Chatislav je AI model koji bolje razume srpski nego ChatGPT i Gemini!

Umesto da razvijaju još jedan interfejs iznad postojećih modela, iz kompanije “Meraxes Solutions & Services doo” odlučili su da grade sopstveni tehnološki stack. Rezultat je platforma, tačnije brend Chatislav, koja kombinuje više specijalizovanih modela, sopstvenu pretragu, reranking i agentsko zaključivanje – sistem koji, kako tvrde, razume kontekst poslovanja klijenta, a ne samo tekst upita. Fokus je bio na jednostavnosti implementacije, ali bez kompromisa kada je reč o dubini tehnologije.

Danas Chatislav cilja mnogo šire od lokalnog tržišta. Sa podrškom za više od 40 jezika, sopstvenim open-source modelom i razvojem glasovnih AI agenata, ambicija tima nije da ostane regionalni eksperiment, već da postane ozbiljan globalni igrač u oblasti konverzacionih AI rešenja – ali pod sopstvenim uslovima.

Sa Draganom Jovanovićem, koji je CTO pomenute kompanije, razgovarali smo upravo tome kako planiraju da ostvare ambiciozne planove, na koji način je izgledao razvoj sopstenog LLM modela – i koliko im sopstvena tehnologija daje prostora za manevrisanje u trenucima kada veliki globalni igrači diktiraju cene API-ja ili politiku privatnosti.

Kako je tekao put od ideje do realizacije Chatislava unutar vašeg tima? Kada ste shvatili da tržištu Srbije treba autohtoni AI asistent?

Dragan: Chatislav je nastao iz frustracije. Gledali smo kako firme u regionu pokušavaju da koriste globalne AI alate i udaraju u iste zidove. Loš rad sa srpskim jezikom. Nemogućnost da se sistem prilagodi specifičnim poslovnim procesima. I ono najgore, potpuna zavisnost od tuđeg API-ja koji može da promeni cenu ili pravila igre preko noći.

Nismo krenuli sa idejom “napravićemo AI agent ili chatbot platformu”. Krenuli smo od konkretnog problema: klijenti su nam tražili chatbot koji zaista razume šta kupac hoće kad piše na srpskom, koji može da pretraži njihov katalog i pruži pametan odgovor, a ne da samo “prepakuje” odgovor nekog velikog modela. Kad smo shvatili da to ne može da se reši prostim spajanjem na tuđi API, počeli smo da gradimo svoju infrastrukturu. I tu je počela priča o Chatislavu.

Rano smo doneli jednu ključnu odluku: nećemo ići od firme do firme i za svakog ponaosob raditi custom implementacije. Hteli smo da napravimo proizvod koji bilo ko može da pokrene za dva minuta, bez programerskog znanja. Firma, freelancer, hobi zanatlija, bilo ko sa web sajtom. Ulogujete se, podesite par stvari, dobijete kod koji kopirate na sajt, i to je to. Radi. Ta jednostavnost je bila cilj od samog početka, a onda smo na to nadogradili svu naprednu tehnologiju za one kojima treba više.

Ključni momenat je bio kad smo videli koliko različitih ljudi u Srbiji zapravo ima potrebu za ovakvim alatom, od malih e-commerce prodavnica do banaka, a ponuda im je bila ili preskupa, npr. američka enterprise rešenja, ili jeftini wrapperi koji ne rade kako treba sa našim jezikom i kontekstom.

Šta u praksi znači imati sopstveni tehnološki stack i gde se povlači linija između vas i globalnih wrapper rešenja?

Dragan: Razlika je u tome šta se desi kad korisnik postavi pitanje. Kod većine konkurenata, to pitanje se prosledi velikom AI modelu i vraća se odgovor. To je sve. Ako taj model ne zna ništa o vašim proizvodima ili ne razume kontekst pitanja, imate problem.

Kod nas, pre nego što korisnik uopšte dobije odgovor, pitanje prođe kroz pet različitih specijalizovanih modela koji rade reformulaciju upita, pretragu baze znanja na dva načina paralelno, rangiranje rezultata po relevantnosti, i tek onda agentsko zaključivanje i generisanje odgovora. Pet modela, pet različitih poslova, u deliću sekunde.

Wrapper rešenja ništa od ovoga nemaju. Oni pošalju pitanje, dobiju odgovor, prikažu ga. Mi imamo kompletnu infrastrukturu za razumevanje, pretragu i zaključivanje koja radi “ispod haube”.

U praksi to znači da Chatislav može da nađe tačno onaj proizvod koji kupac traži čak i kad piše neprecizno ili koristi žargon. Može da razume “trebaju mi one crvene patike do 5.000 dinara, ali ne Nike” i da isfiltrira tačan rezultat. I to radi jednako dobro na srpskom, engleskom, nemačkom ili bilo kom od 40+ jezika koje podržavamo.

A tu je i pitanje kontrole: mi kontrolišemo svoju sudbinu. Kad globalni provajder promeni cene ili ugasi neki model, mi nastavljamo da radimo jer imamo svoju infrastrukturu.

Razvili ste sopstveni LLM koji radi paralelno sa svetskim modelima. Kako izgleda ta simbioza u realnom vremenu?

Dragan: Kod nas ne postoji jedan model koji radi sve. Imamo pet specijalizovanih modela koji rade kao pipeline, i svaki ima tačno definisan posao.

Kad korisnik postavi pitanje, prvi model ga reformatira i obogaćuje tako da bude optimalan za pretragu. Zatim dva modela pretražuju bazu znanja klijenta paralelno: dense model koji razume semantiku (značenje rečenog, ne samo reči), i sparse model koji hvata tačne termine, nazive proizvoda, specifikacije.

Naš sparse model smo posebno prilagodili za multilingualnu upotrebu, sa stemmerima za preko 40 jezika, što znači da radi jednako precizno na srpskom, nemačkom ili španskom. Rezultate obe pretrage onda obrađuje naš custom reranker, kompaktan cross-encoder model sa 22 miliona parametara koji smo fine-tuneovali na sintetičkom višejezičnom dataset-u. On rangira rezultate po stvarnoj relevantnosti, ne samo po poklapanju ključnih reči. I na kraju, agentski model “razmišlja”, planira korake i generiše finalni odgovor.

Ono što veliki globalni modeli ne pokrivaju je upravo ova dubina obrade. Kad kupac napiše “jel imate nešto za kupatilo, onako modernog izgleda, a da nije preskupo”, to je nejasan upit na koji sam veliki jezički model ne zna šta da radi. Naš pipeline zna da razbije taj upit na atribute, pretraži konkretnu bazu podataka klijenta, rangira rezultate po relevantnosti i vrati precizan odgovor. To radi za bilo koji jezik i bilo koje tržište, ne samo za Srbiju.

Globalni modeli su sjajni za generalno znanje i konverzaciju. Ali kad vam treba da agent zaista razume poslovni kontekst konkretnog klijenta, pretraži njegovu bazu i donese pametnu odluku, tu naši modeli dopunjuju ono što veliki igrači ne pokrivaju.

Jedina ste firma u regionu koja je open-source-ovala instruktovan LLM. Zašto ste se odlučili na ovaj potez i kako on doprinosi vašem kredibilitetu u tech zajednici?

Dragan: Iskreno, imali smo dosta internih debata oko toga. Objaviti model znači da svako može da ga preuzme, razmontira, proceni kvalitet. Ako nije dobar, svi će to videti. To je bio rizik, ali smo smatrali da je to fer potez.

U regionu postoji dosta skepticizma kad firme kažu “imamo sopstvenu AI tehnologiju”. I sa pravom. Mnogi to koriste kao marketing frazu, a ispod haube je običan wrapper. Mi smo hteli da prekinemo taj obrazac i otvorimo karte. Evo našeg modela, preuzmite ga, testirajte, uporedite. Ako je loš, videćete. Ako je dobar, takođe.

Reakcija tech zajednice je bila pozitivna. Ljudi su model preuzimali, testirali i davali povratne informacije. To nam je zapravo pomoglo i u razvoju. Kad imate ljude spolja koji vam kažu šta radi, a šta ne, to je neprocenjivo. A za kredibilitet, ništa ne govori glasnije od javno dostupnog rada koji svako može da proveri.

Razvili ste sopstveni TTS (Text-to-Speech) model za srpski jezik. Koliko je on blizu prirodnom ljudskom govoru?

Dragan: Ako ste ikad zvali call centar i slušali onog robota koji vam slovo po slovo izgovara opcije, da, ta era je pri kraju. Barem za nas.

Naš model za pretvaranje teksta u govor je treniran specifično za srpski jezik i razlika u odnosu na to što smo imali ranije je ogromna. Govor zvuči prirodno, sa pravom intonacijom i ritmom koji je karakterističan za srpski. Nije savršeno. Savršeno bi bilo nerazlikovati od čoveka u svakoj situaciji, a tu još nismo. Ali je dovoljno dobro da korisnici u razgovoru sa našim glasovnim agentom imaju utisak da pričaju sa nekim ko zaista govori srpski i razume kontekst, a ne sa mašinom koja čita tekst.

Ovo je posebno važno za glasovne AI agente koje nudimo. Zamislite da nazovete hotel i da vas dočeka AI agent koji govori srpski tečno, razume vaše pitanje i daje koristan odgovor. Bez čekanja u redu, 24 sata dnevno. To više nije naučna fantastika, to je nešto što mi već implementiramo.

Kako je vaša unutrašnja organizacija postavljena da bi mogla da parira gigantima u pogledu R&D (istraživanja i razvoja)?

Dragan: Nemamo ni blizu toliko ljudi koliko ima neka velika firma iz Silicijumske doline. Ali imamo nešto što oni često nemaju: brzinu donošenja odluka i ljude koji su više generalisti nego uski specijalisti.

Kod nas isti inženjer koji radi na modelu za pretragu može sutra da radi na glasovnom modelu. Nema birokratije, nema mesec dana čekanja na odobrenje. Kad vidimo priliku ili problem, reagujemo odmah. To je ogromna prednost u oblasti koja se menja iz nedelje u nedelju.

Organizovani smo oko proizvoda, ne oko odeljenja. Svi rade na Chatislavu i svi razumeju celinu. To znači da kad jedan inženjer napravi poboljšanje na backendu, frontend tim već zna šta se dešava jer su u istoj priči. Nema “baci preko zida i neka drugi tim reši”.

Mi ne pokušavamo da nadmašimo gigante u svemu. Fokusiramo se na ono gde možemo da budemo bolji: inovativnost i performanse rešenja, razumevanje lokalnog tržišta, brza prilagođavanja, duboke integracije sa poslovnim procesima naših klijenata. To je naša arena i tu igramo bolje od većih timova koji pokušavaju da pokriju ceo svet odjednom.

Kakav je biznis model iza Chatislava, da li težite klasičnom SaaS pretplatničkom modelu?

Dragan: Imamo klasičan pretplatnički model sa nekoliko nivoa. Od besplatnog plana za one koji hoće da probaju, preko osnovnih i profesionalnih paketa, pa do enterprise rešenja za velike kompanije. Cene idu od besplatnog do enterprise paketa gde se dogovaramo individualno sa klijentom.

Ali ono što nas razlikuje od običnog SaaS pristupa je to što mi uspeh zaista merimo kroz rezultate klijenata. Kad e-commerce klijentu naš AI agent poveća konverziju ili kad call centar smanji broj poziva za 30–40% jer agent reši većinu upita pre nego što kupac uopšte nazove, to je prava vrednost. Pretplata je samo mehanizam naplate.

Imamo i dodatke koje klijenti mogu da dokupe: više poruka, više agenata, glasovnog AI agenta, automatsku resinhronizaciju baze znanja itd. To daje fleksibilnost da svako plati za ono što mu treba, bez forsiranja velikog paketa kad ti treba samo jedna specifična stvar.

Za veće klijente često radimo i prilagođene implementacije. Integracije sa njihovim internim sistemima, custom akcije, specifične workflow procese. Tu već prelazimo u zonu gde vrednost koju isporučujemo daleko nadmašuje mesečnu pretplatu.

Finansijske institucije i hoteli imaju ekstremno visoke standarde bezbednosti i privatnosti. Kako ste uspeli da “razbijete” barijeru ulaska u te sektore?

Dragan: Bezbednost nije nešto što smo dodali naknadno da bismo zadovoljili te klijente. Od početka smo gradili sistem sa višestrukim slojevima zaštite. Enkripcija podataka u mirovanju i transportu. Stroga kontrola pristupa sa autentifikacijom u više koraka. Automatsko skeniranje koda za ranjivosti pre svakog puštanja u produkciju.

Konkretno, imamo kompletnu izolaciju podataka između klijenata, tako da podaci jednog korisnika nikad nisu dostupni drugom. Sve komunikacije idu preko zaštićenih kanala, imamo napredne firewall sisteme i zaštitu od napada. Praćenje i alarm sistemi rade non-stop.

Ali tehničke mere su samo polovina priče. Ono što je zaista otvorilo vrata finansijskim institucijama i hotelima je mogućnost privatnog deploymenta. Mi možemo da postavimo Chatislava kompletno unutar klijentove infrastrukture, iza njihovog firewalla, na njihovim serverima. Njihovi podaci nikad ne napuštaju njihovu mrežu. Za banku, to je često uslov bez koga nema razgovora.

I onda je tu poverenje koje dolazi od toga što možemo da pokažemo sav kod i arhitekturu jer smo ga sami gradili. To daje mnogo veći nivo sigurnosti nego kad firma koristi tuđi API i ne može da garantuje gde podaci završavaju. Mi tačno znamo šta se dešava sa svakim bajtom jer je sve naše.

Na koji način vaši agenti konkretno menjaju “bottom line” u e-commercu? Da li je reč samo o odgovorima na FAQ ili Chatislav zapravo može da zaključi prodaju?

Dragan: Daleko smo odmakli od običnog FAQ bota. Naši AI agenti u e-commercu zapravo rade posao prodavca. I to dobrog prodavca.

Evo tipičnog scenarija: kupac dođe na sajt i napiše “trebam poklon za devojku, nešto do 5.000 dinara, voli minimalistički stil”. Naš agent razume tu nameru, pretraži katalog i prikazuje konkretne proizvode sa slikama i cenama, direktno u chatu. Kupac može da pita dodatna pitanja (“a imate li ovo u drugoj boji?”), agent odgovara u realnom vremenu koristeći podatke iz baze proizvoda. I onda može da ga usmeri direktno na checkout.

To je aktivna prodaja, ne pasivno odgovaranje na pitanja. Agent može da preporučuje dodatne proizvode, da prati status porudžbine, da reši reklamaciju, da zakaže termin. Sve kroz jedan razgovor.

Ono što e-commerce klijenti najviše vole je što agent radi 24 sata, 7 dana u nedelji, bez pauze, i može da opsluži stotine kupaca istovremeno. Sezona rasprodaja koja bi inače zahtevala 20 dodatnih operatera? Jedan AI agent to preuzima. I ne pravi greške od umora u 3 ujutru.

Koliko vam sopstvena tehnologija daje prostora za manevrisanje u trenucima kada veliki globalni igrači diktiraju cene API-ja ili politiku privatnosti?

Dragan: Ogromno. I to je možda jedna od najvažnijih poslovnih odluka koje smo doneli.

Kad imate sopstvene modele i infrastrukturu, niste talac tuđe poslovne politike. Kad neki veliki provajder odluči da podigne cene API-ja za 50% (a to se dešavalo), mi možemo da nastavimo normalno jer taj deo našeg sistema ne zavisi od njih. Naši klijenti ne moraju da brinu da će im sutra račun biti duplo veći.

Isto važi za privatnost. Kad koristite isključivo tuđi API, vaši podaci prolaze kroz tuđu infrastrukturu i podležu tuđim pravilima. Mi imamo kontrolu nad celim lancem, od momenta kad korisnik postavi pitanje do momenta kad dobije odgovor. Za klijente u finansijskom sektoru ili zdravstvu, to nije luksuz. To je uslov.

Naravno, mi i dalje koristimo i globalne modele kad za to ima smisla, jer za određene zadatke su oni jednostavno bolji. Ali ključna reč je “izbor”. Mi biramo šta ćemo koristiti i kad, a ne zavisimo isključivo od jednog provajdera. Ako sutra jedan provajder ugasi servis ili promeni uslove, naš sistem nastavlja da radi.

Zašto baš to ime? Kako ste uspeli da spojite tradicionalni prizvuk sa najsavremenijom AI tehnologijom?

Dragan: Prošli smo kroz gomilu imena pre nego što smo došli do Chatislava. Imali smo na stolu stvari kao AstraBots, InteractIQ, razne kombinacije na engleskom koje zvuče kao svaka druga AI firma. I ništa nije “leglo”. Sve je zvučalo generično, kao da može biti bilo koji startap iz bilo koje zemlje.

Hteli smo ime koje ljudi iz regiona odmah prepoznaju kao “naše”, a da istovremeno bude dovoljno neobično da se pamti. “Chat” je univerzalno razumljiv deo koji govori šta proizvod radi. “Slav” daje taj lokalni identitet, asocira na slovensku tradiciju, na nešto poznato. Kad smo to spojili, odmah smo znali da je to to. Nije zvučalo kao još jedan američki startap sa imenom koje ne možete da izgovorite.

I pokazalo se da ta kombinacija radi. Ljudi zapamte ime, nasmeše se kad ga čuju prvi put, i to je dobra stvar. AI ne mora da bude hladan i bezličan. Ime je postalo deo identiteta proizvoda i klijenti ga koriste kao da je kolega u timu: “Pitaj Chatislava”, “Chatislav će ti reći”. To je tačno ono što smo želeli.

Ako vas korisnik uporedi sa Chatbase-om ili sličnim platformama, koja je vaša “kill-feature” koja bi trebalo da presudi u korist Chatislava?

Dragan: Fundamentalna razlika je u tome što je Chatbase zaista wrapper u pravom smislu te reči. Oni nemaju sopstvene modele, nemaju svoju infrastrukturu, nemaju sopstvenu vektorsku bazu, nemaju sparse pretragu. Njihov ceo proizvod je lepak između tuđih komponenti: OpenAI ili Anthropic za jezički model, Pinecone za bazu podataka. Spajaju tuđe delove i stave interfejs preko toga.

To ima direktne posledice na sve: na kvalitet agentskih sposobnosti, na brzinu i na kvalitet odgovora. Kad nemate kontrolu nad pipeline-om koji obrađuje korisnikovo pitanje, ne možete da ga optimizujete. Kad zavisite od tuđeg API-ja, vaša brzina je onolika koliko vam taj API dozvoli. A kad nemate sopstvenu pretragu sa rerankerom i sparse modelom, kvalitet odgovora je onoliki koliko vam tuđi embedding servis pruži iz kutije.

Mi imamo pet sopstvenih specijalizovanih modela, sopstvenu vektorsku bazu, sopstvenu sparse pretragu sa stemmerima za 40+ jezika i custom reranker. Kompletno sve naše. To znači da kad vidimo da nešto može bolje da radi, promenimo ga sutra. Ne čekamo da nam neki provajder izbaci novu verziju ili doda funkcionalnost koja nam treba.

I tu je možda i najveća prednost za klijente: mi možemo brzo da inoviramo i dodajemo nove feature-e koje tržište traži. Kad nam klijent kaže “treba mi glasovni agent” ili “treba mi integracija sa mojim ERP-om” ili “hoću da agent prikazuje proizvode sa slikama u chatu”, mi to napravimo. Ne čekamo da treći provajder nekad dođe do toga. Chatbase to ne može jer su ograničeni onim što im njihovi provajderi daju na raspolaganje.

Razvijati sopstveni LLM iz Srbije zvuči ambiciozno. Sa kojim specifičnim inženjerskim izazovima ste se susreli?

Dragan: Resursi. To je najkraći mogući odgovor. Globalni timovi imaju pristup klasterima od hiljada grafičkih kartica i budžetima za IT infrastrukturu koji su veći od kompletnog IT budžeta većine srpskih kompanija. Mi moramo da budemo pametniji sa onim što imamo.

To nas je nateralo na kreativna rešenja. Ne možemo da treniramo model na stotinama milijardi tokena kao što to rade veliki igrači. Ali možemo da treniramo manji, specijalizovani model koji radi izuzetno dobro za konkretne zadatke. Naš model za rangiranje rezultata pretrage ima samo 22 miliona parametara. To je mikroskopski u poređenju sa velikim modelima, ali za svoj posao radi odlično jer je pažljivo treniran na pravim podacima.

Drugi izazov su podaci. Za srpski jezik jednostavno ne postoji onoliko kvalitetnog materijala za treniranje koliko postoji za engleski. Morali smo da kreiramo sopstvene setove podataka, koristeći razne tehnike za generisanje kvalitetnih primera za učenje.

I onda tu je i privlačenje talenata. U San Francisku je okej reći “radim na jezičkim modelima” i svi razumeju. Ovde morate da objasnite šta to uopšte znači i zašto je vredno. S druge strane, ljudi koji odluče da se bave time ovde su izuzetno motivisani jer su svesni da rade nešto što malo ko u regionu radi.

Ako je Chatislav trenutno vaš najjači brend, u kom pravcu će Iskon Research Lab dalje razvijati AI? Da li planirate da ostanete “butik” deep-tech firma?

Dragan: Plan je jasan: globalno skaliranje. Ali ne na uštrb onoga što nas čini dobrim. Chatislav je već spreman za svetsko tržište. Platforma radi na preko 40 jezika, može da se deplojuje bilo gde. Već sada imamo klijente van regiona i to se ubrzava.

Ono što Iskon Research Lab nastavlja da razvija paralelno je tehnologija koja stoji iza Chatislava. Radimo na naprednijim glasovnim modelima, na 3D avatarima koji izgledaju fotorealistično. Zamislite da u holu hotela vas dočeka virtuelni recepcioner koji izgleda kao pravi čovek i priča sa vama na vašem jeziku. To već imamo u naprednoj fazi razvoja.

Iako naše rešenje može da se praktično primeni u svakoj industriji, trenutno ulazimo još dublje u industrije kao što su e-commerce, finansije, hotelijerstvo. Svaka od ovih ima svoje specifične potrebe i mi gradimo specijalizovana rešenja za svaku.

Ali da odgovorim direktno, plan je da postanemo ozbiljan igrač na globalnom nivou. Tržište AI konverzacionih agenata, kao i AI rešenja u globalu, raste enormno i mi imamo tehnologiju i proizvod koji može da se nosi sa svetskom konkurencijom.

Razlika je što mi skaliramo postepeno, sa fokusom na kvalitet, a ne po principu “uzmimo što više novca investitora i trošimo na marketing dok se ne probijemo”. Svaki korak koji napravimo mora da ima smisla i tehnološki i poslovno.