Agenti umjetne inteligencije koji samostalno obavljaju zadatke u pozadini poslovnih tokova trenutačno su najvruća tema u korporativnom svijetu, no stručnjaci upozoravaju da je hype veći od konkretnih rezultata. Ipak, primjeri američkog fintech diva Block i farmaceutske kuće GSK pokazuju kako se povrat ulaganja ipak postiže – pod uvjetom da se agenti uklope u ustaljene procese, a ne obratno.
Block: jedan „kolega” u pozadini • Block je u siječnju lansirao interoperabilni okvir za AI agente pod kodnim imenom Goose. • Platformu trenutačno koristi oko 4 000 inženjera, a broj se udvostručuje iz mjeseca u mjesec. • Goose generira i do 90 % koda, a inženjerima štedi oko 10 sati rada tjedno automatizirajući pisanje, testiranje i otklanjanje pogrešaka. • Uz programske zadatke, agent „sažima” sadržaj Slacka i e-pošte, prikuplja podatke za prodaju i marketing te po potrebi stvara nove potagentе. • Block inzistira na sučelju koje djeluje kao jedan digitalni suradnik: „Želimo da izgleda kao da radite s jednom osobom koja na više mjesta radi u vaše ime”, objašnjava tehnički voditelj Brad Axen.
Goose je izgrađen na otvorenom Model Context Protocolu, objavljen pod licencijom Apache 2.0 i omogućuje, primjerice, pristup Databricks bazama podataka bez programerskog znanja. Axen naglašava da je usko grlo upravo – proces: „Ne možete zaposleniku samo dati alat i reći mu da ga prilagodi sebi; agent mora preslikati posao koji već obavlja.”
GSK: višestruki agenti ubrzavaju otkrića lijekova • Farmaceutski div koristi multi-agentne arhitekture kako bi skratio vrijeme otkrivanja novih terapija u područjima poput onkologije i infektivnih bolesti. • Znanstvenici kombiniraju LLM-ove specifične za domenu, ontologije i stroge okvire testiranja kako bi brže provjerili hipoteze nad golemim skupovima genomske, proteomske i kliničke građe. • „Agenti su apsolutno srž našeg poslovanja”, kaže Kim Branson, globalni šef za AI i strojno učenje. • GSK je razvio vlastite epigenomske jezične modele na Cerebrasovoj tehnologiji, ali rezultate stalno provjerava paralelnim pokretanjem više modela i ljudskom ekspertizom. • Branson priznaje da je u farmaciji često nemoguće doći do „apsolutne istine” bez opsežnih kliničkih studija, pa agenti služe za brzo postavljanje i filtriranje istraživačkih pitanja.
Ljudi ostaju presudni Oba sugovornika slažu se da visoka razina automatizacije ne isključuje stručnjake: u financijskim uslugama kod mora ostati pouzdan i usklađen, a u farmaciji hipoteze trebaju ljudsku provjeru. „Agenti ne mijenjaju značenje ekspertize – samo vam daju novi alat da je izrazite”, poručuje Axen.
Zaključak: ključ uspjeha nije u gomilanju spektakularnih funkcija, nego u preciznom usklađivanju AI agenata s poslovnim navikama i kontrolnim točkama koje su ljudi već uspostavili.