Veštačka inteligencija kao portal ka agentima i softverima

Veštačka inteligencija kao portal ka agentima i softverima je ideja da zaposleni ne moraju da otvaraju deset različitih aplikacija kako bi dobili informaciju ili započeli poslovni zadatak. Umesto toga, AI asistent može da razume pitanje, pronađe dozvoljene podatke i, kada je to bezbedno i opravdano, poveže korisnika sa specijalizovanim softverom ili agentom.

Ova ideja bila je centralna tema Positive teksta objavljenog 19. marta 2025., čiji je autor Miljan Radanović. Original je AI asistenta opisao kao centralnu tačku kroz koju se koordinira mreža „digitalnih pomagača“ i poslovnih aplikacija, uz modularnu izgradnju sistema nalik LEGO kockicama. U ovom obnovljenom izdanju čuvamo tu viziju, ali jasnije razgraničavamo asistenta, agenta, izvor podataka i pravo na izvršavanje radnje.

Šta znači da je AI portal ka poslovnom softveru?

Portal je korisnički sloj kroz koji zaposleni postavlja pitanje prirodnim jezikom: „Koje otvorene ponude imamo?“, „Gde je poslednja verzija procedure?“ ili „Pripremi nacrt zadatka za podršku“. Iza jednog ulaza mogu postojati odvojeni CRM, sistem za projekte, baza znanja, platforma za podršku i analitički alati.

AI asistent obrađuje nameru i priprema odgovor. Integracioni sloj proverava identitet, ovlašćenja i dostupne funkcije. Poslovni sistem ostaje izvor istine za podatke i izvršene promene. Ova podela sprečava da jezički model postane nekontrolisani administrator cele kompanije.

Jednostavan interfejs nije dovoljan sam po sebi. Korisnik mora znati kada razgovara sa asistentom, koji izvor je korišćen i da li je radnja zaista sprovedena ili je pripremljen samo predlog.

AI asistent, AI agent i automatizacija: u čemu je razlika?

Asistent najčešće odgovara, objašnjava, pretražuje i predlaže. Agent je sistem kome se može dati ograničen cilj i mogućnost da koristi alate kroz više koraka. Klasična automatizacija izvršava unapred definisan tok po pravilima.

Na primer, asistent može objasniti kako se otvara tiket. Agent može, uz dozvolu, zatražiti dodatne detalje i pripremiti tiket u odgovarajućoj kategoriji. Automatizovani sistem zatim može obavestiti dodeljenog tehničara. U svakom koraku potrebno je odrediti ko odlučuje, šta se beleži i kada je obavezno ljudsko odobrenje.

Nije svaka aktivnost pogodna za agenta. Kada je posao predvidljiv i jednostavan, tradicionalni tok rada može biti pouzdaniji. Kada postoje različiti izvori i mnogo nejasnoća, AI može pomoći u razumevanju zahteva, ali to ne opravdava neograničenu autonomiju.

Zašto je modularni pristup važan?

Originalni tekst koristio je poređenje sa LEGO kockicama: svaka komponenta ima određenu funkciju i može se zameniti ili proširiti bez rušenja celog sistema. U praksi to znači da pretraga znanja, rad sa CRM-om i obrada tiketâ ne moraju biti jedan veliki, nerazdvojivi program.

Modularnost olakšava postepeno uvođenje. Kompanija može prvo dodati pouzdanu pretragu dokumentacije, potom ograničenu integraciju sa servisom za podršku, a tek nakon testiranja složeniji tok za prodaju. Tako je lakše utvrditi gde nastaje greška i koja komponenta zahteva izmenu.

Važan uslov je standardizovan način povezivanja, sa kontrolom pristupa i jasnim opisom dozvoljenih akcija. Sama činjenica da dve aplikacije imaju API ne znači da smeju razmenjivati sve podatke.

Zajednička baza znanja nije dozvola za pristup svemu

U originalnoj viziji pominje se velika zajednička baza znanja, odnosno data lake. Ona može objediniti različite vrste podataka, ali ne treba je poistovetiti sa neograničenim skladištem iz kog svaki asistent može pročitati sve.

U stvarnom sistemu potrebno je razlikovati javna dokumenta, interna uputstva, ugovore, klijentske zapise i poverljive evidencije. Prava pristupa moraju važiti i kada AI preko pretrage pronalazi podatke. Zaposleni ne sme dobiti tuđi ugovor samo zato što je postavio dobro formulisano pitanje.

Retrieval-augmented generation (RAG) omogućava da aplikacija pronalazi relevantne odlomke i prosleđuje ih kao kontekst modelu. To olakšava rad sa ažurnim izvorima, ali ne uklanja rizik od pogrešnog tumačenja. Odgovor treba proveravati, a za važna pitanja prikazati izvor.

Primer: korisnik traži informaciju iz CRM-a

Zaposleni pita: „Koje prilike za prodaju treba kontaktirati ove nedelje?“ Asistent prepoznaje da se zahtev odnosi na CRM, a integracija proverava identitet zaposlenog i njegove dozvole. Poslovni sistem vraća samo dozvoljene zapise.

Asistent zatim može pripremiti sažetak sa prioritetima i predložiti nacrt sledećih koraka. Ako postoji akcija za kreiranje zadatka, ona se izvršava kroz kontrolisani servis, uz potvrdu i evidenciju. Razlika između predloga i izvršene radnje mora biti jasna.

Ovaj primer pokazuje zašto se ne može jednostavno „priključiti AI na podatke“. Potrebni su uredan CRM, odgovorni vlasnici podataka, pravila pristupa i način da se isprave pogrešne informacije.

Primer: IT podrška i automatizacija incidenta

Drugi scenario je interni zahtev: „Ne mogu da pristupim deljenom folderu“. Asistent može postaviti osnovna pitanja, pronaći važeće uputstvo i utvrditi da li problem zahteva servisnu prijavu. Ako se incident nastavi, kreira ili predlaže tiket sa opisom i kategorijom.

Bezbedan tok ne znači da AI može samostalno menjati korisničke privilegije. Resetovanje pristupa, promene u infrastrukturi ili pristup osetljivim podacima treba da budu povereni jasno definisanim procedurama i ovlašćenim ljudima ili servisima.

Kod korisničke podrške merite vreme do pravilne klasifikacije, tačnost uputstava i kvalitet predaje zaposlenom. Broj razgovora nije isto što i broj rešenih incidenata. Više o ovoj temi: AI četbot kao deo operativnog sistema.

Šest preduslova iz originalnog Positive koncepta

1. Stabilna IT infrastruktura. Aplikacije i integracije moraju biti dostupne, nadgledane i održavane. Bez pouzdanih servisa AI interfejs postaje lepši način da se dobije ista greška.

2. Kultura otvorena za promene. Zaposleni treba da razumeju šta sistem može i šta ne može. Obuka obuhvata praktične primere, kritičko čitanje odgovora i postupak prijavljivanja greške.

3. Jasno definisani procesi. Pre nego što agent dobije mogućnost da izvrši radnju, mora biti jasno šta je početni zahtev, ko odobrava i šta predstavlja uspešan završetak.

4. Pravi alati i integracije. Koristite funkcije koje postoje u poslovnom softveru, umesto da sve razvijate iz početka. Izaberite komponente koje se mogu održavati i zameniti.

5. Visok nivo bezbednosti. Upravljajte identitetom, pristupima, tajnama, logovima i granicama delovanja. Svaka komponenta mora raditi sa najmanjim neophodnim pravima.

6. Tačni i uređeni podaci. AI ne može pouzdano da popravi lošu evidenciju samo zato što ume da formuliše ubedljiv odgovor. Podaci zahtevaju vlasnika, izvor, ažuriranje i kontrolu kvaliteta.

Bezbednost i odgovornost u mreži agenata

Mreža povezanih agenata povećava površinu rizika: jedan pogrešan odgovor može postati pogrešan ulaz za sledeći korak. Poseban problem je prompt injection, kada napadač kroz poruku ili dokument pokušava da podmetne instrukciju kojom se zaobilaze pravila.

OWASP opisuje napade na jezičke modele, uključujući neovlašćeno otkrivanje informacija, zloupotrebu alata i prekomerna ovlašćenja. Zato tehnički sistem mora zasebno proveravati identitet, opseg akcije i granice podataka. Model ne sme sam sebi dodeljivati dozvole.

Koristan pristup uključuje ograničenja po agentu, potvrdu važnih radnji, mogućnost zaustavljanja procesa i audit zapis o tome ko je pokrenuo zahtev, koje su informacije korišćene i šta je zaista izvršeno. NIST AI RMF može poslužiti kao okvir za upravljanje rizicima i evaluaciju.

Kako uvoditi arhitekturu korak po korak?

Prvo izaberite jednu konkretnu potrebu, poput pretrage odobrenih procedura ili pripreme podrške. Napravite popis relevantnih podataka i proverite njihovu tačnost.

Drugo povežite jedan servis uz najmanje privilegije. Proverite kako sistem reaguje kada korisnik nema pristup, kada podatak ne postoji i kada su dva izvora u konfliktu.

Treće testirajte jasne i nejasne zahteve. Uključite pokušaje manipulacije, greške u konekciji i slučajeve kada agent treba da prepusti zadatak čoveku.

Četvrto uvedite merljive pokazatelje: tačnost, završetak zadatka, vreme do odgovora, kvalitet predaje i ukupan trošak održavanja.

Peto dodajte naredni modul tek kada je postojeći dovoljno pouzdan. Ovakav pristup ostavlja prostor za promene platforme i smanjuje rizik da kompanija odjednom automatizuje previše procesa.

Šta ako kompanija ne uvede ovakav AI portal?

Original je postavio provokativno pitanje o zaostajanju kompanija koje ignorišu AI. Danas je korisnije odgovoriti bez straha kao prodajne taktike: nije svakoj firmi potreban centralni AI portal odmah. Potrebno joj je da razume koje procese može poboljšati i kojim redosledom.

Ponekad su uređen CRM, bolja dokumentacija ili standardna automatizacija vredniji od AI projekta. U drugim slučajevima AI može povezati fragmentisana znanja i olakšati rad zaposlenima. Razliku pokazuje pilot sa jasnim kriterijumima, ne popularnost modela.

Kompanija ne treba da ignoriše promene, ali ni da kupuje sistem čiju vrednost, troškove i rizike ne ume da proceni.

Ljudi su nezamenljivi u odgovornosti i odlučivanju

Jedna od ključnih poruka autora jeste da AI treba da podrži ljude, a ne da bude izgovor za njihovo isključivanje. Razumevanje klijenta, prepoznavanje posledica odluke, komunikacija i preuzimanje odgovornosti zahtevaju odgovarajući ljudski nadzor.

Pojedine rutinske radnje mogu biti automatizovane u velikoj meri. Ali i tada neko u kompaniji mora biti odgovoran za pravila, kvalitet podataka, zaštitu korisnika i ispravku grešaka.

Dobro osmišljen sistem ostavlja zaposlenima više vremena za složenije zadatke, pod uslovom da je stvarna korist izmerena i da automatizacija ne uvodi nove, skrivene obaveze.

Od nekadašnjeg PAM koncepta do Positive ekosistema

U originalnom tekstu Positive je opisao povezivanje AI asistenata sa poslovnim rešenjem PAM. To je važan istorijski kontekst nastanka ideje i treba ga sačuvati, ali se ne sme automatski predstavljati kao potvrda da su sve tada zamišljene funkcije danas dostupne.

U današnjem Positive ekosistemu koncept modularne integracije može se razmatrati kroz poslovni softver ONE, AI rešenja Cybercompany i infrastrukturu i zaštitu koju obezbeđuje CoreTech. Konkretna integracija zavisi od funkcionalnosti i tehničke procene za svaku kompaniju.

Za dodatna objašnjenja pogledajte Kako AI agenti menjaju poslovanje i Cybercompany u Positive ekosistemu.

Zaključak: jedan jednostavan ulaz, mnogo kontrolisanih mogućnosti

Vizija veštačke inteligencije kao portala nije samo mogućnost da razgovaramo sa softverom. Njena vrednost je u koordinaciji pravih podataka, odgovarajućih alata i ljudi koji su odgovorni za rezultat.

Modularni pristup omogućava postepeno uvođenje, a dobra infrastruktura, organizaciona kultura, jasno definisani procesi, prava integracija, bezbednost i kvalitetni podaci omogućavaju da taj pristup bude održiv. Najbolji prvi korak nije veliki automatizovani sistem, već jedan poslovni zadatak čiji rezultat možete pouzdano proveriti.