AI agenti: od Moltbook haosa do pametne fabrike

Broj koji zvuči kao preterivanje, ali je važan: Moltbook tvrdi da ima preko 1,5 miliona AI agenata registrovanih na platformi (objavljeno 2. februara 2026). To nije “još jedna društvena mreža”, nego ogledni poligon za nešto ozbiljnije: šta se desi kad softver dobije uloge, pravila i prostor da međusobno “radi” — bez ljudi u petlji.

U Moltbook scenariju to izgleda bizarno (botovi raspravljaju o bogovima, svesti i čak “osnivaju religije preko noći”). U industriji, ista ideja ima mnogo prizemniju, ali vredniju posledicu: AI agenti mogu da preuzmu mikrozadatke u proizvodnji, održavanju, kvalitetu i izveštavanju — i to na način koji se meri u satima manje zastoja, manje škarta i bržem odgovoru kupcima.

Ovaj tekst je deo serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“. Namerno krećemo od Moltbook-a, jer nam daje jasan signal: agenti nisu “chatbot”. Agenti su radnici od softvera — i treba ih tretirati kao proces, a ne kao igračku.

Šta je Moltbook zapravo (i zašto je to bitno industriji)

Moltbook je platforma nalik Reddit-u gde AI agenti objavljuju i komentarišu, dok ljudi uglavnom posmatraju. Povezana je sa idejom “Moltbota” — open-source bota koji može da obavlja zadatke poput sumiranja mejlova, organizovanja kalendara, rezervacija i slične administracije.

Poenta za industriju nije “još jedno mesto gde botovi pišu”. Poenta je sledeća rečenica:

Kada agenti dobiju okruženje sa pravilima, mogu da obavljaju niz povezanih zadataka — i da predaju rezultat sledećem agentu.

U fabrici je to mnogo korisnije nego na društvenoj mreži. Proizvodnja je već podeljena na korake: planiranje → nabavka → priprema → proizvodnja → kontrola kvaliteta → pakovanje → logistika → reklamacije. Agenti tu prirodno “legnu”, jer su dobri u tri stvari:

• Orkestraciji (ko radi šta, kada, na osnovu kog signala)
• Tumačenju pravila (standardi, procedure, tolerancije, checkliste)
• Komunikaciji (izveštaji, mejlovi, obaveštenja, sažeci)

Ako su na Moltbook-u u stanju da naprave čitav “pokret” preko noći, u proizvodnji su u stanju da naprave nešto mnogo vrednije: automatski tok informacija bez čekanja.

“Bot koji pravi religiju” je loš demo — ali odlična lekcija

Jedan od najupečatljivijih detalja iz Moltbook priče je navod da je bot, uz pristup platformi, “preko noći” razvio religiju (“Crustafarianism”): napravio sadržaj, sajt, “svete spise”, privukao druge botove i krenuo u evangelizaciju.

U tehnološkom smislu, to nam govori dve stvari:

1) Agenti su dobri u generisanju strukture, ne samo teksta

Religija je ekstreman primer, ali suština je: agent može da izgradi sistem: pravila, narativ, rituale, “dokumentaciju”, onboarding novih članova.

U industriji to prevodimo na:

• SOP i radna uputstva (draft, revizije, usklađivanje sa standardima)
• Planove kontrole kvaliteta (kontrolne tačke, uzorkovanje, kriterijumi)
• CAPA dokumentaciju (korektivne i preventivne mere)
• Onboarding operatera (mikro-lekcije, kvizovi, checkliste po radnom mestu)

2) Problem nije “šta agent može”, nego “ko ga usmerava”

I u samom izvoru se pominje skepsa: deo sadržaja deluje kao da je pisan pod ljudskim nadzorom, a ne autonomno. To je realnost i u fabrikama.

Autonomija bez granica je rizik. Autonomija sa procedurama je produktivnost.

Zato su u industriji ključni:

• jasne dozvole (šta agent sme da menja)
• audit trag (koji podatak je korišćen)
• potvrde (gde čovek mora da odobri)
• metrike (kako znamo da radi dobro)

Gde AI agenti prave najbrži ROI u srpskoj industriji

Najbolja primena AI agenata u Srbiji 2026. nije “da zamene ljude”, nego da uklone čekanje između timova. U većini proizvodnih firmi gubici nisu samo na mašini — gubici su u koordinaciji.

Evo pet oblasti gde agenti najčešće daju brz rezultat.

1) Kontrola kvaliteta: od nalaza do akcije bez zastoja

Agent može da poveže tri stvari koje su često odvojene:

• nalaz (vizuelna kontrola, merenja, reklamacije)
• kontekst (serija, smena, mašina, dobavljač, lot materijala)
• akcija (ticket, zadatak, obaveštenje, promena parametara uz odobrenje)

Praktičan primer toka:

1. Kamera/operater prijavi defekt (npr. ogrebotine na površini)
2. Agent pronađe korelaciju: isti lot sirovine + ista mašina + ista smena
3. Agent predloži: provera alata, korekcija brzine, izolacija lota, dodatno uzorkovanje
4. Otvori CAPA predlog i sažetak za kvalitet + proizvodnju

Ovo je mesto gde se “AI razumevanje složenih koncepata” (koje na Moltbook-u ode u filozofiju) u industriji pretvara u disciplinovano zaključivanje.

2) Prediktivno održavanje: agent kao koordinator, ne kao “proročica”

Prediktivno održavanje često zapne jer podaci postoje (vibracije, temperatura, potrošnja), ali odluke kasne.

Agent je koristan kad:

• skuplja signale iz više sistema (SCADA/MES/CMMS)
• prepoznaje obrasce rizika (npr. trend vibracija + porast temperature ležaja)
• automatski predlaže termin intervencije u skladu sa planom proizvodnje

Ne obećava “nula kvarova”. Obećava manje neplaniranih kvarova i brže reagovanje.

3) Planiranje i lanac snabdevanja: agenti za „dosadne“ odluke

Dobri planeri znaju da 80% posla čine sitne odluke:

• šta prvo na liniju kad kasni dobavljač
• kako prepakovati plan kad kupac promeni forecast
• koje zamene materijala su dozvoljene

Agent može da radi kao “prvi analitičar”: predloži 2–3 scenarija, pokaže posledice (OTIF, zalihe, prekovremeni, promene alata), pa čovek izabere.

U praksi, to je AI u proizvodnji koji najbrže povećava operativnu brzinu.

4) Izveštavanje i usklađenost (ISO/IATF/GMP): agent kao pisac i revizor

Ako vaša firma živi od audita ili izvoza, znate koliko sati ode na:

• pripremu izveštaja
• usklađivanje verzija dokumenata
• dokazivanje sledljivosti

AI agent tu nije “kreativan”. Tu je pedantan:

• preuzima podatke iz sistema
• generiše standardizovan izveštaj
• označava rupe (nedostaju potpisi, merenja, serije)
• pravi audit paket po šablonu

5) B2B komunikacija: brži odgovori partnerima iz EU

Moltbook pokazuje koliko agenti mogu da budu “pričljivi”. U industriji to koristite za ozbiljne stvari:

• ponude i tehnički odgovori (RFQ)
• sažeci testova i sertifikata
• priprema materijala za sastanke

Dobro podešen agent može da napravi nacrt odgovora za 10 minuta, a tim ga uredi i potvrdi. To je često razlika između “propale prilike” i “poslatog odgovora na vreme”.

Najčešća greška: agent kao igračka, a ne kao sistem

Moltbook je zabavan jer je haotičan. U fabrici, haos košta.

Najčešća greška koju viđam u firmama koje tek uvode AI je da krenu od alata (“hajde da ubacimo agenta”), umesto od procesa (“koji tok želimo da skratimo?”).

Evo minimalnog okvira koji radi — bez obzira na industriju (metal, plastika, hrana, auto-komponente):

1. Izaberite jedan tok sa jasnim KPI
   • npr. vreme od nalaza defekta do korektivne mere
2. Definišite pravila i granice
   • šta agent sme sam, šta ide na odobrenje
3. Povežite izvore podataka
   • MES/ERP/CMMS, čak i Excel ako treba (ali sa vlasnikom podataka)
4. Uvedite audit trag
   • svaki predlog mora da ima “zašto” i “odakle podatak”
5. Merenje posle 30 dana
   • ako nema pomaka u KPI, menjajte tok ili pravila

Dobar agent ne “zna sve”. Dobar agent zna tačno šta mu je posao i kako se meri.

Pitanja koja menadžment treba da postavi pre implementacije

Ovo su pitanja koja često odlučuju da li AI agenti postaju vredan deo proizvodnje ili samo pilot koji se ugasi:

• Ko je vlasnik procesa i KPI-ja?
• Ko odobrava akcije (kvalitet, održavanje, proizvodnja)?
• Koji su izvori podataka “istina” (single source of truth)?
• Kako sprečavamo da agent izmišlja (hallucination) u izveštajima?
• Šta radimo kad agent pogreši — i kako to dokumentujemo?

Ako na ova pitanja nema odgovora, Moltbook scenario (performans i “shitposting”) postaje realna analogija: sistem će proizvoditi mnogo sadržaja, ali malo rezultata.

Sledeći korak za srpske fabrike: agenti kao digitalni smenski vođe

Najzrelija vizija nije “AI svuda”, nego AI agenti kao digitalni smenski vođe za informacije: prate odstupanja, skupljaju kontekst, guraju zadatke pravim ljudima, prave sažetke i čuvaju trag.

Ako je internet već dobio društvene mreže u kojima botovi raspravljaju sami sa sobom, industrija može da dobije nešto korisnije: mrežu agenata koji rade zajedno da bi proizvodnja bila stabilnija, kvalitet predvidljiviji, a izvoz lakši.

Sledeće pitanje koje vredi postaviti u vašoj firmi nije da li vam treba AI, nego:

Koji proces želite da ubrzate za 20% u narednih 60 dana — i gde agent može da preuzme prvi nacrt odluke?