1. Naslov in uvod
Umetna inteligenca zna že odlično odgovarjati na vprašanja, še vedno pa ne zna voditi sestanka, uskladiti produkcijskega in prodajnega oddelka ali držati projekta na tirnicah šest mesecev zapored. Ravno ta razkorak med dobrim klepetom in dejanskim usklajevanjem dela želi zapolniti Humans& – in investitorji so mlademu podjetju v ta namen pravkar zaupali 480 milijonov dolarjev začetnega kapitala.
V članku pogledamo onkraj šokantne številke in se vprašamo: je »koordinacijska AI« res nova fronta ali le nov buzzword? Kaj pomeni model, zasnovan za socialno inteligenco, in komu to dejansko ogroža posel – Slacku, Notionu ali kar OpenAI?
2. Novica na kratko
Po poročanju TechCruncha je Humans&, ameriški startup, ki ga vodijo nekdanji zaposleni Anthropica, Mete, OpenAI, xAI in Google DeepMind, zbral kar 480 milijonov dolarjev seed investicije.
Podjetje je staro približno tri mesece in še nima javnega produkta. Njihov ključni pitch: zgraditi nov temeljni model, optimiziran za socialno inteligenco in koordinacijo, ne le za klasično vprašanje–odgovor ali generiranje kode.
Kot opisuje TechCrunch, želi Humans& ustvariti nekakšen »centralni živčni sistem« za skupine ljudi in AI‑agentov. Namesto da bi svoj model vtaknili v obstoječe aplikacije, kot sta Slack ali Google Docs, želijo nadzorovati celoten sloj sodelovanja.
Tehnično se podjetje opira na dolgoročni in več‑agentski reinforcement learning – učne nastavitve, v katerih se modeli učijo načrtovati v več korakih ter sodelovati (ali tekmovati) z več ljudmi oziroma agenti. Ciljajo tako na poslovne uporabnike kot na potrošnike.
3. Zakaj je to pomembno
Če ima Humans& prav, naslednje veliko bojišče v AI ne bo več »kdor ima pametnejši chatbot«, temveč »kdor orkestrira, kako ljudje dejansko delajo skupaj z AI«. To je popolnoma druga igra.
Kdo lahko pridobi?
- Vodstva in vodje ekip, ki jih duši koordinacijski overhead. Če sistem zmore dolgoročno spremljati kontekst projektov, razumeti dinamiko ekipe in diskretno potiskati odločitve naprej, napade enega največjih skritih stroškov znanjskega dela: organizacijsko trenje.
- Manjša podjetja in porazdeljene ekipe, ki si ne morejo privoščiti več plasti middle managementa, a vseeno potrebujejo strukturo. Koordinacijska AI bi lahko delovala kot skupni »chief of staff«, produktni vodja in moderator.
Kdo bi moral postati živčen?
- Orodja za sodelovanje (Slack, Notion, Asana, pa tudi Google Workspace). Danes sicer dodajajo AI‑funkcije, a v osnovi ostajajo dokumentni in klepetalni silosi. Če Humans& uspe uporabnikom vsiliti nov mentalni model – od »imam aplikacije« k »imam tokove, ki jih koordinira AI« – tvega, da obstoječi igralci postanejo zgolj neumna infrastruktura.
- Veliki ponudniki modelov. Tehnično Humans& gradi še en velik model, ki se bo bojeval za iste GPU‑je, talente in stranke kot OpenAI, Anthropic, Google in Meta. A njihova prava stava je arhitekturna: današnji generični LLM‑ji z nekaj fine‑tuningom morda nikoli ne bodo dobri koordinatorji.
Ključna posledica: če je koordinacija resnično vrednostni sloj, so današnji chat vmesniki le prehodna faza. Copiloti, RAG in pomočniki za kodo pomagajo posamezniku; prava ekonomska sprememba se zgodi, ko AI začne spreminjati način, kako skupine odločajo, postavljajo prioritete in izvajajo delo.
Tam pa se socialni in etični vložki močno povečajo – isti sistem, ki poskrbi, da je manj sestankov, lahko v skrajnem primeru usmerja celotno odločanje podjetja.
4. Širši kontekst
Humans& jadra na treh združujočih se trendih.
Prvi je premik od chatbotov k agentom. OpenAI stavi na več‑agentsko orkestracijo in »workflows«, Anthropic razvija Claude Cowork, Google Globoko vdeluje Gemini v Workspace. Vsi so ugotovili, da »vprašaj–odgovor« ni delovni tok. Ozko grlo pri uvedbi AI je danes ravno lepilo okoli nalog – usklajevanje.
Drugi trend je vzpon raziskav dolgoročnega in več‑agentskega delovanja. Akademske skupine zadnji dve leti pospešeno preučujejo, kako LLM‑je naučiti načrtovanja v več korakih, sodelovanja ali tekmovanja z drugimi agenti ter delovanja v simuliranih organizacijah. Humans& to poskuša neposredno skomercializirati, namesto da bi šlo za stranski eksperiment.
Tretji trend je AI‑native produktivnostni sklad. TechCrunch omenja Granolo, aplikacijo za AI zapiske, ki dodaja kolaborativne funkcije; podobne premike vidimo pri orodjih za sestanke, CRM‑jih in projektnem vodenju. Večina igralcev grize koordinacijski problem z aplikacijskega sloja navzgor.
Humans& cilja višje: sklad želi zgraditi od modela navzgor, optimiziran za socialni kontekst, spomin in skupinsko dinamiko. Zgodovinsko je taka vertikalna integracija pogosto uspela ob novi računalniški paradigmi – iPhone (strojna oprema + OS + App Store) ali zgodnji Salesforce (aplikacija + platforma + podatkovni model).
Zgodovina pa opozarja še na nekaj: tudi drzni full‑stack poskusi pogosto končajo kot tarča prevzema pri gigantih, ki že imajo distribucijo. Humans& sicer zatrjuje, da želi ostati samostojno »generacijsko podjetje«, ne funkcija v oblaku kakega hiperskalerskega ponudnika. A za to mora hkrati narediti tri težke stvari: izumiti nov model, dostaviti izdelek, ki ga ljudje obožujejo, in zgraditi močan prodajni kanal – vse to v času, ko je ključni input (računska moč) omejen in drag.
5. Evropski in slovenski pogled
Za evropske organizacije koordinacijska AI ni samo zgodba o produktivnosti, ampak tudi regulativna in kulturna mina.
Prihajajoči Akt o umetni inteligenci EU (EU AI Act) strogo obravnava sisteme za upravljanje delavcev, odločanje o zaposlitvi in dostopu do storitev. AI, ki sledi interakcijam, sklepa o uspešnosti in usmerja skupinske odločitve, lahko hitro pade v kategorijo »visoko tveganih« ali celo prepovedanih praks, če meji na algoritemski nadzor.
V kombinaciji z GDPR je izziv jasen: model, ki gradi bogat zemljevid, kdo ste, kako delate in kakšen odnos imate s sodelavci, obdeluje izjemno občutljive podatke o vedenju. Evropska podjetja bodo zahtevala minimizacijo podatkov, gostovanje v EU, revizijsko sled in možnost izpodbijanja odločitev, ki jih je AI de facto vsilil.
Za Slovenijo je tukaj še dodatni kot. Naš trg je majhen, podjetja so pogosto mednarodno povezana, a strošek napačne odločitve ali slabo sprejete AI‑implementacije je relativno velik. Veliki sistemi, kot so banke, zavarovalnice in javna uprava, bodo izjemno previdni pri uvajanju »centralnega živčnega sistema«, ki vidi v vse interne pogovore.
Hkrati pa je to priložnost za domače in regionalne igralce – denimo ljubljanske scaleupe in raziskovalne skupine –, da gradijo koordinacijske rešitve, od začetka prilagojene evropskim pravilom in praksi. Če bo Humans& postavil novo kategorijo, bo nekdo moral prevesti te ideje v »GDPR‑by‑design« orodja, ki jih bodo slovenska podjetja dejansko pripravljena kupiti.
6. Pogled naprej
V naslednjih 12–24 mesecih lahko mirno pričakujemo, da se bo beseda »koordinacija« pojavila v vsakem drugem AI pitch decku. Večina izdelkov bo v resnici le obogatila obstoječe chatbote z nekaj workflow funkcijami.
Pravo vprašanje je, ali bo komurkoli – Humans& ali konkurenci – uspelo pokazati jasen, nedvoumen primer, kjer AI sistem:
- sledi dolgoročnemu, večdeležniškemu projektu,
- vse vpletene drži usklajene glede konteksta in odločitev ter
- merljivo zmanjša zamude, število sestankov ali količino ponovnega dela.
Če se taki primeri pojavijo, bodo velikani reagirali hitro. Microsoft lahko razširi Copilota globlje v Teams in Planner, Google lahko naredi Gemini za privzetega »predsedujočega« srečanj v Workspacu, OpenAI lahko iz več‑agentske orkestracije naredi »AI projektnega vodjo«. Njihova prednost je, da že sedijo tam, kjer se delo koordinira – koledar, e‑pošta, klepet.
Humans& ima zato ozko okno, da:
- dokaže, da je njihov model res boljši pri socialnem sklepanju in dolgotrajnem spominu;
- najde prve segmente strank, ki so pripravljene tvegati in jim zaupati svoje delovne tokove;
- preživi več generacij strojne opreme in investicijskih ciklov v izjemno dragi igri.
Odprta ostajajo ključna vprašanja:
- Bodo organizacije sploh pripravljene AI‑ju dovoliti pogled v vse interne interakcije?
- Kako bo videti odgovornost, ko bo »predlog« AI‑agenta postal de facto privzeta odločitev?
- Ali lahko startup zagotovi dovolj računske moči za razvoj nove arhitekture v času, ko hiperskalerski giganti že zdaj poberejo večino GPU‑jev?
7. Spodnja črta
Humans& je udaril v živo: najtežji del AI nikoli ni bil odgovor na vprašanje, ampak narediti skupine ljudi učinkovite. Koordinacijsko usmerjeni modeli so logičen naslednji korak – a tudi izjemno tvegan, tehnično, poslovno in družbeno.
Če jim uspe, se lahko težišče AI premakne od osebnih copilotov k organizacijskim živčnim sistemom. Če jim ne, bodo velikani vseeno pobrali idejo in zgradili svoje različice. V vsakem primeru se doba »še enega chatbota« končuje. Resno vprašanje za slovenska podjetja pa je: komu boste prepustili orkestracijo tega, kako vaša ekipa razmišlja in odloča – orodju, ki ga obvladujete, ali črni skrinjici v oblaku?
