Parser, bot, servis ili agent: čime automatizirati proces

Gotovo svaki zahtjev za automatizacijom rješava jedan od četiri alata. Parser donosi podatke koje nemate. Bot daje ljudima sučelje ondje gdje već jesu. Servis čuva stanje i povezuje sustave međusobno. Agent dobiva cilj i sam bira korake. Skupi projekti rijetko su oni koji su odabrali prejednostavan alat. Skupi su oni koji su bez razloga posegnuli za najsloženijim.

Ovakve stvari gradim posljednjih nekoliko godina: Telegram botove za event operacije, FinTech prototip s AI slojem, glasovnu upravljačku ploču nad portfeljem od 27 projekata, Shopify trgovinu za tečajeve. Odabir alata nikada nije trajao dulje od jednog dana. Pogrešan odabir stajao je tjedne. Evo kako donosim tu odluku.

Četiri alata i što svaki od njih zapravo radi

Parser pretvara tuđe podatke u vašu tablicu. Cijene konkurencije, oglasi za posao, mali oglasi, vijesti iz industrije, katalog dobavljača bez upotrebljivog API-ja. Radi po rasporedu, ništa ne odlučuje i ni s kim ne razgovara.

Bot je sučelje. Živi u Telegramu ili drugom messengeru i zna pitati, prikazati, podsjetiti i primiti datoteku. Pametan je točno onoliko koliko ste ga napravili. Njegova prava vrijednost nije inteligencija, nego to što nitko ne mora instalirati aplikaciju ni pamtiti lozinku.

Servis je vaš vlastiti backend. Ima bazu, ovlasti, povijest operacija i API. Treba vam kada podaci moraju preživjeti sesiju, kada s njima rade različiti ljudi u različitim ulogama i kada dva vanjska sustava moraju znati jedan za drugi.

Agent dobiva cilj, a ne uputu. Sam odlučuje redoslijed radnji, koji alat upotrijebiti i kada stati i pitati čovjeka. Najskuplji je i najćudljiviji od sva četiri.

Razlika među njima nije u količini AI-ja unutra. Razlika je u tome tko donosi odluku: raspored, korisnik, vaš kod ili model.

Parser: podaci koje još nemate

Parsiranje izgleda kao lak posao sve do trenutka kada krene u produkciju.

Prvo provjerite postoji li API. Službeni API gotovo je uvijek jeftiniji za održavanje od najurednijeg scrapera, čak i kada se plaća. Parsiranje HTML-a puca tiho: stranica je u četvrtak promijenila markup, a vi to saznate dva tjedna kasnije iz izvještaja koji izgleda malo čudno.

Zatim pravna strana. Nisam odvjetnik, ali dvije činjenice vrijedi znati. U Sjedinjenim Državama Deveti okružni žalbeni sud u predmetu hiQ Labs protiv LinkedIna potvrdio je zabranu blokiranja scrapera, polazeći od toga da je Computer Fraud and Abuse Act pisan protiv upada u zaštićene sustave, a ne protiv prikupljanja stranica otvorenih svima (odluka iz 2022.). U EU članak 4. Direktive 2019/790 dopušta text and data mining, uz pravo nositelja prava da to izričito zabrani (EUR-Lex). Osobni podaci podliježu GDPR-u zasebno, a "ionako je bilo javno" ondje nije argument.

Što u praksi ruši scrapere:

• Struktura stranice mijenja se bez najave. Pišite provjere na oblik podataka, ne samo na njihovo postojanje.
• Paginacija i ograničenja broja zahtjeva. Idite sporije nego što možete. Blokirani IP košta više od uštećenog sata.
• Duplikati. Isti proizvod pod tri šifre pretvara izvještaj u šum. Normalizacija traži više koda od samog prikupljanja.
• Tihi prazni rezultati. Scraper je završio, nema greške, nula redaka. To mora podići alarm, a ne proći kao uspjeh.

O AI-ju unutar parsera. Model je dobar u izvlačenju smisla iz prljavog teksta: svodi pet formulacija istog naziva radnog mjesta na jednu, vadi specifikacije iz opisa. Model je loš u kretanju po stranicama i loš u računanju. Prikupljanje i navigaciju ostavite kodu, a modelu dajte posao razumijevanja onoga što je stiglo.

Istog sam se pravila držao pišući markdown parser za ovaj blog. Ima dvjesto redaka, ne povlači nijednu vanjsku ovisnost i podržava točno onu sintaksu koju koristim. Gotova biblioteka bila je primamljiva, ali build na Railwayu instalira sa zamrznutim lockfileom, pa bi jedna dodatna ovisnost stajala više od samog koda.

Bot: sučelje, a ne mozak

Bot pobjeđuje ondje gdje je posao ukloniti trenje. Nitko ne preuzima aplikaciju, ne registrira se i ne traži lozinku. Ljudi su već u messengeru.

TT Production Event Planner bio je upravo taj problem. Upiti za ozvučenje i rasvjetu stizali su kao slobodan tekst, a voditelj je na svaki trošio pola sata razjašnjavanja. Bot vodi ljude kroz odabir opreme i prostora i voditelju predaje strukturiran brief. U kritičnom putu nema nimalo AI-ja, i to je ispravno: odabir iz kataloga ne treba model.

AI zaslužuje mjesto u botu kada je ulaz nestrukturiran. Event AI Agent je taj slučaj. Ljudi opisuju događaj kako znaju, a izlaz mora biti razložen upit s datumom, formatom i budžetom.

Gdje botovi prestaju: složeni ekrani, dugi obrasci, tablice, osobni pregled s poviješću. Ondje počinje mini app. Granicu sam detaljno razložio u tekstu bot ili mini app, a cijene obojega u koliko košta mini aplikacija.

Servis: kada vlastiti backend više nije izbjegljiv

Znakovi da ste prerasli botove i skripte po rasporedu:

• Podaci moraju preživjeti dulje od jedne sesije i izgledati različito različitim ljudima.
• Pojavile su se uloge: klijent, operater, administrator.
• Dva vanjska sustava moraju razmjenjivati podatke, a netko mora rješavati njihove sukobe.
• Treba vam povijest: tko je što promijenio i kada.

Servis rijetko izgleda impresivno. Njegova je vrijednost u tome što je dosadan i predvidljiv. U NeuroWalletu sam prototip novčanika s nadzornom pločom, virtualnom karticom i AI uvidima gradio kao proizvod sa stanjem, a ne kao bota, jer bi se bez pravog pohranjivanja stanja i povijesti transakcija demo raspao na drugom ekranu.

Jedan praktičan detalj koji štedi mjesece: webhookove i red čekanja postavite odmah. Sinkroni poziv tuđeg API-ja iz obrade obrasca radi točno do prvog petka navečer kada taj API padne.

Agent: kada je cilj važniji od koraka

Agent opravdava svoju cijenu kada put nije poznat unaprijed. Istražiti temu, usporediti izvore, pripremiti nacrt, vratiti ga na provjeru. Ako su koraci poznati i stabilni, napišite običan pipeline. Bit će jeftiniji, brži i pouzdaniji.

Moj radni primjer je Pulsara, glasovna upravljačka ploča nad portfeljem od 27 projekata. Glasom možete pitati status projekta ili zadati reviziju, a sustav pokreće posao u pravoj mapi. Unutra su usmjerivač i sedam specijaliziranih agenata s memorijom. Tri odluke bile su važnije od cijele arhitekture: API ključ ostaje na poslužitelju, a preglednik dobiva samo privremeni token; ovlasti agenata ograničene su na mapu jednog projekta, bez pristupa Gitu i deployu; karte arhitekture se spremaju u predmemoriju, inače bi svaki upit stajao kao cijela sesija.

Cijelu metodu, s ulogama, granicama autonomije i provjerom izvora, iznio sam u tekstu AI agenti u poslovanju. Ukratko: agent bez ograničenja nije moćan agent, nego neupravljiv.

Kako odabrati u pet minuta

Postavite četiri pitanja redom i stanite na prvom "da".

1. 01Trebaju vam podaci koje nemate, iz izvora koji se ne mijenja? Parser.
2. 02Treba vam čovjek u petlji, a već je u messengeru? Bot.
3. 03Trebaju vam stanje, uloge i veza među sustavima? Servis.
4. 04Put se mijenja od zadatka do zadatka, a rezultat čovjek može provjeriti? Agent.

Većina rješenja završi kao kombinacija: parser prikuplja, servis pohranjuje i poslužuje, bot je okrenut ljudima, a agent pokriva onu jednu dionicu kojoj stvarno treba sloboda izbora. Ne morate izgraditi sve. Ne smijete početi od svega.

Koliko to košta i koliko traje

Brojke po kojima sam procjenjujem.

Parser za jedan izvor s izlazom u tablicu ili bazu: jedan do dva tjedna. Svaki sljedeći izvor dodaje otprilike trećinu prvoga, jer je normalizacija već napisana.

Bot sa scenarijem i predajom čovjeku: dva do tri tjedna. Dodajte tjedan za AI razlaganje slobodnog teksta, uglavnom na promptove i na provjeru da model odgovara predvidljivo.

Interni servis s ulogama i jednom vanjskom integracijom: četiri do osam tjedana. Druga integracija košta više od prve, a ne isto.

Agentni scenarij nad podacima koje već imate: tri do šest tjedana do stanja u kojem ga možete dati ljudima. Više od polovice tog vremena odlazi na granice, a ne na gradnju: što radi sam, što nosi na potvrdu, kako objašnjava odakle je koja činjenica.

Satnice objašnjavaju razliku između dviju ponuda bolje nego opseg posla. Timovi iz istočne Europe naplaćuju 30 do 65 dolara po satu, iz zapadne 80 do 140. Početne brojke za formate u kojima radim nalaze se u dijelu cijene.

Tri pogreške koje najčešće viđam

Automatizira se proces koji ne postoji. Dok redoslijed živi u glavi jednog zaposlenika i mijenja se svaki tjedan, nema se što automatizirati. Prvo zapišite proces običnim riječima. Polovica projekata završi na tom koraku, i to je dobar ishod.

Poseže se za agentom ondje gdje bi skripta bila dovoljna. Agenti su skuplji za izradu, skuplji za pogon i osjetno teži za otklanjanje grešaka. Ako dijagram toka možete nacrtati bez grananja koja traže prosudbu, treba vam pipeline.

Izostavlja se provjera. Svaka automatizacija treba odgovor na pitanje "odakle ova brojka". Parser mora čuvati izvornu stranicu ili njezin hash. Agent mora pokazati izvor činjenice. Bez toga prva pogreška briše povjerenje u cijeli sustav, uključujući dijelove koji rade ispravno.

Odakle početi

Uzmite jedan proces koji se ponavlja barem tjedno, jede vidljivo vrijeme i završava rezultatom koji netko može provjeriti okom. Zapišite ulaz, izlaz i kriterij prihvaćanja. Zatim odaberite alat s četiri pitanja odozgo.

Prvu verziju pokušavam staviti pred stvarne ljude unutar dva tjedna. Ne zato što dobro zvuči, nego zato što svaka procjena ostaje hipoteza dok ne sretne stvarne podatke. Što stvarno stane u taj rok, razložio sam u tekstu što se može isporučiti u dva tjedna. Moj proces jednak je pri svakom budžetu, jer se skupe pogreške događaju u prvom koraku, a ne u zadnjem.

Česta pitanja o AI automatizaciji

Po čemu se AI automatizacija razlikuje od obične?

Obična automatizacija izvodi korake koje ste unaprijed opisali. AI automatizacija dodaje rad s nestrukturiranim ulazom: slobodan tekst, dokumenti, govor, slike. Model treba ondje gdje se pravilo ne može izričito zapisati. Sve ostalo je jeftinije i pouzdanije u kodu.

Je li scraping stranica legalan?

Ovisi o tome što prikupljate i gdje. U Sjedinjenim Državama Deveti okružni sud u predmetu hiQ protiv LinkedIna Computer Fraud and Abuse Act tumačio je kao propis usmjeren na upade u zaštićene sustave, a ne na prikupljanje javno dostupnih stranica. EU ima iznimku za text and data mining od koje nositelji prava mogu odustati. Osobni podaci podliježu GDPR-u bez obzira na to jesu li bili javni. Uvjeti korištenja stranice i njezin robots.txt također su važni. Granične slučajeve odnesite odvjetniku prije pokretanja, a ne poslije.

Treba li malom poduzeću AI agent?

Obično ne, i sigurno ne kao prvi korak. Krenite od jednog procesa i najjednostavnijeg alata koji ga zatvara. Agent zaslužuje mjesto kada se put mijenja od zadatka do zadatka i kada već znate provjeriti rezultat.

Koliko košta automatizacija jednog procesa?

Parser za jedan izvor je jedan do dva tjedna rada, bot sa scenarijem dva do tri, interni servis s ulogama i integracijom četiri do osam. Konačna brojka ovisi o satnici tima i broju vanjskih sustava u opsegu. Početni orijentiri nalaze se u dijelu s cijenama.

Mogu li poslužiti gotovi no-code alati?

Često da, i to je razuman prvi korak. n8n, Make i Zapier brzo zatvaraju jednostavne lance. Vlastiti kod postaje isplativiji kada se pojave nestandardna logika, osjetljivi podaci, veći broj poziva ili zahtjev da sve ostane na vašoj strani.

Što ako model ponekad pogriješi?

Uzmite to kao normalno i projektirajte prema tome. Podijelite radnje na povratne i nepovratne. Nacrt, uži izbor i klasifikaciju model može isporučiti sam. Slanje e-pošte, plaćanje, brisanje podataka i promjenu ovlasti mora potvrditi čovjek. I svaka činjenica mora pokazati svoj izvor.

Što je za mene dobra automatizacija

Dobar sustav ne tjera nikoga da uči o modelima i tokenima. Objašnjava običnim riječima što će napraviti, koje podatke treba, koliko će stajati i gdje će stati i pitati vas. Može se ugasiti bez programera. Njegov se rezultat može provjeriti.

Postoji još jedan test koji cijenim iznad ostalih: sustav vam nije strah ostaviti da radi u petak navečer. Ako jest, nedostaju granice, a ne snaga.

Ako imate proces koji se ponavlja i vrijedi ga isprobati, javite mi se. Možemo krenuti od jednog zadatka i rezultata koji se može izmjeriti.