AI agenti v podjetju: kako povežejo interne sisteme in zmanjšajo ročno delo

Večina podjetij danes že pozna chatbote. Manj pa jih uporablja umetno inteligenco na način, da je povezana z internimi sistemi in realnimi poslovnimi procesi. Solvesall je na webinarju pokazal, kaj pomeni agentska AI v praksi: ne le odgovarjanje na vprašanja, ampak pomoč pri konkretnih delovnih procesih, kot so obdelava računov, priprava ponudb, projektno načrtovanje, spremljanje stanja projektov in iskanje po interni bazi znanja.

Od pogovora z AI do dela z AI

V drugem delu webinarja Digitalni Masterclass: Rešitve v praksi #9 je dr. Luka Bradeško, direktor in ustanovitelj podjetja Solvesall predstavil koncept agentske umetne inteligence in pokazal, kako jo lahko podjetja povežejo z orodji, ki jih že uporabljajo.

Njegovo izhodišče je bilo zelo praktično: veliko podjetij danes uporablja ChatGPT ali podobna orodja, vendar predvsem na ravni posameznika. Posameznik postavi vprašanje, dobi odgovor, nato pa mora sam odpreti CRM, ERP, e-pošto, dokumente ali projektni sistem in opraviti naslednje korake.

Agentska AI gre korak dlje.

Kot je pojasnil Bradeško, klasičen chatbot predvsem svetuje in odgovarja. AI agent pa razume cilj, lahko dostopa do internih sistemov, predlaga naslednje korake in v določenih primerih pomaga izvesti delovni proces — z nadzorom in potrditvijo uporabnika.

Največ časa se pogosto izgubi med sistemi

Ena od ključnih težav, ki jo je Solvesall izpostavil, je razdrobljenost podatkov. V podjetjih se podatki nahajajo v različnih sistemih: ERP, CRM, e-pošta, projektna orodja, tabele, dokumentni sistemi, računovodski programi in interne baze znanja. Vsak sistem hrani svoj del podatkov, zaposleni pa informacije ročno prenašajo iz enega orodja v drugega. To pomeni iskanje, prepisovanje, preverjanje, usklajevanje in izgubljanje časa pri nalogah, ki se ponavljajo, hkrati pa se povečuje tudi možnost napak.

Ravno tukaj lahko agentska AI ustvari največjo vrednost: ne pri velikih vizijah, ampak pri vsakodnevnih administrativnih in informacijskih delovnih procesih, kjer podjetje že ima podatke, vendar niso dovolj povezani.

Kaj je bilo prikazano iz prakse?

Solvesall ni predstavil samo koncepta, ampak tudi konkretne primere uporabe iz lastnega delovnega okolja. Med prikazanimi scenariji so bili:

• preverjanje računov v e-pošti in povezava z računovodskim sistemom,
• priprava osnutka ponudbe iz povpraševanja,
• ustvarjanje projektnega plana na podlagi sprejete ponudbe,
• pregled stanja projekta in opozorilo na manjkajoče roke ali naloge,
• iskanje odgovorov v interni bazi znanja.

Pri tem je bilo posebej pomembno, da agent ne deluje kot samostojna “črna škatla”, ampak kot pomočnik v obstoječem delovnem okolju. Človek še vedno pregleda, popravi, potrdi in odloči.

"Pri chatbotu večino dela po odgovoru še vedno naredi človek. Pri agentu se del ponavljajočih korakov lahko premakne v sistem." je poudaril Bradeško.

MCP: most med umetno inteligenco in internimi sistemi

Pomemben del predstavitve je bil namenjen tudi načinu povezovanja AI z internimi sistemi. Solvesall je predstavil MCP oziroma Model Context Protocol kot standardiziran pristop, ki umetni inteligenci omogoča povezavo z različnimi poslovnimi orodji.

Bradeško je MCP slikovito opisal kot neke vrste "USB za umetno inteligenco": vmesnik, prek katerega se lahko AI poveže z različnimi sistemi, pri čemer podjetje nadzoruje, do česa ima agent dostop in kaj lahko naredi.To je pomembno zato, ker podjetjem ni treba razmišljati o popolni menjavi obstoječih sistemov. Veliko večja vrednost je pogosto v tem, da se sistemi, ki jih podjetje že uporablja, pametneje povežejo.

Varnost ni dodatek, ampak pogoj

Pri uporabi agentske AI je eno prvih vprašanj vedno varnost. Kdo vidi podatke? Kam se pošiljajo? Kaj lahko agent naredi? Kdo potrdi občutljive korake?

Solvesall je poudaril več ravni nadzora: dostop po pravicah, človek v zanki, revizijska sled, anonimizacija podatkov, uporaba zasebnega oblaka ali celo lokalna postavitev modela. Pomembno sporočilo je bilo, da strah pred uhajanjem podatkov ni nerelevanten, vendar ga je mogoče upravljati. Ključno je, da podjetje jasno določi pravice, procese, odgovornosti in meje uporabe.

Začnite z enim procesom

Bradeško svetuje, da podjetja z agentsko AI ne začnejo preširoko. Namesto velikega projekta je bolje izbrati en konkreten proces, kjer se danes izgublja veliko časa: na primer obdelava povpraševanj, priprava ponudb, preverjanje računov, iskanje dokumentacije ali poročanje o stanju projektov.

Nato se poveže en sistem, vzpostavi osnovni agent, testira z ekipo in postopoma širi uporabo, ko se pokaže vrednost.

Kot je še poudaril Bradeško, to danes ni več nujno večletni projekt. Pri dobro izbranem primeru uporabe se podjetja lahko pogovarjajo o tednih, ne o letih.

Kaj AI pomaga narediti

Agentska AI ne pomeni, da umetna inteligenca nadomesti človeka. Pomeni, da lahko prevzame del ponavljajočega se iskanja, prepisovanja, preverjanja in priprave osnutkov, človek pa ostane tam, kjer ustvarja največjo vrednost: pri presoji, odločitvah, odnosih s strankami in odgovornosti za rezultat.

Ali kot bi lahko povzeli bistvo predavanja: ne gre več samo za vprašanje, kaj zna AI odgovoriti. Vprašanje je, kaj lahko AI pomaga narediti — varno, nadzorovano in na podatkih, ki jih podjetje že ima.