AI.8 · AT THE THRESHOLD OF CHANGE
AI.8 · NA PRAGU PROMJENE
AI.8 builds production AI systems that operate reliably under real-world conditions and deliver measurable business impact.
AI.8 razvija produkcijske sustave umjetne inteligencije koji pouzdano funkcioniraju u stvarnim uvjetima i ostvaruju mjerljive poslovne učinke.
SCROLLNIŽE
Most AI projects reach 80% completion. The model works, the demo performs well in testing, and the concept looks promising. But getting from 80% to something a business can rely on is where the real challenge begins.
In line with the Pareto Principle, the final 20% contains 80% of the real work. This is where AI systems must perform outside controlled environments and operate under real traffic, changing data, and business pressure. It is where reliability, monitoring, governance, safety, scalability, and accountability become essential.
This is also the stage where businesses discover whether an AI system can consistently perform in the real world or remain just another prototype.
That final stage is what “.8” represents. The point where AI moves beyond experimentation and becomes stable, trusted, and operational.
AI.8 is focused on the work beyond .8, where AI becomes real business infrastructure
Većina projekata umjetne inteligencija dosegne 80% dovršenosti. Model funkcionira, demo prolazi testiranje, koncept djeluje obećavajuće. No, prelazak s tih 80% na sustav na koji se poslovanje doista može osloniti stvarni je izazov.
U skladu s Paretovim principom, posljednjih 20% krije 80% stvarnog posla. Produkcijski sustavi moraju funkcionirati izvan kontroliranog okruženja: pod stvarnim opterećenjem, promjenjivim podacima i poslovnim pritiskom. Tada pouzdanost, nadzor, upravljanje, sigurnost, skalabilnost i odgovornost postaju ključni.
Upravo u toj fazi postaje vidljivo hoće li sustav umjetne inteligencije dosljedno raditi u stvarnim uvjetima ili će ostati tek još jedan prototip.
“.8” predstavlja tu posljednju fazu. Točka u kojoj umjetna inteligencija prerasta iz eksperimenta u stabilan, pouzdan i operativan sustav.
AI.8 je usmjeren upravo na rad gdje umjetna inteligencija postaje stvarna poslovna infrastruktura.
We scope, build, deploy, and maintain production AI systems. Four practices grounded in shipped work across capital markets, institutional asset management, and autonomous systems research.
Definiramo opseg, gradimo, implementiramo i održavamo produkcijske sustave umjetne inteligencije. Četiri područja, utemeljena na isporučenim projektima u tržištima kapitala, institucionalnom upravljanju imovinom i istraživanju autonomnih sustava.
Forecasting systems for real decisions
Predviđanja za stvarne odluke
AI systems for demand forecasting, operational planning, financial prediction, and resource allocation.
Sustavi umjetne inteligencije za predviđanje potražnje, operativno planiranje, financijske projekcije i alokaciju resursa.
Operational decisions, engineered explicitly
Operativne odluke, eksplicitno definirane
Optimization systems for scheduling, allocation, routing, prioritization, and planning under real operational constraints.
Optimizacijski sustavi za raspoređivanje, alokaciju, rutiranje, određivanje prioriteta i planiranje pod stvarnim operativnim ograničenjima.
Operational language systems
Operativni jezični sustavi
LLM and NLP systems for retrieval, classification, workflow automation, and operational support.
LLM i NLP sustavi za dohvat informacija, klasifikaciju, automatizaciju radnih procesa i operativnu podršku.
Perception systems, production-ready
Perceptivni sustavi spremni za produkciju
Computer vision systems for monitoring, inspection, spatial analysis, and autonomous systems.
Sustavi računalnog vida za nadzor, inspekciju, prostornu analizu i autonomne sustave.
Examples of systems that shortened cycles, raised accuracy, and turned AI from prototype into operational work.
Primjeri sustava koji su skratili cikluse, povećali točnost i pretvorili umjetnu inteligenciju iz prototipa u operativni rad.
PROCESSING TIME60h → <8h
VRIJEME OBRADE60h → <8h
Built a production system that automatically generates construction cost estimates using a database of past projects. Instead of manually searching through spreadsheets and previous bids, the system identifies comparable line items, suggests pricing ranges, surfaces supporting references, and provides confidence scores for human review. A workflow that previously required approximately 60 hours was reduced to under 8 hours.
Razvijen produkcijski sustav za automatsko generiranje građevinskih troškovnika iz baze prethodnih projekata. Umjesto ručnog pretraživanja tablica i ranijih ponuda, sustav prepoznaje usporedive stavke, predlaže raspone cijena, prikazuje referentne podatke i daje ocjene pouzdanosti za stručnu provjeru. Proces koji je prethodno trajao oko 60 sati skraćen je na manje od 8 sati.
FORECAST ACCURACY
TOČNOST PROGNOZE
Rebuilt the forecasting system used for inventory and distribution planning across a large operational network. The new system improved forecasting accuracy by 57% compared to the client's previous model, reducing stockouts, lowering inventory holding costs, and improving operational planning efficiency, resulting in significant annual savings.
Dostavljen sustav prognoze potražnje koji pomaže u odlukama o distribuciji i zalihama u cijeloj mreži. Novi model podigao je točnost prognoze za 57% u odnosu na prethodni sustav klijenta, što je rezultiralo znatnim uštedama kroz manje nestašice, niže troškove držanja zaliha i preciznije planiranje ruta.
ACCURACY65× FASTER INFERENCE
TOČNOST65× BRŽI RAD
Built an NLP system for ticket classification, routing, and summarization in a production customer operations environment. Replaced the legacy classifier with a new low-latency serving architecture, improving classification accuracy from 86% to 99.3% while reducing inference time from 4.6 seconds to 70 milliseconds.
Izgrađen NLP sustav za klasifikaciju, usmjeravanje i sažimanje upita u produkcijskom okruženju korisničke podrške. Postojeći klasifikator zamijenjen je novom arhitekturom posluživanja niske latencije, čime je točnost klasifikacije povećana s 86% na 99,3%, a vrijeme zaključivanja smanjeno s 4,6 sekundi na 70 milisekundi.
RISK-ADJUSTED RETURN−63% TURNOVER
PRINOS−63% OBRTAJ
Designed an AI-driven portfolio clustering system for institutional asset allocation and rebalancing workflows. The system reduced portfolio turnover by 63% while improving risk-adjusted returns by 26% across a large-scale investment environment.
Osmišljen novi sustav za grupiranje portfelja namijenjen procesima institucionalne alokacije imovine i rebalansiranja. Sustav je smanjio obrtaj portfelja za 63%, uz istodobno povećanje prinosa prilagođenog riziku za 26% u investicijskom okruženju.
Founders trained at the Technical University of Munich, one of Europe's leading programs for applied AI. Then tested in environments where mistakes quickly translate into capital, safety, or operational risk.
Osnivači školovani na Tehničkom sveučilištu u Münchenu, jednom od vodećih europskih programa za primijenjenu umjetnu inteligenciju. Zatim dokazani u okruženjima u kojima se pogreške brzo pretvaraju u kapitalni, sigurnosni ili operativni rizik.
Co-founder
Suosnivač
M.SC. MATHEMATICS · TU MÜNCHEN
M.SC. MATHEMATICS · TU MÜNCHEN
Before AI.8, Stipe built predictive ML systems for capital markets and institutional asset management on Wall Street and in Munich. His work spans deep learning for market microstructure, sequence models for S&P 500 event prediction, ML-driven options flow analysis, stability-constrained time-series clustering, and ETF allocation systems deployed across 350 instruments.
Prije AI.8, Stipe je gradio prediktivne ML sustave za tržišta kapitala i institucionalno upravljanje imovinom, na Wall Streetu i u Münchenu. Njegov rad obuhvaća deep learning za mikrostrukturu tržišta, sekvencijske modele za predviđanje događaja na S&P 500, ML analizu toka opcija, grupiranje vremenskih nizova s ograničenjima stabilnosti i sustave alokacije ETF-ova implementirane na 350 instrumenata.
Co-founder
Suosnivač
M.SC. INFORMATICS · TU MÜNCHEN
M.SC. INFORMATICS · TU MÜNCHEN
Before AI.8, Tomislav worked on computer vision and multimodal perception for autonomous systems. His recent work with BMW in Munich focused on 3D occupancy prediction using Gaussian Splatting, LiDAR-radar fusion, and temporal feature blending. Earlier, he architected multilingual NLP systems, fine-tuning transformer pipelines for information extraction and retrieval over technical and regulatory corpora.
Prije AI.8, Tomislav je radio na računalnom vidu i multimodalnoj percepciji za autonomne sustave. Njegov nedavni rad u BMW-u u Münchenu fokusirao se na 3D predviđanje zauzeća prostora pomoću Gaussian Splattinga, fuziju LiDAR-a i radara te vremensko stapanje značajki. Ranije je projektirao višejezične NLP sustave i fino podešavao transformer cjevovode za ekstrakciju informacija i pretraživanje tehničkih i regulatornih korpusa.
Tell us what you want to build, and we'll explore whether AI.8 is the right fit for your business.
Recite nam što želite izgraditi i zajedno ćemo utvrditi je li AI.8 pravi izbor za vaše poslovanje.