Al agenti kao nova radna snaga: kako autonomni radni tokovi mijenjaju ekonomije

U današnjem savremenom poslovnom okruženju, postizanje superiornih performansi i izgradnja konkurentske prednosti postaju imperativ u svim segmentima poslovanja. Široko prihvaćeni koncept digitalne transformacije pokazao se kao ključni faktor velikog razvoja globalne ekonomije. Na tom temeljnom valu digitalne transformacije pojavila se umjetna inteligencija, donoseći sposobnost automatizacije, analize i interpretacije ogromnih količina podataka.

Generativna AI potom je demonstrirala svoju snagu u kreiranju sadržaja, slika i teksta, ali sada dolazi nova faza evolucije: AI agenti. AI agenti ne služe samo za generisanje informacija već postaju aktivni učesnici u poslovnim procesima, transformišući odnos između rada, kapitala i produktivnosti. Kako autonomni tokovi rada prelaze iz eksperimentalnih pilot-projekata u primjenu velikih razmjera, ključno ekonomsko pitanje više nije hoće li AI agenti promijeniti način rada, već ko će biti sposoban tu promjenu pretvoriti u održivu vrijednost kroz sektore, vještine i nove poslovne modele.

Da ulozi nisu teorijski, već makroekonomski mjerljivi, potvrđuju i vodeća globalna istraživanja. Prema procjenama McKinseyja, do 2030. godine samo američko B2C maloprodajno tržište moglo bi generisati oko milijardu dolara prihoda orkestriranog putem agentske umjetne inteligencije, dok se globalni efekti procjenjuju u rasponu od 3 do 5 milijardi dolara. Paralelno s tim, analize PwC-a i OECD-a ukazuju na to da bi generativna AI mogla povećati globalni BDP za do sedam posto do 2030. godine, pri čemu se upravo AI agenti identifikuju kao ključni mehanizam operacionalizacije tog rasta.

Šta su zapravo AI agenti, a šta definitivno nisu? IBM definiše AI agenta kao softverski program koji u savremenim implementacijama koristi velike jezičke modele (LLM) kao centralni mehanizam rezonovanja, te je povezan s alatima, podacima i drugim sistemima putem API-ja, a može djelovati u ograničenom i jasno definisanom okviru autonomije kako bi modelirao kontekst, planirao i izvršavao zadatke.

Ovdje je važno odmah napraviti jasnu razliku: AI agenti nisu klasični chatbotovi koji isključivo odgovaraju na pojedinačne upite. AI agent ima sposobnost da razloži zadatak visokog nivoa na podzadatke, isplanira niz operativnih koraka i, kroz unaprijed odobrene integracije, koristi eksterne alate poput CRM, ERP ili RPA sistema, pri čemu kontinuirano procjenjuje međurezultate i prilagođava svoje djelovanje. Ovaj proces se ponavlja i prilagođava dok se ne ispune unaprijed definisani kriteriji uspjeha ili dok sistem ne bude zaustavljen, što AI agente čini kvalitativno drugačijim oblikom automatizacije u odnosu na tradicionalne, reaktivne softverske alate.

Na primjer, u banci AI agent može imati zadatak da optimizuje obradu zahtjeva za stambeni kredit tako što prikuplja podatke iz internog core banking sistema i CRM-a, inicira provjere kreditne sposobnosti i kolaterala kroz povezane eksterne servise, te iterativno ažurira procjenu rizika s ciljem generisanja strukturirane preporuke, a ne donošenja konačne odluke za kreditni odbor.

Međutim, većina današnjih implementacija tzv. AI agenata u praksi je znatno prizemnija od narativa koji dominira medijskim prostorom. Umjesto autonomnih "digitalnih kolega", riječ je uglavnom o orkestriranim tokovima rada u kojima LLM služi kao sloj za rezonovanje i generisanje teksta, dok su planiranje, odluke i granice djelovanja u velikoj mjeri unaprijed definisani. Ono što se na tržištu često označava kao AI agent, najčešće se svodi na kombinaciju LLM-a, osnovnih mehanizama planiranja i poziva funkcija, što kreira arhitekturu koja je dovoljno robusna za automatizaciju rutinske analize, pripreme izvještaja ili asistencije u radu, ali koja ne predstavlja opšti, samostalni sistem za donošenje kompleksnih poslovnih odluka.

Ekonomski efekti takvih rješenja su realni, ali strukturno ograničeni. Mjerljiv rast produktivnosti postiže se prvenstveno u uskim, jasno strukturiranim domenama poput korisničke podrške, obrade dokumenata ili softverskog razvoja, dok primjena AI agenata u potpuno autonomnim, end-to-end poslovnim procesima i dalje ostaje uglavnom u fazi pilot-projekata i kontrolisanog eksperimentisanja.

Istraživanja pokazuju da kompanije širom svijeta već prilagođavaju svoje operativne modele kako bi integrisale AI agente u svakodnevni rad. Prema recentnom istraživanju koje su proveli MIT Sloan Management Review i Boston Consulting Group (BCG), 35 posto globalnih kompanija već je pokrenulo inicijative vezane za korištenje agentne AI, a projektovana očekivanja su da stopa usvajanja već u narednoj godini poraste na 44 posto. Zanimljivo je da je razvoj AI agenata znatno brži nego kod prethodnih talasa inovacija baziranih na tradicionalnoj i generativnoj umjetnoj inteligenciji. Sasvim je izvjesno da će trajnu konkurentsku prednost ostvariti one organizacije koje uspješno preoblikuju svoje poslovanje oko novog modela saradnje između ljudi i mašina, istovremeno razvijajući adekvatne upravljačke okvire i ključne vještine potrebne za takvu saradnju.

Nedžad Pirić

Prema istom istraživanju, provedenom među 2.100 menadžera iz 116 zemalja i 21 industrije, uz dodatne intervjue s 11 visokorangiranih menadžera koji predvode inicijative umjetne inteligencije u sektorima poput finansijskih usluga, tehnologije, maloprodaje, energetike i zdravstva, uočava se duboka promjena u percepciji: čak 76 posto ispitanika vještačku inteligenciju danas doživljava kao "kolegu", a ne isključivo kao tehnološki resurs.

Rezultati istraživanja otvaraju novo suštinsko upravljačko pitanje: kako istovremeno upravljati AI agentima kao tehnološkim sistemom koji zahtijeva kontrolu, sigurnost i pouzdanost, ali i kao "digitalnog kolegu" čije djelovanje treba nadzirati, usmjeravati i kontinuirano unapređivati. U tom procesu granica između ljudskog i tehnološkog resursa postaje sve fluidnija, što sa sobom nosi nove rizike koji se posebno odnose na rizik od homogenizacije odluka i operativnih obrazaca u situacijama gdje se AI agenti oslanjaju na iste skupove podataka, slične modele i standardizovane načine rezonovanja.

Upravo zato se stvarna konkurentska prednost ne postiže samim uvođenjem AI agenata, već njihovom prije svega promišljenom, a zatim i dubokom integracijom u konkretan organizacioni kontekst. Sama tehnologija je, u svojoj osnovi, široko dostupna, pri čemu diferencijacija nastaje tek u trenutku kada kompanije prilagode AI agente vlastitim podacima, internim pravilima, operativnoj logici i kulturi donošenja odluka. Organizacije koje sistematski ulažu u "obuku" i kontinuirano unapređenje AI agenata unutar vlastitih procesa vremenom razvijaju jedinstvene obrasce rada, akumuliraju institucionalno znanje i stvaraju rješenja koja je teško standardizovati, a još teže kopirati.

U tom procesu, ljudski kapital ne gubi na značaju. Naprotiv, njegova uloga se transformiše i produbljuje. Posebno se ističe doprinos mlađih zaposlenih, koji kroz svakodnevnu saradnju s AI agentima razvijaju sposobnosti kritičkog razmišljanja, nadzora nad algoritamskim odlukama i pravovremene korekcije sistema. Navedene vještine postaju temelj efikasnog hibridnog radnog okruženja, u kojem se produktivnost ne mjeri samo brzinom izvršenja zadataka, već i kroz kvalitet, odgovornost i sposobnost u upravljanju sve složenijim radnim procesima.

Istovremeno, agentna umjetna inteligencija djeluje kao snažan katalizator dubokih organizacionih promjena. Tradicionalne hijerarhije i rigidne podjele rada ustupaju mjesto fleksibilnijim strukturama, unutar kojih se pojavljuje nova profesionalna figura — tzv. "generalistički orkestrator".

Riječ je o profilu menadžera koji istovremeno razumije poslovni kontekst i operativne mogućnosti AI sistema, te je u stanju koordinirati rad hibridnih timova ljudi i agenata, usklađujući njihove aktivnosti i zajedničke ishode. Ova promjena već je vidljiva u praksi, gdje prema dostupnim podacima, 44 posto kompanija planira u skoroj budućnosti uvesti agentske sisteme, dok 43 posto najavljuje strateški zaokret ka zapošljavanju generalista umjesto usko specijalizovanih profila. U tom smislu, agentna AI ne transformiše samo tehnologiju rada, već i samu organizacionu arhitekturu savremenih kompanija.

I, naravno, neizbježno se postavlja pitanje hoće li AI agenti zamijeniti ljude, odnosno ugroziti radna mjesta. AI agentska transformacija ne podrazumijeva smanjenje uloge čovjeka, već njenu temeljnu evoluciju. Prema dostupnim istraživanjima, čak 95 posto zaposlenih koji već rade i sarađuju s AI agentima, imaju veće zadovoljstvo poslom, što jasno ukazuje na to da agentna AI, kada je promišljeno i odgovorno implementirana, ne donosi samo veću operativnu efikasnost, već i dodatni prostor za inovacije i kreativni rad. U tom kontekstu, agentna umjetna inteligencija ne zamjenjuje ljudski rad — ona zapravo transformiše način na koji se rad organizuje, vrednuje i dugoročno razvija u digitalnom ekosistemu.

Dr. Nedžad Pirić je ekspert za digitalizaciju. 

Sadržaj, stavovi i mišljenja izneseni u komentarima objavljenim na Bloomberg Adriji pripadaju autoru i ne predstavljaju nužno stavove uredništva Bloomberg Adrije.