Organizacije širom svijeta ubrzano traže načine kako uvesti agentički umjetnu inteligenciju – sustave koji samostalno prikupljaju alate i informacije te donose odluke umjesto čovjeka. No glavni izazov nije sama tehnologija, nego relevantnost podataka kojima se takvi sustavi hrane.
Ken Exner, glavni direktor za proizvode u Elasticu, naglašava da bez pristupa točnom kontekstu agenti ne mogu pouzdano obavljati zadatke. „People are starting to realize that to do agentic AI correctly, you have to have relevant data … When people struggle to build AI applications, I can almost guarantee you the problem is relevance”, ističe Exner.
Statistike pokazuju koliko je utrka postala žurna:
• Deloitte procjenjuje da će do 2026. više od 60 % velikih kompanija imati agentički AI u punoj produkciji.
• Gartner predviđa da će do kraja iste godine 40 % poslovnih aplikacija sadržavati specijalizirane agente, u odnosu na manje od 5 % u 2025.
Da bi agent dobio ispravne informacije u pravom trenutku, nužna je disciplina koju stručnjaci nazivaju kontekstnim inženjeringom. Ona obuhvaća dohvat, obradu i orkestraciju podataka – često razasutih po dokumentima, e-pošti, poslovnim aplikacijama i povratnim informacijama korisnika.
Elastic, čija je tražilica dugo bila temelj za pretraživanje nestrukturiranih podataka, nedavno je predstavio Agent Builder. Riječ je o alatu koji pojednostavljuje cijeli životni ciklus AI agenata – od razvoja i konfiguracije do nadzora rada. Korisnici mogu:
• graditi vlastite MCP alate nad privatnim podacima koristeći Elasticsearch Query Language; • kombinirati te alate s promptovima i velikim jezičnim modelom kako bi stvorili agenta; • ili pak odmah koristiti unaprijed pripremljenog konverzacijskog agenta za „razgovor” s podacima pohranjenima u Elasticsearch indeksu.
„Data is the center of our world at Elastic… The second you open up Agent Builder, you point it to an index in Elasticsearch, and you can begin chatting with any data you connect this to”, objašnjava Exner, dodajući da će se „pravi uspjeh mjeriti po tome koliko će tvrtke znati automatizirati procese pomoću AI-ja”.
Stručnjaci očekuju da će uz postojeće metode – od prompt inženjeringa do retrieval-augmented generationa i Model Context Protoco-la – brzo nicati novi obrasci. Svi će, međutim, dijeliti isti cilj: omogućiti LLM-ovima da razumiju i ispravno koriste privatne, zaštićene podatke tvrtke.
Kako se bliži 2026., jasno je da će pobjednici u AI utrci biti oni koji uspiju izvući najviše vrijednosti iz vlastitih – često zaboravljenih – kutaka podataka.