Svet veštačke inteligencije napravio je dramatičan zaokret. Više niko nije impresioniran time što četbot ume da napiše uverljiv esej, sroči marketinški imejl ili generiše parče koda. Poslovni fokus se munjevito pomerio ka sledećoj velikoj fazi – takozvanoj „agentic AI“ tehnologiji. Za razliku od pasivnih modela koji samo odgovaraju na upite, autonomni AI agenti imaju zadatak da samostalno planiraju korake, pozivaju softverske alate, donose odluke i rešavaju složene poslovne procese od početka do kraja.
Međutim, dok tehnološki entuzijazam dostiže vrhunac, vodeće analitičke kuće šalju ozbiljno upozorenje. Prema procenama analitičke kompanije Gartner, više od 40 odsto svih agentic AI projekata biće otkazano ili napušteno do kraja 2027. godine.
Ova prognoza nije dokaz da je tehnologija neupotrebljiva. Naprotiv, ona ogoljava jaz između marketinških obećanja i surove realnosti implementacije u stvarnim preduzećima. Pitanje više nije da li agenti imaju budućnost, već šta to uspešnih 60 odsto kompanija radi drugačije kako bi izbeglo skupi brodolom.
Hladan tuš za korporativni optimizam: šta donosi analiza kompanije Gartner
Kada analitičari predvide da će skoro polovina započetih projekata završiti u kanti za otpatke, prva reakcija obično je sumnja u zrelost samih modela. Mnogi pretpostavljaju da veštačka inteligencija jednostavno još uvek „pravi previše grešaka“.
Ipak, nalazi istraživanja pokazuju potpuno drugačiju sliku: razlog za propast projekata gotovo nikada nije sam osnovni jezički model. Bilo da koristite najnovija rešenja iz laboratorija OpenAI, Anthropic ili Google, najpametniji model na svetu neće spasiti projekat koji nema definisanu poslovnu svrhu, jasnog vlasnika i robusnu arhitekturu. Ako u loše postavljen sistem ubacite napredniji model, dobićete samo skuplji i rečitiji neuspeh.
Tri ključna razloga zbog kojih projekti završavaju u slepoj ulici
Gartnerova procena temelji se na tri konkretna problema sa kojima se kompanije suočavaju čim pokušaju da prebace projekat iz faze prototipa u redovan rad:
1. Eksplozija nepredviđenih troškova
Eksperiment u kontrolisanom okruženju deluje jeftino. Par stotina probnih upita ne opterećuje budžet. Međutim, kada autonomni agent pređe u produkciju, računica se drastično menja. Da bi agent rešio samo jedan poslovni zadatak, on često mora da prođe kroz desetine internih koraka razmišljanja, ponovnih provera i višestrukih poziva spoljnih servisa.
Svaki taj korak troši računarske resurse i tokene. Pored toga, povezivanje agenta sa zastarelim korporativnim softverom (legacy CRM i ERP sistemima) zahteva složenu integraciju i redizajn poslovnih procesa. Ono što je planirano kao brza tromesečna nadogradnja često prerasta u višegodišnji inženjerski poduhvat koji nemilosrdno troši novac bez vidljivih rezultata.
2. Nedostatak merljive poslovne vrednosti
Veliki broj kompanija ušao je u trku sa agentima samo zato što je to trenutno vodeći tehnološki trend. Pokreću se pilot-projekti bez jasno postavljenih ciljeva i finansijskog povrata na investiciju (ROI). Kada rukovodstvo na kraju tromesečja postavi jednostavno pitanje – „Koliko nam je novca ili radnih sati ovaj agent zapravo uštedeo?“ – timovi često nemaju konkretan odgovor. Projekti ne propadaju zato što softver ne radi, već zato što ne uspeva da opravda svoje postojanje pred finansijskim odborom.
3. Neadekvatna kontrola rizika i bezbednosti
Ovo je tačka u kojoj koristan digitalni asistent može postati ozbiljna korporativna pretnja. Kada AI agentu date ovlašćenje ne samo da čita podatke, već i da šalje poruke, menja zapise u bazi ili odobrava finansijske transakcije, vi mu efektivno prepuštate ulogu zaposlenog.
Ako taj agent nema stroge sigurnosne granice, dovoljna je jedna greška ili manipulacija ulaznim podacima da dođe do curenja poverljivih informacija, brisanja važnih dokumenata ili kršenja strogih industrijskih regulativa (poput GDPR-a). Mnoga preduzeća jednostavno gase projekte onog trenutka kada njihovi timovi za sajber bezbednost shvate da niko ne može tačno da objasni zašto je agent doneo određenu odluku.
Zamka zvana „agent washing“: četbotovi u novom odelu
Pre nego što se krivica svali na samu tehnologiju, neophodno je osvrnuti se na tržišne manipulacije. Baš kao što je nekada svaka obična baza podataka preko noći postajala „big data“, a svaki algoritam „veštačka inteligencija“, danas svedočimo fenomenu koji se naziva agent washing.
Hiljade softverskih provajdera tvrde da nude gotove agentic sisteme. U stvarnosti, analize procenjuju da tek mali procenat tih rešenja zaista poseduje agentske sposobnosti. Većina dobavljača samo prepakuje standardne četbotove ili jednostavne skripte automatizacije i prodaje ih pod novim, popularnim nazivom.
Kako prepoznati razliku? Ako sistem može samo da odgovori na postavljeno pitanje ili izvrši jednu strogo definisanu radnju po šablonu, to nije agent. Pravi agent poseduje autonomiju da postavi plan u više koraka, prilagodi se promenama ako neki korak zakaže, samostalno izabere odgovarajući alat i proceni da li je konačni rezultat ispravan pre nego što ga isporuči.
Anatomija uspeha: kako razmišlja preostalih 60 odsto kompanija
Kompanije koje ne samo da preživljavaju ovu selekciju već prave opipljivu prednost ne pobeđuju zahvaljujući najvećim budžetima, već zahvaljujući zrelijem pristupu. Preostalih 60 odsto uspešnih organizacija primenjuje pet ključnih principa:
-
Biraju prave procese, a ne lake zadatke: Uspešni timovi ne koriste agente za generičke poslove gde jeftina tradicionalna automatizacija već radi posao. Oni ih primenjuju u dinamičnim, složenim operacijama – poput optimizacije logističkih lanaca, trijaže bezbednosnih incidenata ili automatizovane obrade zahteva za odštetu.
-
Fokus na organizacionu produktivnost, a ne na pojedinačnog radnika: Umesto da svakom zaposlenom daju asistenta za pisanje imejlova, uspešne firme koriste agente kao vezivno tkivo između različitih odeljenja. Agent koji automatski koordinira komunikaciju između korisničke podrške, računovodstva i skladišta donosi nemerljivo veću vrednost od alata koji samo ubrzava kucanje poruka.
-
Primenjuju princip „čovek u petlji“ (Human-in-the-Loop): Potpuna autonomija bez nadzora rezervisana je samo za bezazlene zadatke niske vrednosti. Sve operacije koje uključuju prenos novca, promenu sistemskih prava ili komunikaciju sa ključnim klijentima poseduju bezbednosni filter gde čovek daje konačno odobrenje jednim klikom.
-
Ulažu u struktuirano znanje, a ne samo u sirovi tekst: Klasična pretraga dokumenata (standardni RAG) često je nedovoljna za duboko poslovno rezonovanje. Uspešni sistemi koriste semantičke grafove znanja (GraphRAG) koji agentu jasno objašnjavaju relacije između entiteta, sprečavajući nagađanje i halucinacije.
-
Ugrađuju potpunu reviziju (audit trail): Svaki korak, razmišljanje i upotrebljeni alat moraju biti zabeleženi. Ako agent napravi grešku, inženjeri moraju imati mogućnost da u milisekund premotaju film unazad i utvrde gde je lanac logike pukao.
Arhitektura koja pravi razliku: od kontrole rizika do napredne memorije
Da bi agent funkcionisao u praksi, model sam po sebi čini tek mali deo celokupnog softverskog steka. Oko njega je neophodno izgraditi tri ključna infrastrukturna sloja:
-
Sloj specifikacije: Agentima se ne daju slobodna, nejasna uputstva. Svaki parametar, dozvoljeni raspon vrednosti i scenario greške moraju biti precizno definisani. Tamo gde postoji nedorečenost u uputstvima, jezički model će prazninu popuniti sopstvenom pretpostavkom – a to je u poslu recept za katastrofu.
-
Sloj zaštitnih ograda (Guardrails): To su programski filteri koji stoje između razmišljanja modela i stvarnog izvršenja. Čak i ako agent zaključi da treba da pošalje poverljivu bazu na spoljni imejl, zaštitni sloj automatski presreće i blokira tu komandu pre nego što ona napusti server.
-
Sloj trajne memorije: Jezički modeli su po svojoj prirodi zaboravni – svaka nova sesija počinje od nule. Uspešne arhitekture čuvaju stečeno iskustvo agenta, beležeći ranije greške kako se ne bi ponavljale, čime se drastično smanjuju nepotrebni troškovi ponovnog računanja.
Od eksperimenta do stabilnog sistema: nova pravila igre
Agentic AI predstavlja najveći tehnološki skok u automatizaciji rada još od pojave interneta, ali vreme nekritičkog oduševljenja je prošlo. Tržište ulazi u fazu zrelosti u kojoj se vrednost meri uštedom, sigurnošću i stabilnošću, a ne brojem viralnih demonstracija na društvenim mrežama.
Gartnerova procena o 40 odsto neuspeha nije razlog za odustajanje, već poziv na trezvenost. Kompanije koje shvate da agentic AI nije čarobni štapić, već ozbiljna inženjerska disciplina koja traži čvrsta pravila, precizne granice i jasnu računicu, biće upravo one koje čine preostalih 60 odsto – one koje ne gube vreme na eksperimente, već grade tehnološku prednost za godine koje dolaze.
