Granice jednog AI-ja
Većina poduzeća počinje svoje AI putovanje s jednim chatbotom — asistentom opće namjene koji bi trebao rješavati sve, od korisničke podrške do analize podataka. Funkcionira za jednostavne upite, ali čim zatrebate domensko rasuđivanje, regulatornu usklađenost ili orkestraciju između sustava, model koji sve rješava jednako zakazuje.
Temeljni problem je kontekst. Jedan model mora žonglirati financijskim propisima, DevOps priručnicima, HR politikama i komunikacijom s klijentima — sve unutar istog kontekstnog prozora. Rezultat su površni odgovori, halucirani postupci i nulta odgovornost kada nešto krene naopako.
Paradigma višeagentnog sustava
U ESKOM.AI-u smo pristupili drukčije s našom višeagentnom platformom. Umjesto jednog sveznajućeg chatbota, izgradili smo mrežu desetaka specijaliziranih AI agenata, svaki s jasno definiranom ulogom, skupom alata i bazom znanja. Izvršni asistent bavi se rasporedom i trijažom e-pošte. Financijski agent upravlja analizom proračuna. Tehnički agent projektira rješenja. Svaki agent stručnjak je u svojoj domeni.
Ovo nije samo organizacijska kozmetika. Svaki agent nosi vlastiti sistemski upit, memoriju, dozvole za alate i pragove kvalitete. Kada CEO-ov sandučić primi e-mail o obnovi ugovora, sustav ne pita generički LLM da to riješi — preusmjerava zadatak odgovarajućem specijalistu koji već razumije kontekst.
Orkestracija je najteži dio
Izgradnja pojedinačnih agenata relativno je jednostavna. Pravi inženjerski izazov je orkestracija — odlučivanje koji agent obrađuje zadatak, kako agenti surađuju na složenim radnim tokovima i kako održati konzistentnost kroz mrežu. Naša platforma kombinira provjerene okvire za orkestraciju agenata za upravljanje:
- Klasifikacijom namjere — automatsko usmjeravanje dolaznih zadataka odgovarajućem specijalistu
- Višeagentnim radnim tokovima — ulančavanje agenata za složene procese (npr. pravna provjera → financijska analiza → izvršni sažetak)
- Rješavanjem sukoba — rukovanje slučajevima gdje agenti imaju preklapajuće kompetencije
- Samoučenjem — agenti se poboljšavaju kroz epizodičnu memoriju i doradu upita na temelju ishoda
Stvarni produkcijski rezultati
Nakon 10 razvojnih faza i tisuća automatiziranih testova koji pokrivaju jedinične, integracijske, E2E, UI, sigurnosne, performansne, regresijske, smoke i prihvatne testove, naš sustav obrađuje CEO-ovu e-poštu brzinom od 86 poruka u minuti s p95 vremenom odgovora ispod 2 sekunde. Sustav se integrira sa stotinama poslovnih alata — Gmail, Jira, Confluence, Slack, MS Graph i više — dajući svakom agentu pristup specifičnim platformama koje mu trebaju.
Ključni uvid je da enterprise AI nije o tome da imate najpametniji model. Radi se o tome da imate pravi model za svaki zadatak, s odgovarajućim zaštitnim mehanizmima, revizijskim tragovima i domenskom stručnošću ugrađenom u sustav. Tim fokusiranih stručnjaka uvijek će nadmašiti jednog generalista koji pokušava sve raditi odjednom.