AI agenti v marketingu: uporaba in nadzor

Majhni zlati AI agenti izvajajo marketinške naloge znotraj prosojne varnostne meje pod človeškim nadzorom.

By Patricia Jarmek Trženjska strategija in analitika 22. 10. 2026

4 min branja

AI agent ni le klepetalnik. Dobi cilj, zbira kontekst, izbira naslednji korak, uporablja dovoljena orodja in postopek ponavlja, dokler naloge ne konča ali doseže meje. V marketingu lahko analizira padec konverzij, pripravi brief iz več virov ali preveri kampanje. Ne bi smel imeti neomejene pravice do porabe proračuna, objavljanja ali kontaktiranja ljudi.

Workflow in agent nista isto

Workflow sledi vnaprej določeni poti. Agent ima več prostora za presojo in izbiro naslednje akcije. Anthropic razlikuje med kodno vodenimi workflowi in agenti, ki dinamično usmerjajo svoj proces ter uporabo orodij [3].

Agent zato ni samodejno boljša izbira. Če je proces stabilen in so pravila jasna, je običajna avtomatizacija cenejša in lažje nadzorljiva. Agent je smiseln pri neurejenih podatkih, več korakih in odločitvah, ki so odvisne od najdenega konteksta.

Dobri prvi primeri uporabe

Začnite z nalogami, kjer agent bere in predlaga, ne pa spreminja zunanjih sistemov. Lahko povzame uspešnost kanalov, odkrije nenavadne spremembe, poveže zapiske iz CRM s kampanjami ali pripravi osnutek poročila.

Googlov uradni Google Ads MCP strežnik agentom omogoča standardiziran read-only dostop do podatkov računa za pridobivanje kampanj in metrik v naravnem jeziku [4]. To je varna prva raven: analiza brez pravice do spremembe proračuna ali oglasov.

Orodja z ozkimi pooblastili

Namesto splošnega ukaza »upravljaj kampanjo« ločite funkcije: preberi metrike, pripravi predlog, preveri omejitev, zahtevaj odobritev, izvedi dovoljeno spremembo in zapiši rezultat. Vsako orodje naj ima jasne vhode, izhode, omejitve in napake.

OpenAI priporoča agente tam, kjer deterministična avtomatizacija ne zadošča, ter poudarja guardraile, evalvacije in človeško posredovanje pri tveganih dejanjih [1]. Uporabite najmanj potrebnih pravic, ločene testne podatke, dnevnik dejanj in možnost takojšnje ustavitve.

Odobritev pred zunanjo posledico

Agent lahko sam razišče problem, vendar naj pred e-pošto, objavo, spremembo cene, aktivacijo občinstva ali povečanjem proračuna zahteva potrditev. Prag naj sledi posledicam napake.

Pri osebnih podatkih je potrebna dodatna previdnost. EDPB poudarja odgovorno inoviranje in zaščito osebnih podatkov, njegova dokumentacija o tveganjih LLM pa priporoča oceno verjetnosti in resnosti posledic [5], [6].

Testiranje agenta

Pripravite nabor resničnih nalog: običajne primere, robne situacije, manjkajoče podatke, konfliktna navodila in poskuse prestopa meje. Merite pravilnost, izbiro orodij, nepotrebne korake, stroške, hitrost, človeške posege in škodo, ki so jo varovala preprečila.

Dober rezultat je lahko tudi zahteva po podatku, predaja človeku ali zavrnitev nedovoljene akcije. OpenAI agenta opisuje kot kombinacijo modela, orodij in navodil; evalvirati je treba vse tri dele [1].

Operativni model

Za vsakega agenta določite lastnika, cilj, vire podatkov, orodja, dovoljena in prepovedana dejanja, pragove odobritve, roke hrambe in kill switch. Najprej naj deluje v shadow načinu: pripravlja predloge, dejanja pa izvajajo ljudje. Omejeno avtonomijo uvedite šele po stabilnih rezultatih.

Poročilo o tveganjih LLM je pripravil zunanji strokovnjak v programu EDPB Support Pool of Experts; ne predstavlja uradnega stališča EDPB.