AI agent ili obična automatizacija: gdje je stvarna isplativost

Tržište trenutačno plaća agente više nego bilo što drugo u primijenjenoj umjetnoj inteligenciji. Vještina "agentic AI" porasla je u američkim oglasima za posao 280% u godinu dana, na otprilike 90 000 oglasa, prema Stanford AI Indexu 2026. Inženjer koji gradi agente zarađuje 15 do 20% više od usporedivog ML inženjera, prema anketi KORE1 za 2026. A isto to tržište, prema Gartneru, otkazat će više od 40% projekata s AI agentima do kraja 2027.

Ja tu ne vidim proturječje. Premija se plaća za rijetku vještinu. Otkazuju se projekti u kojima je agent stavljen tamo gdje nije trebao biti, ili nitko nije mogao dokazati da radi. Kad mi se netko javi s upitom za agenta, prvo pitanje obično nije "koji agent", nego "treba li vam agent uopće".

Kada obična automatizacija pobjeđuje

Postoji skupina zadataka u kojima jezični model uopće nije potreban. Znakovi su jednostavni:

• ulaz je strukturiran: obrazac, tablica, API, e-mail po predlošku;
• pravila stanu na jednu stranicu i ne mijenjaju se svaki tjedan;
• odgovor mora biti identičan svaki put, a pogreška je skupa;
• volumen je velik, ali odluka po jedinici posla je malo.

Prijenos narudžbi iz CRM-a u knjigovodstveni program, podsjetnici za plaćanje, parsiranje cjenika dobavljača u fiksnom formatu, sastavljanje tjednog izvještaja iz tri izvora. Sve to rješava parser, pravilo ili scenarij u bilo kojoj platformi za automatizaciju. Takvo je rješenje jeftinije, ponaša se predvidljivo i nema račun za tokene.

Ne bih stavio agenta na zadatak koji se može nacrtati kao dijagram toka. Agent će ondje biti skuplji, sporiji i manje pouzdan od običnog uvjeta "ako, onda".

Kada agent zaradi svoju cijenu

Agent pripada tamo gdje je ulaz neuredan, a odluka ima mnogo i svaka je mala.

Tipične situacije: dolazni e-mailovi kupaca nekog distributera, gdje su u jednoj poruci narudžba, reklamacija i pitanje o roku isporuke. Kvalifikacija upita koji stižu slobodnim tekstom preko messengera. Prva linija podrške, gdje se pitanja ponavljaju, ali je formulacija svaki put nova. Razvrstavanje dolaznih dokumenata u različitim formatima: računi, ugovori, zahtjevi u PDF-u, fotografije i skenovi.

Što im je zajedničko: pravilo se ne može napisati jer je pravila previše i sva su mutna. Čovjek to rješava prosudbom. Agent tu prosudbu ponavlja dovoljno dobro da čovjeku skine većinu rutine i ostavi mu samo sporne slučajeve.

Drugi znak je lanac radnji. Agent ne samo da klasificira e-mail, nego pronađe narudžbu u bazi, provjeri zalihe, sastavi odgovor i otvori zadatak voditelju. Svaki je korak sam po sebi trivijalan. Vrijednost je u tome što su povezani.

Kako mjeriti isplativost

Koristim četiri metrike i inzistiram da se izmjere prije pokretanja, a ne poslije.

1. 01Sati. Koliko vremena zaposlenici danas troše na proces. Ne procjena "otprilike pola dana", nego mjerenje kroz jedan tjedan. Pomnožiti s punim troškom radnog sata.
2. 02Brzina odgovora. Koliko kupac ili kolega čeka. U prodaji je to izravno konverzija: upit koji je dobio odgovor za minutu i upit koji je čekao do jutra ponašaju se različito.
3. 03Udio pogrešaka. Koliko je narudžbi upisano s greškom, koliko je računa otišlo na krivu adresu, koliko je upita izgubljeno. Pogreška ima cijenu i obično je nitko nije izračunao.
4. 04Prihod koji se gubi sada. Upiti bez odgovora. Zahtjevi koji stignu nakon 18 sati. Ponovljene prodaje do kojih nitko ne stigne.

Ako je nakon poštenog mjerenja zbroj tih četiriju stavki manji od troška uvođenja plus godine održavanja, projekt ne treba raditi. To je normalan rezultat audita i klijentima tako i kažem.

Prvo evaluacija, onda agent

U anketi KORE1 poslodavci su kao najvažniju vještinu agentnog inženjera naveli ne promptove ni okvire, nego sposobnost izgradnje evaluation harnessa: skupa testnih slučajeva na kojima se agent automatski provjerava nakon svake promjene.

Za tvrtku to znači sljedeće. Prije nego što se agent napiše, trebaju stvarni primjeri iz procesa s točnim odgovorima, po mogućnosti barem stotinu. E-mailovi i način na koji je vaš najbolji prodavač na njih odgovorio. Dokumenti i ono što se iz svakog treba izvući. Na tom se skupu agent pokreće svaki put kad se promijene upute, model ili integracija.

Bez toga ne znate je li agent nakon izmjene postao bolji ili lošiji. Saznate od kupaca. Projekti koje Gartner ubraja u 40% otkazanih vrlo su često upravo takvi: demo je radio, u produkciji je krenulo po zlu i nitko nije znao reći zašto.

Podaci su ovdje važniji od modela. Ako primjera nema jer proces nitko nikad nije bilježio, prvi dani odlaze na njihovo prikupljanje. To je dosadan dio posla i on odlučuje o rezultatu.

Zaštitne ograde i predaja čovjeku

Agent u produkciji mora znati tri stvari: ne raditi ono što mu nije dopušteno, stati kad nije siguran i predati slučaj čovjeku tako da ovaj shvati kontekst u deset sekundi.

U praksi je to popis dopuštenih radnji (narudžbu smije pročitati, cijenu ne smije mijenjati), pragovi sigurnosti ispod kojih agent ne odgovara nego otvara zadatak operateru, i dnevnik svih radnji. I ograničenje potrošnje: agent koji je upao u petlju i preko noći potrošio mjesečni proračun za tokene stvaran je scenarij, a ne strašilo.

Operater pritom ne nestaje. Prestaje raditi rutinu i počinje rješavati iznimke. Obično je to ista osoba koja je prije sve radila ručno, i u prvim tjednima upravo ona govori gdje agent griješi. To je najkorisnija povratna informacija u projektu.

Tri koraka do odluke

Ovaj mi se redoslijed čini ispravnim.

1. 01Audit procesa. Jedan ili dva tjedna: odakle dolazi ulaz, tko što s njim radi, gdje cure vrijeme i novac, postoje li podaci za evaluaciju. Rezultat je popis procesa s procjenom učinka i presudom za svaki: pravilo, agent ili ne dirati.
2. 02Pilot na jednom procesu. Dva tjedna, prva radna verzija na stvarnim podacima, s evaluacijskim skupom i zaštitnim ogradama. Ne pet procesa odjednom. Jedan.
3. 03Mjerenje. Iste četiri metrike kao prije početka. Ako se brojke poklapaju, širimo na susjedne procese. Ako ne, stajemo, a gubitak je ograničen na pilot.

Taj je redoslijed temelj mojih usluga: audit AI spremnosti od 450 eura, agent za jedan konkretan proces od 1 500 eura, prva radna verzija za dva tjedna. Radim iz Zagreba, a većina upita koje dobivam od hrvatskih tvrtki tiče se upravo prodaje, podrške i papirologije. O tome zašto tržište plaća premiju za agentne inženjere i što to znači za naručitelja pisao sam u pregledu tržišta AI poslova 2026.

Ako imate proces koji guta sate i niste sigurni treba li ondje agent, pošaljite kratak opis: što dolazi na ulaz, tko to obrađuje, koliko vremena odlazi. Odgovorit ću što bih ja napravio na vašem mjestu.

Česta pitanja o isplativosti AI agenata

Po čemu se AI agent razlikuje od obične automatizacije?

Automatizacija izvršava unaprijed napisana pravila na strukturiranim podacima. Agent donosi odluke na nejasnom ulazu: e-mail u slobodnom obliku, dokument bez predloška, razgovor. Ako se pravila mogu nacrtati kao dijagram toka, agent ne treba, dovoljan je parser ili scenarij.

Koliko brzo se AI agent isplati?

Ovisi o procesu. Izračunajte četiri vrijednosti: ušteđene sate, brzinu odgovora, udio pogrešaka i prihod koji danas gubite. Ako je njihov zbroj na godišnjoj razini jasno veći od troška uvođenja i održavanja, projekt ima smisla. Ako nije, ostanite na jednostavnoj automatizaciji.

Zašto se projekti s AI agentima otkazuju?

Gartner očekuje da će više od 40% takvih projekata biti otkazano do kraja 2027. Najčešći uzroci koje vidim: agent je stavljen na zadatak namijenjen pravilima, nije bilo testnog skupa za provjeru kvalitete, podaci su bili lošiji nego što se mislilo i nitko nije izmjerio učinak prije početka.

Što je evaluation harness i zašto ga tvrtka treba?

Skup stvarnih primjera iz procesa s točnim odgovorima, na kojem se agent automatski provjerava nakon svake promjene. Poslodavci su ga u anketi KORE1 nazvali najvažnijom vještinom agentnog inženjera. Za naručitelja je to jedini način da zna da agent radi prije nego što mu to kažu kupci.

Odakle početi ako nisam siguran treba li mi agent?

Od audita procesa. U jednom ili dva tjedna postane jasno gdje je učinak, gdje su dovoljna pravila i postoje li podaci. Zatim pilot na jednom procesu kroz dva tjedna i mjerenje po istim metrikama kao prije početka.