Nova klasa agenata opće namjene obećava isplanirati i izvršiti cijeli radni tijek s jednom uputom. Evo što stvarno donose poslovanju u 2026. — i gdje hype i dalje premašuje stvarnost.
Veći dio AI ere model je čekao vas. Postavili biste pitanje, on bi odgovorio; dali biste zadatak, izradio bi nacrt; petlja se izvršavala korak po korak, a čovjek je sjedio u sredini svakog koraka. Definirajući pomak 2026. jest da se petlja zatvorila. Nova generacija autonomnih agenata — Manus je među njima najvidljiviji — preuzima cilj visoke razine, razbija ga na korake, koristi alate, pretražuje, piše i izvršava kod, provjerava vlastiti rad i vraća se kad je posao gotov, a ne kad je potreban sljedeći prompt.
To je istinska promjena u načinu korištenja softvera i izazvala je jednaku mjeru uzbuđenja i zbunjenosti. Dobavljači demonstriraju agenta koji rezervira putovanje, izrađuje web stranicu ili sastavlja istraživanje tržišta bez nadzora, a rukovoditelji se s pravom pitaju: je li ovo stvarno i što znači za moje poslovanje? Ovaj članak probija buku — što agenti opće namjene poput Manusa zapravo jesu, gdje danas stvaraju vrijednost, gdje zakazuju i kako se uklapaju uz Claude, OpenAI i Mistral agentne platforme koje su već u produkciji.
Ključna ideja: Tradicionalni AI asistent odgovara. Autonomni agent djeluje. Razlika je u petlji — agent planira, izvrši korak, promatra rezultat i sam odlučuje o sljedećem koraku, ponavljajući dok cilj nije ispunjen ili dok ne dosegne granicu. Ta jedna arhitektonska promjena pretvara chatbot u digitalnog suradnika.
Što je Manus zapravo
Manus je autonomni agent opće namjene: umjesto chatbota s kojim razgovarate, to je sustav kojem delegirate. Date mu cilj — "istraži naša tri glavna konkurenta i izradi brief o pozicioniranju", "pretvori ovu tablicu u funkcionalni dashboard", "pronađi i prijavi se na pozicije koje odgovaraju ovom životopisu" — a on pokreće vlastiti plan, otvara virtualno računalo s preglednikom i okruženjem za kod te autonomno radi na zadatku, opisujući svoj napredak i predajući gotov artefakt.
Ispod haube nije jedan novi model nego orkestracijski sloj koji upravlja frontier modelima (često u kombinaciji, uključujući modele za zaključivanje Claude razreda) unutar izoliranog okruženja sa stvarnim alatima: web preglednikom, datotečnim sustavom, ljuskom i izvršavanjem koda. Njegova razlikovna značajka je ustrajnost — nastavlja kroz desetke ili stotine koraka bez potrebe da čovjek odobri svaki. To je sposobnost koju poslovanja smatraju privlačnom, ali i izvor svakog rizika o kojem govorimo u nastavku.
Zašto su autonomni agenti važni sada
Tri su se stvari spojile da bi 2026. bila godina kada su agenti prešli iz demoa u implementaciju:
- Modeli su postali dovoljno pouzdani za ulančavanje. Stopa pogreške po koraku napokon je pala dovoljno nisko da zadatak od dvadeset koraka ima realnu šansu ispravno završiti. Raniji modeli su prebrzo gomilali pogreške da bi dugi autonomni izvršni nizovi bili korisni.
- Korištenje alata je sazrelo. Standardi poput Model Context Protocola (MCP) dali su agentima čist, dosljedan način pristupa stvarnim sustavima — CRM-ovima, bazama podataka, internim API-jima — umjesto krhkih jednokratnih integracija. (Pogledajte naš tekst o MCP-u i AI integracijama.)
- Ekonomija se preokrenula. Kad agent može u dvadeset minuta dovršiti ono za što je radniku znanja trebalo cijelo poslijepodne, trošak zaključivanja je zanemariv u odnosu na ušteđeni rad — pod uvjetom da je rezultat pouzdan.
Gdje autonomni agenti donose stvarnu vrijednost
Iskren odgovor jest: u ograničenim, alatima bogatim, provjerljivim zadacima. Agenti blistaju kad je cilj jasan, kad koraci uključuju softver, a ne prosudbene odluke, i kad se rezultat može provjeriti. U nastavku su kategorije koje danas donose vrijednost.
Prikupljanje informacija iz desetaka izvora, izdvajanje relevantnih točaka i sastavljanje strukturiranog briefa ili usporedbe. Zamorno za čovjeka, prikladno za agenta koji može neumorno pretraživati i čitati.
Čišćenje neurednih tablica, usklađivanje formata, izrada grafikona ili dashboarda iz sirovih izvoza. Agent piše i izvršava kod, pa je rezultat ponovljiv i provjerljiv.
Višekoračni administrativni tijekovi — popunjavanje obrazaca, prebacivanje podataka između sustava, generiranje rutinskih dokumenata — gdje su pravila eksplicitna, a volumen visok.
Pretvaranje opisa u funkcionalnu prvu verziju stranice, skripte ili internog alata. Snažna polazna točka koju čovjek zatim dorađuje, a ne gotov proizvod.
Gdje i dalje zakazuju
Iskreno prodavati agente znači biti jednako jasan o granicama. U 2026. autonomni agenti opće namjene ostaju nepouzdani na predvidljive načine:
- Lutaju kod dugih, otvorenih zadataka. Što je više koraka i nejasniji cilj, veća je šansa da agent odluta, pretjera u složenosti ili samouvjereno dovrši pogrešan zadatak. Ograničeni poslovi uspijevaju znatno češće od raspršenih.
- Muče se s istinskom prosudbom. Sve što zahtijeva ukus, političku osjetljivost ili vaganje vrijednosti koje brief nije naveo — tu agenti tiho pogriješe; optimiziraju za doslovnu uputu, ne za namjeru.
- Mogu zakazati nevidljivo. Agent koji naiđe na zid može proizvesti uvjerljiv, ali netočan rezultat umjesto da stane. Bez provjere možda nećete primijetiti dok ne bude važno.
- Nose stvarni sigurnosni rizik i rizik pristupa. Agent s pristupom pregledniku i sustavu, koji djeluje na temelju uputa koje čita s web stranica ili dokumenata, nova je napadna površina — prompt injection i preširoke ovlasti nisu teorijski.
Praktično pravilo: Implementirajte autonomne agente tamo gdje je rezultat jeftino provjeriti, a skupo proizvesti. Ako provjera rezultata traje jednako dugo kao izvršavanje zadatka, agent vam ne štedi ništa. Ako je pogrešan rezultat skup i teško ga je otkriti, čvrsto zadržite čovjeka u petlji.
Manus naspram platformi velikih laboratorija
Manus je najvidljiviji samostalni agent opće namjene, ali natječe se u polju u kojem frontier laboratoriji isporučuju vlastite agentne platforme. Razlika koja je za poslovanje bitna jest samostalni proizvod naspram okvira koji sami gradite.
| Pristup | Što je | Najbolje za |
|---|---|---|
| Manus | Samostalni agent opće namjene kojem izravno delegirate zadatke | Pojedince i timove koji žele autonomiju odmah, bez izgradnje |
| Claude agenti (Anthropic) | Frontier modeli za zaključivanje plus Agent SDK, MCP i upravljana agentna infrastruktura | Tvrtke koje grade pouzdane, upravljane agente u vlastite proizvode |
| OpenAI agenti | Asistentni/agentni alati i computer-use sposobnost nad GPT modelima | Timove već u OpenAI ekosustavu koji žele integriranu automatizaciju |
| Mistral / open source | Modeli otvorenih težina orkestrirani u samostalno hostanim okvirima | Implementacije osjetljive na podatke ili troškove koje trebaju kontrolu i privatnost |
Za većinu tvrtki izbor nije Manus ili Claude — već korištenje proizvoda poput Manusa za ad hoc autonomiju, uz izgradnju trajnih, upravljanih agenata na frontier platformi za sve što dotiče produkcijske sustave ili podatke klijenata. Dvoje koegzistira bez problema.
Brojke iza preokreta
Obrazac zrcali svaki prethodni AI val: široko eksperimentiranje, uska produkcija. Agenti koji dosegnu stvarnu implementaciju nisu najambiciozniji demoi — to su usko definirani, dobro mjereni agenti gdje čovjek može provjeriti rezultat, a domet pogreške je ograničen.
Kako sigurno usvojiti autonomne agente
1. Počnite s ograničenim, provjerljivim zadatkom
Odaberite posao s jasnim ciljem i provjerljivim rezultatom — istraživački brief, transformaciju podataka, nacrt dokumenta. Izbjegavajte otvorene ambicije "vodi poslovanje" za svoju prvu implementaciju.
2. Zadržite čovjeka na točkama odluke
Pustite agenta da radi posao, ali zaključajte posljedične radnje — slanje, objavu, plaćanje, brisanje — iza ljudskog odobrenja. Autonomija u izvršavanju, nadzor na granici.
3. Usko ograničite ovlasti
Dajte agentu najuži pristup koji mu omogućuje obavljanje posla. Tretirajte svaki sustav i vjerodajnicu do koje može doprijeti kao dio svoje napadne površine i pretpostavite da upute koje čita mogu biti neprijateljske.
4. Mjerite i bilježite
Zabilježite što je agent učinio, koliko često je uspio i koliko je koštao. Bez mjerenja ne možete razlikovati pouzdanog agenta od sretnog — niti dokazati ROI.
Zaključak za 2026.: Autonomni agenti poput Manusa stvarni su i istinski korisni, ali su suradnici na obuci, a ne gotovi zaposlenici. Tvrtke koje s njima pobjeđuju ne jure za najautonomnijim demoom — implementiraju ograničene, provjerljive, dobro upravljane agente na zadacima koji su skupi za obaviti, a jeftini za provjeru, i šire opseg tek kako se povjerenje zaslužuje.
Želite implementirati AI agente koji stvarno rade?
Pomažemo tvrtkama prijeći iz eksperimenata s agentima u pouzdane, upravljane implementacije — odabir prave platforme, definiranje zadataka koji se isplate i izgradnju zaštitnih mehanizama koji čine autonomiju sigurnom. Claude Certified Architect sa sjedištem u Zagrebu.
Rezervirajte besplatnu konzultaciju