5 min čitanja
AI agent nije samo chatbot koji odgovara na pitanje. To je sustav koji dobije cilj, prikuplja kontekst, bira sljedeći korak, koristi dopuštene alate i ponavlja postupak dok ne završi zadatak ili ne naiđe na granicu. U marketingu to može značiti analizu pada konverzija, pripremu briefa iz više izvora, provjeru kampanja ili slaganje prijedloga za sljedeći eksperiment. Ne bi trebalo značiti neograničeno pravo na trošenje budžeta, objavljivanje ili kontaktiranje ljudi.
Workflow i agent nisu isto
Workflow slijedi unaprijed određenu putanju: ako se dogodi A, napravi B. Agent ima više prostora za procjenu situacije i izbor iduće radnje. Anthropic tu razliku opisuje kao razliku između sustava u kojima modeli i alati slijede zadane kodne putanje te agenata koji dinamički usmjeravaju vlastiti proces i korištenje alata [3].
Zato agent nije automatski bolji. Ako je proces stabilan, pravila su jasna i iznimke rijetke, obična automatizacija je jeftinija, brža i lakša za nadzor. Agent ima smisla kada zadatak uključuje neuređene podatke, više koraka i odluke koje ovise o pronađenom kontekstu.
Dobri prvi slučajevi primjene
Najsigurniji početak su zadaci u kojima agent čita i predlaže, ali ne mijenja vanjske sustave. Može sažeti izvedbu kanala, pronaći neuobičajene promjene, usporediti rezultate s planom, povezati bilješke iz CRM-a s podacima kampanje ili pripremiti nacrt tjednog izvještaja.
Googleov službeni Google Ads MCP poslužitelj daje agentima standardiziran, read-only pristup podacima računa kako bi mogli dohvatiti kampanje i metrike te ih objasniti prirodnim jezikom [4]. To je dobar primjer korisne prve razine: agent pomaže u analizi, ali ne dobiva odmah ovlast za promjenu budžeta ili oglasa.
Alati moraju imati uske ovlasti
Agent je siguran koliko su sigurni njegovi alati. Umjesto opće naredbe „upravljaj kampanjom”, odvojite konkretne funkcije: pročitaj metrike, izradi prijedlog, provjeri limit, zatraži odobrenje, izvrši dopuštenu promjenu i zapiši rezultat. Svaki alat treba imati jasne ulaze, izlaze, ograničenja i poruke pogreške.
OpenAI preporučuje biranje slučajeva u kojima tradicionalna deterministička automatizacija nije dovoljna te izričito naglašava guardraile, evaluacije i ljudsku intervenciju za rizične radnje [1]. U praksi to znači najmanje potrebne ovlasti, odvojene testne i produkcijske podatke, zapis svake radnje i mogućnost trenutnog zaustavljanja.
Odobrenje prije vanjske posljedice
Agent može samostalno istražiti problem, ali prije slanja e-maila, objave sadržaja, promjene cijene, aktiviranja publike ili povećanja budžeta treba stati i zatražiti potvrdu. Prag odobrenja neka prati posljedicu pogreške: reverzibilni interni nacrt nije isto što i javna poruka ili promjena od nekoliko tisuća eura.
Posebno pazite kada agent obrađuje osobne podatke. EDPB naglašava odgovornu AI inovaciju uz zaštitu osobnih podataka, a njegova dokumentacija o rizicima LLM sustava preporučuje procjenu vjerojatnosti i ozbiljnosti posljedica te odgovarajuće mjere smanjenja rizika [5], [6].
Kako testirati agenta
Ne ocjenjujte ga samo po dojmu jednog razgovora. Sastavite skup stvarnih zadataka: uobičajene slučajeve, rubne situacije, nedostajuće podatke, konfliktne upute i namjerne pokušaje da prijeđe granicu. Mjerite točnost zaključka, izbor alata, broj nepotrebnih koraka, trošak, brzinu, udio ljudskih intervencija i štetu izbjegnutu zaustavljanjem.
Agent treba znati kada ne zna. Dobar rezultat može biti zahtjev za dodatnim podatkom, prijenos zadatka čovjeku ili odbijanje radnje izvan ovlasti. OpenAI agent opisuje kao kombinaciju modela, alata i uputa; sva tri dijela treba evaluirati, a ne samo konačni tekst [1].
Operativni model za marketing tim
Za svaki agent definirajte vlasnika, poslovni cilj, izvore podataka, popis alata, dopuštene radnje, zabranjene radnje, pragove odobrenja, rokove čuvanja i kill switch. Prvih nekoliko tjedana neka radi u shadow modu: generira prijedloge, ali ljudi obavljaju radnje. Tek nakon stabilnih rezultata uvedite ograničenu autonomiju.
Najbolji agent nije onaj koji radi najviše. To je onaj koji pouzdano obavlja dovoljno uzak posao, ostavlja jasan trag i zna kada treba stati.
Izvješće o rizicima LLM-a izradio je vanjski stručnjak u programu EDPB Support Pool of Experts; ono nije službeno stajalište EDPB-a.
Česta pitanja
Koja je razlika između AI agenta i marketinške automatizacije?
Automatizacija prati unaprijed zadana pravila, dok agent može procijeniti kontekst, odabrati alat i prilagoditi sljedeći korak. Za stabilne procese workflow je često bolji izbor.
Treba li agentu dati pristup oglasnom računu?
Počnite s read-only pristupom. Ovlasti za promjene dodajte tek nakon evaluacije, uz limite, zapis radnji i obvezno odobrenje za značajne promjene.
Može li agent sam objavljivati sadržaj?
Tehnički može, ali javna objava treba ostati iza ljudske provjere činjenica, tona, autorskih prava i reputacijskog rizika.
Kako mjeriti uspješnost agenta?
Pratite dovršenost zadatka, točnost, kvalitetu izbora alata, vrijeme, trošak, broj intervencija i greške spriječene guardrailima.
Kada agent nije potreban?
Kada su koraci uvijek isti, ulazi strukturirani, a pravilo se može jasno zapisati. Tada je deterministički workflow jednostavniji i pouzdaniji.
Izvori
Zadnja provjera izvora: 23. listopada 2026.
Povezani članci
Pročitajte i druge članke
Usluge povezane s ovom temom
Odaberite uslugu prema potrebama svojeg poslovanja. Prikazan je standardni opseg iz cjenika.
