. Daje informaciju, korisnik odlučuje.
- Ne izvršava akcije. Za to trebaju AI agenti (vidi naš članak).
- Ne radi savršeno. Tipično 85-95% točnih odgovora. Trebate plan za ostale 5-15%.
- Ne nadograđuje se automatski. Ako se dokumenti mijenjaju, sustav treba refresh.
Najbolja praksa: RAG kao “asistent” koji ubrzava ljudski rad, ne zamjenjuje ga u potpunosti.
Što stvarno utječe na cijenu
Sedam najvažnijih faktora:
- Količina dokumenata. 100 stranica vs 100.000 stranica - različit projekt.
- Format dokumenata. PDF, Word, Confluence, SharePoint, baze podataka - svaki izvor ima svoju logiku integracije.
- Aktualnost dokumenata. Statički (objavljujemo jednom) ili dinamički (povezuje se na sustav koji se mijenja)?
- Privatnost podataka. Smije li ići u oblak (jeftinije) ili mora biti self-hosted (skuplje)?
- Broj korisnika. 10 korisnika ili 1.000? AI API troškovi rastu s volumenom.
- Razina personalizacije. Generičan odgovor ili prilagođen ulozi korisnika?
- Integracije. Stand-alone aplikacija ili integriran u postojeći CRM/ERP/Slack?
Tipičan raspon: €5.000 za jednostavan setup, €30.000+ za enterprise rješenje s velikim brojem izvora i strogim sigurnosnim zahtjevima.
Mjesečni troškovi nakon implementacije
Često zanemareni dio. RAG ima dva tipa mjesečnih troškova:
1. AI API troškovi (varijabilno):
- Claude, GPT, Gemini - oko €0.001-€0.05 po pitanju, ovisno o veličini dokumenata
- Mala tvrtka s 200 pitanja dnevno: €30-€200/mjesec
- Srednja tvrtka s 2.000 pitanja dnevno: €300-€2.000/mjesec
2. Infrastruktura (fiksno):
- Vector baza (Pinecone, Weaviate) ili self-hosted: €0-€500/mjesec
- Hosting i monitoring: €50-€300/mjesec
Realan mjesečni trošak za malu/srednju tvrtku: €100-€800/mjesec za standardno korištenje.
Privatnost podataka - tri pristupa
Ako Vaši dokumenti sadrže osjetljive informacije:
1. Cloud API (Claude Enterprise, GPT Enterprise, Gemini)
- Najlakše implementacija
- Podaci nisu korišteni za treniranje modela
- GDPR-usklađeno
- Trošak: €15-€60 po korisniku mjesečno
2. Self-hosted open-source modeli (Llama, Mistral)
- Podaci nikad ne napuštaju Vašu infrastrukturu
- Niža kvaliteta odgovora (10-30% loših)
- Veći inicijalni trošak (hardware), ali bez API troškova
- Pravo rješenje za vrlo osjetljive podatke
3. Hibridni pristup
- Generičke informacije idu u cloud API (bolja kvaliteta)
- Osjetljive lokalno (sigurnost)
- Razvojni partner mora pravilno designirati
Često postavljana pitanja
Trebamo li imati savršenu dokumentaciju prije nego implementiramo RAG? Ne. Možete početi s onim što imate, sustav će ipak biti koristan. Putuju kroz vrijeme - što više dokumentacije dodate, bolji rezultati.
Što ako RAG da pogrešan odgovor? Dobar RAG sustav citira izvor, pa korisnik može provjeriti. Plus, treba imati feedback mehanizam da označite pogrešne odgovore za buduće poboljšanje.
Možemo li dodati nove dokumente jednostavno? Da. Drag-and-drop u admin panel, sustav automatski indeksira i koristi.
Koliko traje implementacija? Mali RAG (jednostavna baza znanja): 4-6 tjedana. Srednji: 8-12 tjedana. Veliki s mnogo izvora: 12-20 tjedana.
Razmišljate o RAG-u?
Dogovorite besplatan Discovery razgovor. Pregledamo Vaše procese i postojeću dokumentaciju, identificiramo gdje je najveća priliku za RAG, i predložimo realan plan implementacije.
Javite nam se na [email protected] ili kroz formu na našoj stranici.