Autonomni AI agenti i multiagentni sustavi: stvarno stanje 2026.
Autonomni agenti i multiagentni sustavi su AI tema godine. Između spektakularnih demonstracija i napuštenih projekata, evo što stvarno funkcionira u 2026., uz brojke koje stoje iza sve te buke.
1. Autonomni AI agent: precizna definicija
Autonomni AI agent planira i izvršava zadatak u više koraka uz minimalan nadzor. Sam odlučuje što slijedi, poziva alate (API-je, kod, pretraživanje weba), ispravlja vlastite pogreške i na kraju izvještava o rezultatu. To nije chatbot: chatbot odgovara, agent djeluje.
Razlika prema copilotu je jednako jasna. Copilot pomaže čovjeku koji ostaje za upravljačem. Autonomni AI agent preuzima inicijativu u zadanim granicama. U praksi je većina agenata koji su u 2026. stvarno u pogonu poluautonomna: sami rade rutinske korake, a odluke s poslovnim rizikom vraćaju čovjeku na potvrdu.
Gartner je agentsku AI svrstao među svoje strateške tehnološke trendove još u listopadu 2024. Pojam obuhvaća upravo tu sposobnost: planiranje, zaključivanje, korištenje alata i povezivanje akcija u niz.
2. Multiagentski sustav: kako funkcionira
Multiagentski sustav (MAS) povezuje više specijaliziranih agenata koji rade zajedno. Orkestrator raspodjeljuje posao. Agenti izvršitelji svaki obavljaju jedan precizan zadatak: jedan pretražuje, drugi analizira, treći piše. Rezultati se vraćaju orkestratoru koji ih sažima.
Dva standarda oblikuju ovo područje u 2026. MCP (Model Context Protocol) povezuje agente s alatima i vanjskim podacima. A2A omogućuje agentima da međusobno komuniciraju, prebacuju zadatke jedni drugima (handoff) i dijele zajedničko stanje. Mistral je, primjerice, svoj Agents API, lansiran u svibnju 2025., izgradio na MCP-u, s trajnom memorijom, orkestracijom i prebacivanjem zadataka između agenata.
Multiagentska logika ima smisla u tri konkretna slučaja: kad jedan kontekstni prozor više nije dovoljan za veliku količinu podataka, kad je više pravaca potrebno istraživati paralelno, ili kad zadatak zahtijeva da jedan agent stvara a drugi kritički provjerava. Izvan tih slučajeva jedan dobro postavljen agent obično je jednostavniji i jeftiniji.
3. Stvarna primjena: što govore brojke
Interes je masovan. Barometar Salesforcea i OpinionWaya iz travnja 2025., proveden na 776 rukovoditelja u Francuskoj, Njemačkoj i Velikoj Britaniji, pokazuje da 73% ispitanih rukovoditelja već koristi AI agente ili ih ozbiljno razmatra. Isto istraživanje bilježi da je 94% francuskih tvrtki pokrenulo AI projekte, većina još u fazi eksperimentiranja. Slični omjeri prepoznaju se i u regiji, gdje hrvatske tvrtke ubrzano ulaze u tu fazu testiranja.
Primjena u stvarnom pogonu ostaje puno selektivnija. Gartnerovo istraživanje iz svibnja i lipnja 2025., provedeno na 360 IT rukovoditelja iz organizacija s 250 i više zaposlenih u Sjevernoj Americi, Europi i regiji Azije i Pacifika, pokazuje da 75% već ima neki oblik AI agenta u pilot fazi, produkciji ili implementaciji. Ali samo 15% razmatra, testira ili uvodi potpuno autonomne agente, bez stalnog ljudskog nadzora.
Ova dva podatka zajedno govore istu priču: eksperimentiranje je posvuda, ali stvarna autonomija ostaje iznimka. Većina agenata u pogonu radi u poluautonomnom okviru, s ograničenjima i točkama u kojima čovjek mora potvrditi odluku.
4. Što stvarno funkcionira u 2026.
Uspješni primjeri imaju zajednički profil: usko definiran opseg, provjerljivi koraci i čovjek koji potvrđuje odluke s poslovnim rizikom. Najsolidniji slučajevi u produkciji su sortiranje i kvalifikacija ulaznih upita, priprema dokumentacije (natječajna dokumentacija, due diligence, regulatorna izvješća), generiranje koda i migracije velikih razmjera pod nadzorom developera.
Razvoj softvera je najnaprednije područje. Agenti tamo provode refaktoriranje i migraciju cijelih kodnih baza, zadatak po zadatak, dok developer potvrđuje kritične dijelove. Ušteda vremena je mjerljiva, a rizik je pod kontrolom zahvaljujući ljudskoj provjeri.
U Francuskoj su agencija za digitalizaciju javne uprave DINUM i tvrtka Mistral AI u listopadu 2025. pokrenuli pilot-projekt suverenog AI asistenta za 10.000 državnih službenika u više ministarstava (pravosuđe, financije, obrazovanje). Taj primjer pokazuje model koji funkcionira i koji je jednako primjenjiv u hrvatskoj javnoj upravi ili u većim tvrtkama: jasno definiran opseg, okvir upravljanja i postupno širenje.
Autonomni agent koji uspijeva u 2026. nije univerzalni virtualni zaposlenik. Više podsjeća na vrlo brzog operatera na strogo definiranim zadacima, čiji rad provjerava netko koji poznaje struku.
5. Što još ne funkcionira, i zašto
Otvoreni zadaci ostaju slaba točka. Kad se autonomnom AI agentu daje nejasna uputa poput 'preuzmi našu prodaju' ili 'optimiziraj podršku', rezultati su nepredvidivi. Agentu nedostaje poslovni kontekst, improvizira na dvosmislenim koracima i pogreške se gomilaju.
Pouzdanost pada s brojem koraka. Agent koji je 95% pouzdan po koraku padne na oko 60% pouzdanosti nakon deset uzastopnih koraka. Multiagentski sustavi dodaju svoje vlastite točke slabosti: agenti koji se međusobno kontriraju, petlje u koordinaciji, troškovi tokena koji rastu s brojem poziva.
U radu 'Patterns and problems in multiagent systems' (kolovoz 2026.) Anthropic dokumentira probleme koordinacije, upravljanja zajedničkim datotekama i propusnosti u rojevima agenata. Ti problemi nisu teoretski: pojavljuju se u stvarnom pogonu.
Integracija s postojećim sustavima nosi veliki dio budžeta za implementaciju. Tvrtke koje podcijene tu stavku dobiju agenta koji izvrsno radi na demonstraciji, a zaglavi u produkciji jer nema pouzdanih konektora s ERP-om, CRM-om ili bazama dokumenata.
6. Pravni okvir: što nalažu AI Act i GDPR
AI Act (Uredba 2024/1689) primjenjuje se na AI agente bez iznimke za stupanj njihove autonomije, jednako u Hrvatskoj kao i u ostatku EU. Zabrane su na snazi od veljače 2025. Obveze transparentnosti (čl. 50: obavijestiti korisnika da komunicira s AI sustavom) vrijede od 2. kolovoza 2026. Sustavi visokog rizika (zapošljavanje, kreditiranje, obrazovanje, javne usluge) zahtijevaju ljudski nadzor, sljedivost i dokumentaciju.
GDPR dodaje izravno ograničenje kroz članak 22.: potpuno automatizirane odluke koje imaju pravni ili značajno slična učinak na osobu su zabranjene, osim uz iznimke koje zahtijevaju ozbiljnu ljudsku intervenciju. Autonomni AI agent koji sam odlučuje o odbijanju kredita ili sortiranju kandidata za posao ulazi u to područje.
Francusko nadzorno tijelo CNIL i francusko Vijeće za AI i digitalizaciju (CIANum) objavili su u srpnju 2026. istraživačku bilješku o agentskoj AI i osobnim podacima. Iako dolazi iz Francuske, analiza je relevantna i za hrvatske tvrtke, jer AZOP primjenjuje ista pravila GDPR-a. Bilješka navodi tri specifična rizika agentskih arhitektura: trajne memorije koje gomilaju detaljne profile, složene lance obrade u kojima se odgovornost razvodni, i delegiranje akcija s velikim učinkom bez ljudske potvrde.
Za hrvatskog poduzetnika ili obrtnika praktično pravilo je jednostavno: svaki agent koji donosi odluku koja utječe na kupca, zaposlenika ili partnera mora imati dokumentiranu točku ljudske potvrde. Procjena učinka na zaštitu podataka (DPIA) obavezna je čim agent obrađuje osjetljive podatke ili donosi odluke sa značajnim učinkom.
7. Koncentracija tržišta i pitanje digitalne suverenosti
Francusko tijelo za zaštitu tržišnog natjecanja (Autorité de la concurrence) objavilo je u srpnju 2026. mišljenje o sektoru AI agenata, relevantno za cijelo europsko tržište uključujući Hrvatsku. Zaključak je jasan: više od 84% tržišta drže OpenAI, Google i Anthropic. Tijelo upozorava na rizike platformizacije, samopogodovanja (agenti koji favoriziraju usluge iz iste grupacije) i prepreka za ulazak europskih igrača.
Preporuka je koristiti postojeće okvire (AI Act, Akt o digitalnim tržištima, propise o tržišnom natjecanju) umjesto stvaranja novih posebnih pravila. Također se upozorava na rizik disintermedijacije: agent koji korisniku odgovara izravno, bez upućivanja na treće izvore, može presušiti promet prema izdavačima sadržaja i neovisnim uslugama.
Za hrvatske tvrtke ta koncentracija znači konkretan rizik ovisnosti o jednom dobavljaču. Odabir arhitekture koja podržava više modela (putem MCP-a ili multi-model sučelja) smanjuje taj lock-in. Mistral, europski igrač, nudi kredibilnu alternativu za određene primjene, među ostalim kroz svoj Agents API.
8. Multiagentski pristup za male tvrtke i obrte: pragmatično rješenje
Za obrtnika ili malu tvrtku, izgradnja formalne multiagentske infrastrukture (orkestrator, izvršitelji, zajedničko stanje, upravljanje sukobima) rijetko je isplativa investicija u 2026. Operativna složenost često premašuje korist.
Postoji pragmatična verzija koja donosi veliki dio te koristi. Kad se isti dokument obradi s dva različita modela i usporede se odgovori, to je zanatski multiagentski pristup. Ručno povezivanje agenta za analizu i agenta za pisanje unutar dokumentiranog radnog procesa također je multiagentski rad, bez posebne infrastrukture.
Prvi koristan korak: ne čekati savršenog autonomnog agenta da bi se izvukla vrijednost iz jednostavnih agenata. Dobro postavljen konverzacijski agent (jasna uloga, jasna pravila, referentni dokumenti, redovito testiranje) daje mjerljive rezultate već danas. Upute koje se nauči pisati za takvog jednostavnog agenta bit će temelj za vođenje razvijenijih autonomnih agenata sutra.
Drugi koristan korak: testirati modele jedne protiv drugih na vlastitim slučajevima. Agentske sposobnosti znatno se razlikuju od obitelji do obitelji (Claude, GPT, Gemini, Mistral) i mijenjaju se sa svakom novom verzijom. Multi-model sučelje kao GPTPro omogućuje usporedbu tih modela na istom višestepenom zadatku i provjeru, umjesto pretpostavke, koji model stvarno izdrži do kraja u vašem slučaju korištenja.
Stanje u 2026. stane u nekoliko rečenica: autonomni AI agenti rade dobro na uskim, provjerljivim zadacima, ne uspijevaju na otvorenim zadacima, a multiagentski pristup rješava stvarne probleme razmjera po cijeni složenosti koju rijetko koja organizacija stvarno kontrolira. Samo 15% IT rukovoditelja uvodi potpuno autonomne agente. Razlika između demonstracija i stvarne produkcije obilježje je ove godine.
Razumna strategija ostaje ista: jednostavni i dobro postavljeni agenti danas, jasno upravljanje (popis alata, logovi, točke ljudske potvrde), redovito praćenje novih modela i redoviti testovi na vlastitim slučajevima. Dobici su stvarni. Samo su manje spektakularni i traže više discipline nego što najave sugeriraju.
Česta pitanja
Može li autonomni AI agent raditi bez ljudskog nadzora?
Na ograničenim zadacima s provjerljivim koracima, da, uz zaštitne mehanizme. Na otvorenim zadacima ili odlukama sa značajnim učinkom (HR, kredit, klijent), ne: GDPR (čl. 22.) i AI Act nalažu ozbiljnu ljudsku intervenciju. U praksi je gotovo svaki agent u produkciji 2026. poluautonoman.
Kolika je stvarna razlika između autonomnog AI agenta i copilota?
Copilot pomaže čovjeku koji ostaje za upravljačem: predlaže, preformulira, dopunjuje. Autonomni AI agent preuzima inicijativu u zadanim granicama: planira, poziva alate, povezuje korake i izvještava o rezultatu. Razlika je operativna, ne marketinška.
Isplati li se multiagentski sustav u odnosu na jednog agenta?
Ovisi o slučaju. Multiagentski pristup daje vrijednost kad jedan kontekstni prozor nije dovoljan, kad se zadaci moraju obrađivati paralelno, ili kad adversarijalna arhitektura (jedan agent stvara, drugi kritički provjerava) poboljšava kvalitetu. Za većinu primjena u malim tvrtkama, jedan dobro postavljen agent je jednostavniji, jeftiniji u tokenima i lakše ga je nadgledati.
Primjenjuje li se AI Act na AI agente i tko je odgovoran u slučaju problema?
Da. AI Act se primjenjuje na AI agente bez iznimke za stupanj njihove autonomije, jednako u Hrvatskoj kao i u ostatku EU. Obveze transparentnosti vrijede od kolovoza 2026. Sustavi visokog rizika (zapošljavanje, kreditiranje, obrazovanje) zahtijevaju ljudski nadzor i sljedivost. U multiagentskim arhitekturama razlika između dobavljača i implementatora se komplicira: svaki dio lanca mora dokumentirati svoju ulogu i odgovornosti.
Kako izbjeći ovisnost o jednom dobavljaču AI agenata?
Dvije konkretne poluge: birati arhitekture kompatibilne s MCP-om (Model Context Protocol), koje omogućuju promjenu modela u pozadini bez ponovnog pisanja konektora, i koristiti multi-model sučelja koja ne ovise o jednom dobavljaču. Francusko tijelo za tržišno natjecanje upozorilo je u srpnju 2026. da je više od 84% tržišta koncentrirano kod tri igrača: OpenAI, Google i Anthropic. Diverzifikacija je izbor otpornosti.
