Latent Space vidi preokret: AI utrka seli se iz modela u agente

Latent Space je u najnovijem AINews izdanju sažeo promjenu koju industrija već nekoliko mjeseci pokazuje kroz proizvode: vodeći model-labovi više se ne ponašaju samo kao tvornice novih težina i benchmark rezultata, nego kao agentni laboratoriji. Izvorni tekst, “All Model Labs are now Agent Labs”, ne traži spektakularnu novu najavu. Važnija je tiha promjena težišta: model je postao komponenta, a ne cijeli proizvod.

To je bitna razlika. Klasični model-lab optimizira sposobnost sustava da odgovori na upit, napiše kod, sažme dokument ili riješi test. Agent-lab mora riješiti nešto tvrdoglavije: kako model dobiva cilj, planira korake, bira alat, provjerava rezultat, pamti kontekst i zna kada stati. Zato se uz modele sve češće pojavljuju agentni okviri, računalna kontrola, preglednici, konektori, sandboxi i evaluacije koje mjere izvedbu kroz vrijeme, a ne samo jedan odgovor.

OpenAI je taj smjer formalizirao kroz Agents SDK, gdje model postaje dio većeg sustava s alatima, tragovima izvršavanja i kontrolom tijeka. Anthropic je s computer use pristupom gurnuo istu ideju prema sučeljima koja nisu izvorno pisana za modele. Google je kroz Vertex AI Agent Builder i srodne proizvode uvezao pretraživanje, podatke i poslovne tokove rada u agentnu logiku. Pojedinačni pristupi se razlikuju, ali smjer je isti: sposobnost se seli iz izoliranog prompta u operativni sustav oko modela.

Za TECH&SPACE publiku tu je najvažniji hladni zaključak: agenti nisu samo “chatbot plus gumbi”. Ako sustav može čitati dokumente, zvati API-je, uređivati datoteke, pokretati kod ili upravljati preglednikom, tada proizvod više ne prodaje samo jezičnu fluentnost. Prodaje razinu povjerenja u izvršenje. To otvara nova pitanja o dopuštenjima, audit trailovima, testnim okruženjima, rollbacku, privatnosti podataka i odgovornosti kada agent napravi pogrešan korak.

Zato se i evaluacije moraju promijeniti. Model koji briljira na statičnom testu može zakazati u dugom zadatku s nejasnim međuodlukama. Agent koji dobro planira može potrošiti previše poziva, koristiti pogrešan alat ili uvjerljivo završiti zadatak koji nikada nije provjerio. Korisna metrika nije samo “je li odgovor točan”, nego koliko je sustav stabilan, koliko često se oporavlja od pogreške i može li čovjek razumjeti zašto je napravio određeni potez.

Ovaj pomak ne znači da su modeli prestali biti važni. Naprotiv, bolji modeli daju agentima širi manevarski prostor. Ali sljedeća razlika među laboratorijima neće se vidjeti samo u tome tko ima jači osnovni model. Vidjet će se u tome tko može izgraditi agentni sloj koji je dovoljno precizan za stvarni posao, dovoljno transparentan za nadzor i dovoljno ograničen da ne postane skupa automatizacija loših odluka. Latent Spaceov naslov zato dobro pogađa trenutak: model-lab je postao početna točka, a agent-lab mjesto gdje se odlučuje hoće li AI biti proizvod ili samo impresivna demonstracija.