Kako se generativna umjetna inteligencija iz laboratorija premješta u svakodnevni rad, fokus se pomiče s modela na ljude koji njima upravljaju. Umjesto rasprave o tome je li bolji ovaj ili onaj LLM, u prvi plan dolazi pitanje: tko će zapravo dizajnirati, nadzirati i usmjeravati agente koji donose odluke umjesto zaposlenika? U sjeni „AI hypea“ nastaje nova klasa poslova – specijalizirane uloge zadužene za orkestraciju, sigurnost i poslovnu isplativost autonomne umjetne inteligencije.
Od data scientista do AI orkestratora
Prvu generaciju AI projekata vodili su uglavnom data scientisti, inženjeri i klasični IT timovi. No agentička AI traži drukčiji profil. Agenti više nisu samo modeli koji predviđaju, već autonomni sustavi koji planiraju, pozivaju alate, komuniciraju s drugim sustavima i ljudima te uče iz povratnih informacija. Netko mora definirati što agent smije, gdje su granice njegove autonomije i kako se mjeri uspjeh.
U velikim organizacijama zato se pojavljuju nove titule: AI orkestrator, dizajner poslovnih procesa za agente, kurator kvalitete podataka, arhitekt AI upravljanja, stručnjak za usklađenost AI sustava. Njihova je zadaća prevesti poslovne ciljeve u jezik agenata, osmisliti protok zadataka između ljudi i strojeva te postaviti pravila igre: kada agent djeluje samostalno, kada traži ljudsku potvrdu, a kada se u potpunosti isključuje.
Istodobno nastaju i operativne uloge poput AgentOps menadžera i inženjera pouzdanosti za LLM sustave. Oni prate rad agenata u stvarnom vremenu, analiziraju greške, optimiziraju tokove i brinu da agenti ne „pobjegnu“ izvan okvira zadatka. U praksi to znači stalno podešavanje promptova, pravila, ograničenja pristupa podacima i metrika uspješnosti.
Sprječavanje „agent sprawl-a“ i skrivenih rizika
Kako organizacije uvode sve više agenata – za korisničku podršku, interne upite, automatizaciju back-officea ili analitiku – javlja se fenomen „agent sprawl-a“. Radi se o nekontroliranom širenju agenata bez jasne svrhe, vlasnika i nadzora. Posljedice su duplicirani troškovi, konflikti u procesima, zbunjeni korisnici i povećani rizik od sigurnosnih incidenata.
Nove AI uloge nastaju upravo kao odgovor na taj problem. Arhitekti AI upravljanja i stručnjaci za usklađenost definiraju tko smije pokretati nove agente, koje podatke mogu koristiti, kako se bilježe odluke i tko je odgovoran za posljedice. U obzir se uzimaju regulatorni okviri poput EU AI Acta, pravila o zaštiti podataka, ali i interni etički standardi.
AgentOps menadžeri i timovi za rizik uvode nadzorne ploče za praćenje rada agenata, alarme za neuobičajeno ponašanje i procedure za brzo gašenje ili ograničavanje agenata. U praksi to znači da se uz tehničke logove jednako pažljivo prate i poslovne metrike: koliko je odluka agent donio, koliko ih je moralo biti ispravljeno, kakav je utjecaj na korisničko iskustvo i prihode.
Nove karijerne putanje: iz procesa, UX-a i automatizacije u AI orkestraciju
Ovaj pomak ne stvara samo nove titule, već mijenja i postojeće karijere. Stručnjaci koji su do jučer radili na procesnom dizajnu, poslovnoj analizi, automatizaciji ili korisničkom iskustvu, postaju prirodni kandidati za uloge AI orkestratora. Oni već razumiju kako funkcioniraju poslovni tokovi, gdje nastaju uska grla i što korisnici stvarno trebaju – a sada uče raditi s agentičkim okvirima, protokolima poput MCP-a i alatima za praćenje agenata.
S druge strane, od AI inženjera i arhitekata očekuje se širi pogled. Više nije dovoljno poznavati modele i API-je. Uloge se šire na razumijevanje regulative, etike, upravljanja rizikom i organizacijske promjene. Uspješni AI stručnjaci postaju most između tehnologije, pravnih timova, odjela za sigurnost i poslovnog vodstva.
Organizacije koje taj prijelaz planiraju strukturirano – kroz jasne putanje učenja, interne akademije, praktične projekte i mentorske programe – brže dolaze do stvarne vrijednosti. Umjesto da svaki tim „izmišlja AI ispočetka“, formiraju se centralni centri kompetencija koji standardiziraju alate, prakse i uloge, ali istovremeno omogućuju lokalnu prilagodbu.
AI operativni model: tko je „dirigent“?
Za tvrtke koje tek ulaze u svijet agentičke AI, ključno pitanje više nije samo „koji model odabrati“, već „kako izgleda naš AI operativni model“. To podrazumijeva jasnu podjelu uloga i odgovornosti: tko definira slučajeve uporabe, tko odobrava pristup podacima, tko nadzire rizike, tko mjeri učinak i tko donosi odluku o širenju ili gašenju pojedinog agenta.
Bez takve strukture, mnogi projekti zapinju u pilot fazi ili se gase zbog troškova i nejasne vrijednosti. Tamo gdje postoji jasan „AI dirigent“ – bilo da je riječ o internom timu ili vanjskom partneru – agenti se lakše uklapaju u postojeće procese i postaju stabilan dio svakodnevnog rada. Uspješni primjeri pokazuju da je presudno imati vlasnika svakog agenta, definirane procedure odobravanja promjena i mjerljive ciljeve koji se redovito revidiraju.
Pritom se mijenja i uloga tradicionalnih IT i digitalnih odjela. Umjesto da budu samo pružatelji infrastrukture i alata, postaju suodgovorni za dizajn AI operativnog modela. To uključuje odluke o centralizaciji ili decentralizaciji AI kompetencija, načinu integracije s postojećim sustavima i razini autonomije koju će agenti imati u različitim dijelovima organizacije.
Graditi interne timove ili se osloniti na partnere?
Kako se tržište brzinski puni novim AI rješenjima, CIO-i i voditelji digitalne transformacije nalaze se pred strateškim izborom: razvijati interne „AI dirigente“ ili se osloniti na vanjske partnere i konzultante. Kratkoročno, angažiranje specijaliziranih tvrtki može ubrzati prve projekte i smanjiti rizik. No dugoročno, potpuna ovisnost o vanjskim orkestratorima može usporiti inovacije i otežati prilagodbu specifičnom kontekstu poslovanja.
Najrobustniji pristup često je hibridan. Vanjski partneri pomažu u dizajnu prvog AI operativnog modela, postavljanju standarda i edukaciji, dok se istovremeno gradi interni tim koji postupno preuzima ključne uloge. Tako organizacija zadržava kontrolu nad strategijom, podacima i kritičnim procesima, a istovremeno koristi vanjsko iskustvo i najbolje prakse.
Kako se regulatorni okviri za AI ubrzano razvijaju, očekuje se i formalizacija ovih novih uloga: specijalizirani studijski programi, industrijske certifikacije i jasne karijerne ljestvice za AI orkestratore, stručnjake za AI upravljanje i AgentOps menadžere. Tvrtke koje na vrijeme definiraju tko će biti njihovi „AI dirigenti“ imat će jasnu prednost – brže će uvoditi agente, lakše upravljati rizicima i dugoročno zadržati konkurentnost u svijetu u kojem autonomna umjetna inteligencija sve više odlučuje umjesto nas.
