Benchmark Analiza i Model Selection

"""
roi_calculator.py - Kalkulacija ROI za AI sistem u firmi
Modul 2.1: Model Selection & Benchmarks
"""

from dataclasses import dataclass
from typing import List

# ================================================================
# SCENARIJ OPTEREĆENJA
# ================================================================

@dataclass
class ScenarijOtpecenja:
    """Parametri koji opisuju kako će se AI koristiti u firmi."""
    broj_korisnika: int
    pitanja_po_korisniku_dnevno: int
    radnih_dana_u_mjesecu: int
    input_tokeni_po_pitanju: int   # Prompt + PDF kontekst
    output_tokeni_po_pitanju: int  # Odgovor modela

    @property
    def ukupno_pitanja_mjesecno(self) -> int:
        return self.broj_korisnika * self.pitanja_po_korisniku_dnevno * self.radnih_dana_u_mjesecu

    @property
    def ukupno_input_tokena_mjesecno(self) -> int:
        return self.ukupno_pitanja_mjesecno * self.input_tokeni_po_pitanju

    @property
    def ukupno_output_tokena_mjesecno(self) -> int:
        return self.ukupno_pitanja_mjesecno * self.output_tokeni_po_pitanju


@dataclass
class CloudRjesenje:
    """Troškovi Cloud API rješenja (OpenAI, Anthropic itd.)"""
    naziv: str
    model: str
    input_cijena_per_million: float   # USD
    output_cijena_per_million: float  # USD
    setup_cost: float = 0.0           # Jednokratni troškovi razvoja

    def godisnji_trosak(self, scenarij: ScenarijOtpecenja) -> float:
        """Izračunava ukupni godišnji trošak API poziva."""
        input_cost_mj = (scenarij.ukupno_input_tokena_mjesecno / 1_000_000) * self.input_cijena_per_million
        output_cost_mj = (scenarij.ukupno_output_tokena_mjesecno / 1_000_000) * self.output_cijena_per_million
        api_cost_godisnje = (input_cost_mj + output_cost_mj) * 12
        return api_cost_godisnje + self.setup_cost


@dataclass
class OnPremiseRjesenje:
    """Troškovi On-Premise / Lokalni server rješenja."""
    naziv: str
    model: str
    capex_hardver: float       # Jednokratna kupovina hardvera
    capex_instalacija: float   # IT radni sati za setup
    opex_struja_godisnje: float  # Struja po godini
    opex_it_odrzavanje_godisnje: float  # IT radni sati za odrzavanje

    def trosak_za_n_godina(self, n: int) -> List[float]:
        """Vraća ukupni kumulativni trošak za svaku godinu."""
        kumulativni = []
        for god in range(1, n + 1):
            ukupno = self.capex_hardver + self.capex_instalacija
            ukupno += (self.opex_struja_godisnje + self.opex_it_odrzavanje_godisnje) * god
            kumulativni.append(ukupno)
        return kumulativni


# ================================================================
# INICIJALIZACIJA SCENARIJA
# ================================================================

scenarij = ScenarijOtpecenja(
    broj_korisnika=500,
    pitanja_po_korisniku_dnevno=10,
    radnih_dana_u_mjesecu=22,
    input_tokeni_po_pitanju=2500,
    output_tokeni_po_pitanju=500
)

# ================================================================
# RJEŠENJA ZA USPOREDBU
# ================================================================

# Cloud rješenja (API)
gpt4o = CloudRjesenje(
    naziv="OpenAI GPT-4o (Cloud API)",
    model="gpt-4o",
    input_cijena_per_million=5.00,
    output_cijena_per_million=15.00,
    setup_cost=0.0  # Nema hardvera — razvoj aplikacije je posebna stavka
)

claude_sonnet = CloudRjesenje(
    naziv="Anthropic Claude 3.5 Sonnet (Cloud API)",
    model="claude-3-5-sonnet",
    input_cijena_per_million=3.00,
    output_cijena_per_million=15.00,
    setup_cost=0.0
)

# On-Premise rješenje (lokalni server)
# Za Llama 3.1 70B model — treba ~2× A6000 GPU (48GB VRAM svaka)
local_llama = OnPremiseRjesenje(
    naziv="Meta Llama 3.1 70B (On-Premise Server)",
    model="llama3.1 70B (4-bit quantized)",
    capex_hardver=12_000.0,      # Server ($3k) + 2× RTX A6000 ($4.5k = $9k)
    capex_instalacija=2_000.0,   # 2 dana IT inženjera × $1000/dan
    opex_struja_godisnje=600.0,  # ~350 kWh/mj × $0.15 × 12
    opex_it_odrzavanje_godisnje=3_000.0  # Patchiranje, monitoring, uptime
)

# ================================================================
# IZVJEŠTAJ
# ================================================================

print("=" * 70)
print("  💰 ROI ANALIZA: AI CHATBOT ZA 500 ZAPOSLENIH")
print("=" * 70)

print(f"\n📊 SCENARIJ OPTEREĆENJA:")
print(f"   Korisnici: {scenarij.broj_korisnika}")
print(f"   Pitanja/korisnik/dan: {scenarij.pitanja_po_korisniku_dnevno}")
print(f"   Pitanja UKUPNO/mj: {scenarij.ukupno_pitanja_mjesecno:,}")
print(f"   Input tokeni/mj: {scenarij.ukupno_input_tokena_mjesecno:,}")
print(f"   Output tokeni/mj: {scenarij.ukupno_output_tokena_mjesecno:,}")

print("\n" + "-" * 70)
print("  ☁️  CLOUD RJEŠENJA")
print("-" * 70)

for cloud in [gpt4o, claude_sonnet]:
    godisnji = cloud.godisnji_trosak(scenarij)
    mj = godisnji / 12
    print(f"\n🤖 {cloud.naziv}")
    print(f"   Trošak / Mjesec:   ${mj:>10,.2f}")
    print(f"   Trošak / Godina:   ${godisnji:>10,.2f}")
    print(f"   Trošak / 3 godine: ${godisnji*3:>10,.2f}")

print("\n" + "-" * 70)
print("  🏢  ON-PREMISE RJEŠENJE")
print("-" * 70)

godisnji_cloud = gpt4o.godisnji_trosak(scenarij)  # Uspoređujemo s GPT-4o

print(f"\n🖥️  {local_llama.naziv}")
print(f"   CAPEX (Hardver):   ${local_llama.capex_hardver:>10,.2f}")
print(f"   CAPEX (Instalacija): ${local_llama.capex_instalacija:>8,.2f}")
print(f"   OPEX/god (Struja):   ${local_llama.opex_struja_godisnje:>8,.2f}")
print(f"   OPEX/god (IT):       ${local_llama.opex_it_odrzavanje_godisnje:>8,.2f}")

kumulativni = local_llama.trosak_za_n_godina(5)
for i, ukupno in enumerate(kumulativni, 1):
    cloud_ekvivalent = godisnji_cloud * i
    usteda = cloud_ekvivalent - ukupno
    print(f"\n   Godina {i}: Lokalno = ${ukupno:,.2f} | Cloud (GPT-4o) = ${cloud_ekvivalent:,.2f}")
    if usteda > 0:
        print(f"           ✅ UŠTEDA sa lokalnim: ${usteda:,.2f}")
    else:
        print(f"           ❌ Cloud je jeftiniji za: ${-usteda:,.2f}")

# Pronalazimo break-even tačku
print("\n" + "=" * 70)
print("  📈 ZAKLJUČAK — BREAK-EVEN ANALIZA")
print("=" * 70)
capex_total = local_llama.capex_hardver + local_llama.capex_instalacija
godisnji_opex = local_llama.opex_struja_godisnje + local_llama.opex_it_odrzavanje_godisnje
breakeven_mj = capex_total / ((godisnji_cloud - godisnji_opex) / 12)

print(f"\n🎯 Break-even točka: {breakeven_mj:.1f} mjeseci ({breakeven_mj/12:.1f} godina)")
print(f"\nSve IZNAD {breakeven_mj:.0f} mjescei = On-Premise je isplativije!")
print(f"\nDodatne prednosti On-Premise rješenja:")
print(f"   ✅ Podaci ostaju unutar firme (GDPR, sigurnost)")
print(f"   ✅ Nema internet veze potrebe za AI funkcionalnost")
print(f"   ✅ Nema rate limiting-a ili downtime od providera")
print(f"\nPrednosti Cloud rješenja:")
print(f"   ✅ Bez CAPEX-a — trenutni start")
print(f"   ✅ Najkvalitetniji modeli (GPT-4o je bolji od Llama 70B)")
print(f"   ✅ Auto-scaling (0 do 10,000 korisnika bez promjena)")
print(f"   ✅ Nema IT timske obaveze za održavanje")

python roi_calculator.py