U eri sve intenzivnije primene velikih jezičkih modela u okviru informacionih sistema, pitanje objašnjive veštačke inteligencije (XAI) postalo je ključko za očuvanje poverenja, transparentnosti i etičke odgovornosti. Ovaj rad razmatra metodološke pristupe XAI-u u kontekstu tradicionalne veštačke inteligencije i modela zasnovanih na velikim jezičkim modelima, sa fokusom na njihovu primenljivost, ograničenja i ulogu u ispunjavanju regulatornih i etičkih zahteva.

Kroz teorijsku analizu, uporednu evaluaciju post-hoc i inherentnih metoda, kao i praktične uvide koji uključuju modele kao što su DistilBERT i GPT-5, studija ilustruje na koji način različite XAI tehnike mogu doprineti dubljem razumevanju ponašanja kompleksnih AI sistema. Poseban akcenat stavljen je na pet scenarijski zasnovanih primera razvoja i testiranja rešenja u konkretnim organizacionim kontekstima.

Primena XAI-a u informacionim sistemima dalje se analizira kroz prizmu kriterijuma kredibiliteta, stabilnosti i korisnosti objašnjenja, kao i kroz izazove integracije objašnjivosti u poslovne informacione sisteme. Rad takođe obrađuje relevantne regulatorne okvire i etičke implikacije koje pokreću napredak XAI-a u domenu informacionih sistema.