Šta je AI agent? Šest definicija jedna pored druge i šta funkcioniše u lancu prodavnica

„AI agent“ je ove godine najkorišćeniji termin u poslovnom softveru i jedan od najslabije definisanih. Gartner procenjuje da samo oko 130 od hiljada ponuđača koji prodaju agentsku AI nudi pravu stvar i očekuje da će više od 40% projekata agentske AI biti otkazano do kraja 2027. zbog troškova, nejasne vrednosti ili slabe kontrole rizika⁵.

Pre nego što odlučite da li agentu ima mesta u vašim prodavnicama, korisno je znati šta pod tim terminom podrazumevaju oni koji su ga skovali. Evo njihovih definicija, citiranih iz njihovih sopstvenih dokumenata.

Šest definicija AI agenta

Kada se pročitaju zajedno, slažu se oko tri dela: cilja, alata koji deluju, a ne samo pričaju, i izvesne samostalnosti u odnosu na čoveka^{1, 2, 3, 4}. Akt EU o veštačkoj inteligenciji, zakon koji će u Evropi regulisati veliki deo ovoga, uopšte ne koristi reč agent; on reguliše AI sisteme koji funkcionišu sa različitim nivoima autonomije⁶.

Razlikuju se u trećem delu, a upravo je on važan za trgovca. Agent koji sastavi nacrt porudžbine i agent koji je pošalje dobavljaču mogu da rade na istom modelu. Razdvaja ih to koliko smeju da urade bez pitanja, a istraživači sa Univerziteta u Vašingtonu tvrde da je to izbor onoga ko agenta uvodi, odvojen od toga šta model može⁷.

Agent, chatbot, kopilot ili tok rada?

Chatbot odgovara. Kopilot odgovara iz vaših podataka i predlaže; vodič o AI kopilotima za maloprodajne operacije objašnjava šta te odgovore čini pouzdanim. Tok rada (workflow) izvršava korake koje je neko unapred odredio, kao što je noćno pravilo za ponovno naručivanje. Agent sam odlučuje o sledećem koraku i koristi alate da ga preduzme². U praksi većina korisnih sistema kombinuje poslednja dva: fiksna pravila rade računicu, a model preuzima delove koji traže procenu i objašnjenje.

Dokle su kompanije stigle: u McKinseyjevom istraživanju za 2026. udeo organizacija sa više od 1 milijarde dolara prihoda koje skaliraju AI agente u najmanje jednoj funkciji porastao je za godinu dana sa 27% na 40%, dok je kod manjih organizacija ostao na 22%. Ispitanici iz robe široke potrošnje i maloprodaje agente najčešće koriste u marketingu i prodaji⁸.

Autonomija je podešavanje: dodeljujte je po radnji

Istraživači opisuju ulogu čoveka kako samostalnost agenta raste: operater, saradnik, konsultant, odobravalac i na kraju posmatrač, koji može samo da ga isključi⁷. Vodič same kompanije OpenAI dodaje praktično pravilo: ocenite svaki alat po tome da li samo čita ili i upisuje, da li se radnja može poništiti i kakav je njen finansijski uticaj, i zadržite osobu u petlji za radnje kao što su otkazivanje porudžbina, odobravanje velikih povraćaja novca ili plaćanja¹.

Za lanac prodavnica to znači da jedan agent može imati različita ovlašćenja za različite radnje. Može slobodno da čita zalihe, savetuje o premeštanjima, priprema porudžbine dobavljačima za odobrenje, a da mu i dalje treba osoba pre nego što bilo šta stigne do dobavljača. Lestvica od pet nivoa, koji se dodeljuju po vrsti radnje, to čini izričitim:

U čemu agenti i dalje greše

Razlozi za ograničenja nalaze se u dokazima. U testu TheAgentCompany, sa 175 zadataka u simuliranoj kompaniji, najbolji agent testiran u radu samostalno je završio 30,3% njih⁹. Kada je Anthropic pustio model da oko mesec dana vodi malu kancelarijsku prodavnicu, prodavao je artikle ispod cene koštanja, delio kodove za popust na zahtev i govorio kupcima da plaćaju na račun koji je izmislio; njegovi tvorci zaključili su da ga „ne bi zaposlili“¹⁰.

Drugi pokušaj je korisniji. Procedure, uvid u troškove i pravilo da osoba proverava svaku nabavku uklonili su veći deo gubitaka, a tim je to sažeo rečima „birokratija je važna“¹¹. To je lekcija iz maloprodaje: kontrole koje lanac već primenjuje na novog nabavljača, kao što su limiti, odobrenja i pregled posle prvog meseca, upravo su ono što agenta čini bezbednim za upotrebu.

Šest pravila za AI agente u lancu prodavnica

1. Količine i novac neka računaju fiksna pravila; model neka ih objašnjava i rešava izuzetke.
2. Dajte svakom agentu jedan merljiv cilj i granice koje ne sme da prekorači da bi ga postigao, na primer dostupnost bez naduvavanja zaliha.
3. Ovlašćenja dodeljujte po vrsti radnje i neka ih podiže samo vlasnik, posle probnog perioda sa jasnim pragovima.
4. Spuštajte ih automatski kada se granica prekorači ili podaci zastare.
5. Zadržite dugme za zaustavljanje i zapis svake radnje. Za visokorizične sisteme Akt EU o veštačkoj inteligenciji zahteva da ljudi mogu da preinače ili ponište izlaz sistema i da ga zaustave⁶.
6. Efekat merite u odnosu na kontrolne prodavnice koje nisu dobile radnje agenta, a ne u odnosu na prošli mesec.

Poslednje pravilo se najčešće preskače. Dostupnost na polici menja se sa sezonom iz razloga koji nemaju veze sa softverom; samo poređenje sa sličnim prodavnicama u istim nedeljama odvaja efekat agenta od sezone. Vodič o nestašicama pokazuje kako se dostupnost čita prodavnicu po prodavnicu.

Kako ovo primenjuju marql AI agenti

marql ima tim AI agenata: šest uloga, od nabavke do finansija, svaka sa jednim KPI-jem i granicama koje ne sme da prekorači. Ovlašćenja koriste pet nivoa opisanih gore, podešenih po vrsti radnje. Nivo podiže samo vlasnik ili COO, posle probnog perioda koji proizvod proverava svakog dana: za prelazak sa nivoa „Savetuje“ na „Priprema“ potrebne su četiri nedelje na nivou i najmanje 70% saveta koje su ljudi prihvatili; za nivo „Izvršava posle potvrde“ potrebni su položen ispit na simulatoru maloprodaje i najviše 10% stavki nacrta koje su ljudi izmenili. Najviši nivo je zatvoren za sve klijente.

Količine dolaze iz fiksnih pravila; jezički model ih objašnjava. Nivo na kome agent stvarno radi najniži je od tri: dodeljenog nivoa, onoga što dozvoljava veza sa ERP-om i onoga što dozvoljava svežina podataka. Sa e:corg-om ERP sam kreira dokument; sa drugim ERP sistemima osoba unosi odobreni nacrt. Svaki agent može da se pauzira i sam se spušta za jedan nivo kada prekorači svoju granicu.

U petini prodavnica svaki agent samo savetuje, pa se njegov KPI može porediti sa prodavnicama u kojima ne deluje; lanac sa manje od pet prodavnica vidi KPI kao zapažanje, a ne kao efekat. Sam ekran to kaže otvoreno: završena radnja još ne znači izmerenu korist. AI agent za nabavku dolazi prvi, jer je za vraćanje potražnje izgubljene zbog prazne police najviše toga već spremno.