Chatbot koji odgovara na poruke, skripta koja u tri unaprijed zadana koraka poziva veliki jezički model (large language model, LLM) i sistem koji sam odlučuje šta će sljedeće uraditi: u svijetu umjetne inteligencije (artificial intelligence, AI) sve se to danas naziva “AI agentom”. Prema vodičima kompanija Anthropic i OpenAI, agent je samo ovaj posljednji. Razlika nije samo teorijska. Od nje zavisi koliko sistem košta, koliko često griješi i gdje mu je potreban čovjek.

Ukratko

AI agent je sistem u kojem veliki jezički model sam bira sljedeći korak. Model poziva alate (pretraživanje, izvršavanje koda, baze podataka), čita šta su vratili i to ponavlja u petlji, sve dok ne obavi zadatak ili dok ga ne zaustavi uslov za završetak, npr. najveći dozvoljeni broj koraka. Time se razlikuje od chatbota, koji samo odgovara, i od toka rada (workflow), u kojem redoslijed koraka unaprijed određuje programer. Nezavisna mjerenja iz 2024. pokazala su da su agenti tada često griješili: na benchmarku (referentnom testu) τ-bench čak su i agenti zasnovani na tada najjačim modelima rješavali manje od polovine zadataka.

Agent, tok rada ili chatbot?

Anthropic je u decembru 2024. objavio vodič “Building effective agents” u kojem razlikuje dvije vrste sistema. U toku rada model i alati idu putanjama koje je programer unaprijed definisao u kodu. Kod agenta model sam vodi proces i sam bira alate. Obje vrste Anthropic naziva “agentskim sistemima”, ali agentom smatra samo drugu.

OpenAI u vodiču iz 2025. agente opisuje kao sisteme koji “samostalno obavljaju zadatke u vaše ime”. Presudno je pitanje da li jezički model upravlja redoslijedom koraka. Po toj definiciji obični chatbotovi i modeli koji na jedan upit daju jedan odgovor nisu agenti.

Ove definicije se ne poklapaju u potpunosti, a nijedna nije zvanična. Ipak, iz obje proizlazi isto praktično pravilo:

  • Chatbot odgovara na poruke. Ne izvršava radnje i ne odlučuje šta dalje.
  • Tok rada poziva model, ali redoslijed koraka unaprijed je odredio programer.
  • Agent sam odlučuje šta će sljedeće uraditi, na osnovu onoga što je dobio u prethodnom koraku.

Sistemi s više agenata, u kojima nekoliko agenata dijeli posao, tema su za zaseban tekst.

Kako funkcioniše

OpenAI agenta dijeli na tri dijela: model, alate i upute koje sadrže jasna pravila i zaštitna ograničenja. Alati su vanjske funkcije ili servisi kojima se pristupa preko API-ja (programskog interfejsa). Anthropic cijeli mehanizam sažima u jednu rečenicu: agenti su “obično samo jezički modeli koji u petlji koriste alate na osnovu povratnih informacija iz okruženja”.

Pojednostavljeno, ta agentska petlja izgleda ovako:

  1. Na osnovu zadatka, uputa i dosadašnjih rezultata model odlučuje da li mu treba alat ili je zadatak završen.
  2. Ako mu treba alat, slijedi pozivanje alata (tool calling): model piše strukturiran zahtjev s nazivom alata i argumentima.
  3. Aplikacija izvršava taj zahtjev.
  4. Rezultat se vraća modelu i krug počinje iznova.
Kako AI agent radi: agentska petlja Agent dobija zadatak i upute. Model odlučuje treba li mu alat; pozivanje alata šalje zahtjev alatu, po potrebi uz odobrenje čovjeka za rizične radnje, a rezultat alata vraća se modelu. Petlja se ponavlja dok se ne ispuni uslov za završetak, npr. konačan odgovor, greška ili najveći dozvoljeni broj koraka. Donji red: chatbot samo odgovara, u toku rada korake određuje programer, a kod agenta model sam bira sljedeći korak. Kako AI agent radi Model sam bira sljedeći korak, sve dok ga ne zaustavi uslov za završetak ULAZ · ZADATAK I UPUTE "Pronađi najjeftiniji let za Beč i rezerviši ga." AGENTSKA PETLJA 1 · MODEL ODLUČUJE "Treba li mi alat?" pozvati alat ili završiti, na osnovu dosadašnjih rezultata 2 · POZIVANJE ALATA LJUDSKI NADZOR čovjek odobrava rizične radnje 3 · ALAT SE IZVRŠAVA pretraga, izvršavanje koda, baza podataka, API vraća stvarne podatke iz okruženja 4 · rezultat alata vraća se modelu, i krug počinje ponovo uslov za završetak IZLAZ · KRAJ PETLJE Petlja staje na uslovu za završetak, npr. konačan odgovor, greška ili najveći dozvoljeni broj koraka. Ko određuje sljedeći korak? CHATBOT niko: samo odgovara na poruku i ne izvodi radnje TOK RADA programer, unaprijed u kodu model izvršava zadane korake AGENT model, u svakom koraku na osnovu rezultata alata Zadatak je ilustrativan. Prema vodičima Anthropica (2024) i OpenAI-ja (2025). Pusti ponovo
Agentska petlja: model bira sljedeći korak, alat vraća rezultat, a petlja se zaustavlja kad se ispuni uslov za završetak.

Anthropic naglašava da se agent u svakom koraku mora oslanjati na stvarne podatke iz okruženja, npr. na rezultat izvršenog koda, a ne samo na vlastitu procjenu.

Ideja nije nova. Rad ReAct (Yao i saradnici, 2022) opisuje model koji naizmjenično ispisuje korake zaključivanja (reasoning) i izvodi radnje, npr. pretražuje Wikipediju preko API-ja. U testnim okruženjima ALFWorld i WebShop takav pristup povećao je uspješnost za 34, odnosno 10 procentnih poena u odnosu na metode s kojima su ga autori poredili.

Petlja se mora negdje i završiti. OpenAI navodi pet takvih uslova: model pozove alat za konačni odgovor, vrati odgovor u unaprijed zadanom formatu, naiđe na grešku, dostigne najveći dozvoljeni broj koraka ili odgovori bez ijednog poziva alata. Anthropic kao primjer također navodi najveći dozvoljeni broj ponavljanja.

Petlja može imati i tačke na kojima agent čeka čovjeka. To se naziva ljudskim nadzorom (human-in-the-loop). Prema Anthropicu, agent može zastati i zatražiti povratnu informaciju od čovjeka. OpenAI preporučuje da čovjek preuzme kontrolu kad agent prekorači dozvoljeni broj neuspjelih pokušaja, kao i prije visokorizičnih radnji poput otkazivanja narudžbi, odobravanja velikih povrata novca ili plaćanja.

Koliko su agenti pouzdani?

τ-bench iz 2024. testira agente koji pozivaju alate. Prema autorima, čak i agenti zasnovani na tada najjačim modelima, poput gpt-4o, rješavaju manje od 50% zadataka. Autori su mjerili i dosljednost: kad se isti zadatak iz maloprodajnog dijela testa pokrene osam puta, agent ga riješi u svih osam pokušaja u manje od 25% slučajeva. Za sistem koji se koristi svakodnevno dosljednost je važnija od pojedinačnog uspjeha.

Sva mjerenja u ovom dijelu potiču iz 2024. i s početka 2025. i odnose se na tadašnje najnovije modele. Noviji modeli na istim testovima mogu imati drugačije rezultate.

Istraživači organizacije METR mjerili su 2025. koliko duge programerske zadatke modeli mogu završiti. Claude 3.7 Sonnet uspijevao je u polovini zadataka za koje je ljudima trebalo oko 50 minuta. Od 2019. dužina takvih zadataka udvostručuje se otprilike svakih sedam mjeseci, a autori navode da se taj rast 2024. možda i ubrzao. Riječ je o trendu izračunatom iz dosadašnjih podataka, a ne o prognozi. Autori i sami upozoravaju da se rezultati s njihovog skupa zadataka ne moraju preslikati na stvaran posao.

Proizvođači objavljuju i vlastite brojke, koje treba čitati s tom rezervom. Anthropic je u oktobru 2024. u javnu probnu verziju pustio upravljanje računarom (computer use), funkciju kojom Claude upravlja računarom na osnovu snimaka ekrana. Prema Anthropicu, model je na benchmarku OSWorld riješio 14,9% zadataka koristeći samo snimke ekrana (22,0% s više dozvoljenih koraka), a prvi sljedeći sistem 7,8%. Anthropic je i sam funkciju opisao kao eksperimentalnu, “ponekad nezgrapnu i sklonu greškama”.

Procenti s različitih benchmarka nisu međusobno uporedivi jer svaki mjeri drugu vrstu zadataka.

Praktične implikacije

  • Krenite od najjednostavnijeg rješenja. Prema Anthropicu, agenti bolji rezultat plaćaju sporijim radom i višom cijenom. Što je samostalnost veća, veći su i troškovi, a greške se mogu gomilati iz koraka u korak. OpenAI dodaje da za zadatke bez složenih procjena, nepreglednih pravila ili nestrukturiranih podataka može biti dovoljan i običan program s fiksnim pravilima.
  • Tri pitanja za svaki proizvod koji nosi oznaku “agent”. Ko određuje sljedeći korak, model ili programer? Šta zaustavlja petlju? Gdje čovjek odobrava radnje?
  • O visokorizičnim radnjama odlučuje čovjek. OpenAI preporučuje da čovjek preuzme kontrolu prije plaćanja, velikih povrata novca i otkazivanja narudžbi.

Šta NIJE

  • Agent nije nova, pametnija vrsta modela. Pokreće ga jezički model iste vrste kao i chatbot. Razliku čine alati, petlja i sloboda da sam bira sljedeći korak.
  • Nije agent sve što se tako zove. Oznaka se koristi vrlo široko, pa i za sisteme koji po definicijama Anthropica i OpenAI-ja nisu agenti.
  • Slikovito poređenje nije dokaz. OpenAI u vodiču agenta za otkrivanje prevara poredi s iskusnim istražiteljem, ali to je analogija, a ne mjerenje.

Povezano

  • Šta je LLM i kako radi? – o modelu koji pokreće svakog agenta: tokenima, predviđanju sljedećeg tokena i kontekstnom prozoru.

Izvori