Naslov in uvod
Današnji AI agenti so pogosto kot navdušeni pripravniki: na predstavitvah blestijo, v resnih procesih pa odpovejo ravno takrat, ko jih najbolj potrebujete. Če nalogo pravilno opravijo le približno polovico časa, jih težko obravnavate kot sodelavce – so bolj tehnološka igračka kot infrastruktura.
NeoCognition želi ravno to spremeniti, investitorji pa so pripravljeni plačati, da vidijo, ali jim lahko uspe. Z zajetnim semenskim vložkom v višini 40 milijonov dolarjev laboratorij stavi na idejo, da morajo agenti "učiti kot ljudje" – graditi notranje modele svojega okolja in postajati globoki specialisti, ne samo dobro pozicionirani generalisti.
V nadaljevanju analiziramo, kaj podjetje dejansko obljublja, zakaj je ta pristop pomemben prav zdaj, kako se umešča v širši trend agentnih sistemov ter kaj to pomeni za evropska in slovenska podjetja.
Novica na kratko
Kot poroča TechCrunch, je NeoCognition nov AI raziskovalni startup, ki je nastal kot odcepitev z univerze Ohio State. Vodi ga profesor Yu Su, vodja laboratorija za AI agente. Podjetje je iz skrivnega delovanja stopilo z 40 milijoni dolarjev semenskega kapitala.
Rundo sta vodila sklada Cambium Capital in Walden Catalyst Ventures, pridružil pa se je tudi Vista Equity Partners ter več znanih poslovnih angelov, med njimi investitorji, povezani z Intlom in Databricksom. NeoCognition se opisuje kot raziskovalni laboratorij, ki razvija samo‑učljive agente. Ti naj bi oblikovali notranje "svetovne modele" posameznih domen in se nato specializirali, podobno kot ljudje, ko vstopijo v novo stroko.
Su ocenjuje, da današnji agenti – od orodij za programerje, kot je Claude Code, do orodij v produktih, kot je Perplexity – uspešno zaključijo naloge le približno v polovici primerov, zato jim ni mogoče zares zaupati kot samostojnim delavcem. NeoCognition bo svoje sisteme primarno prodajal podjetjem in SaaS ponudnikom, pri čemer bo kot kanal izkoristil portfelj družbe Vista. Trenutno ima ekipa okoli 15 zaposlenih, večina z doktoratom.
Zakaj je to pomembno
Ključna trditev NeoCognitiona ni samo "boljši agenti", temveč bolj dosledni agenti. Ta razlika je bistvena.
Večina današnjih agentov, zgrajenih na velikih jezikovnih modelih, je impresivno širokih, a krhkih v globino. Skoraj vsako nalogo znajo vsaj poskusiti, a njihova uspešnost pri večkorakih, resničnih procesih pogosto spominja na met kovanca. Za resno uvedbo v podjetjih je to pogubno. Direktor financ ali vodja IT si ne more privoščiti avtomatizacije obračuna, uvajanja kode ali skladnostnih postopkov s sistemom, ki se obnaša nepredvidljivo.
NeoCognition cilja prav v to vrzel zanesljivosti. Namesto da je vsaka zahteva le še en klepet, želi agente, ki gradijo notranji model "mikro sveta" – konkretne domene, na primer logistike v določenem podjetju, podpore uporabnikom za specifičen produkt ali razvojnega procesa ene ekipe. Sčasoma naj bi se agent specializiral podobno kot mlajši sodelavec, ki postopoma preneha spraševati osnovna vprašanja.
Kdo pridobi, če jim uspe?
- Podjetja in SaaS ponudniki, ki dobijo pot do AI delavcev, vgrajenih v produkte ali procese, brez armade prompt inženirjev in dragih enkratnih integracij.
- Skladi, kot je Vista, ki lahko portfelj zrelih, pogosto zastarelih SaaS podjetij nadgradijo z agenti, namesto da bi vse postavljali na novo.
Kdo lahko izgubi?
- Sistemski integratorji in svetovalci, ki danes dobro zaslužijo z gradnjo namenskih agentov po meri panoge, bodo pod pritiskom, če se uveljavi bolj generična platforma, ki se zna sama prilagajati domeni.
- Ponudniki temeljnih modelov tvegajo, da postanejo zgolj komunalna plast. Če podjetja začnejo zaupati ravno agentni plasti, bo vprašanje manj "kateri LLM je najpametnejši" in bolj "kateri agent se je najbolje naučil našega okolja".
Najzanimivejša posledica: če se obljuba o hitri specializaciji uresniči, se težišče premakne od tekme v surovi zmogljivosti modelov k tekmi v dolgotrajnem učenju v konkretnih okoljih.
Širši kontekst
NeoCognition se umešča v trenutno najbolj vroč trend umetne inteligence: prehod od statičnih klepetalnikov k agentnim sistemom, ki znajo načrtovati, ukrepati in se učiti skozi čas.
Videli smo že več valov v tej smeri:
- Zgodnji projekti, kot sta AutoGPT in BabyAGI, so pokazali zanimanje za avtonomne agente, a tudi njihovo nezanesljivost.
- Startupi, kot je Adept, in notranji projekti pri OpenAI, Anthropic in Googlu razvijajo agente, ki v vašem imenu upravljajo programsko opremo.
- V raziskavah se "svetovni modeli" in kognitivne arhitekture pojavljajo že desetletja – od robotike do okrepljenega učenja.
NeoCognition ta razpršena prizadevanja destilira v enostavno tezo: manjkajoča komponenta agentov je hitra specializacija, ne zgolj večji modeli ali bolj domiselni pozivi.
Zgodovina opozarja, da to ni trivialno. V osemdesetih letih so strokovni sistemi obljubljali domensko inteligenco, a jih je ubila togost. V zadnjem desetletju je robotska procesna avtomatizacija (RPA) poskušala avtomatizirati pisarniške klike in obrazce, a so bili sistemi krhki in izredno dragi za vzdrževanje. Današnji agenti na osnovi LLM so pogosto obratni problem: preveč se znajo posploševati in premalo se resnično prilagodijo enemu okolju.
Če bo NeoCognitionu uspelo združiti splošno razumevanje jezika z vzdržnimi, domeni prilagojenimi svetovnimi modeli, lahko ta krog sklene. A s tem pridejo tudi težka vprašanja:
- Kako je tak "svetovni model" tehnično predstavljen in različicam sledljivo nadzorovan?
- Kako omejiti učenje, da agent ne odtava v nevarno ali nezdružljivo vedenje?
- Kako objektivno izmeriti "strokovnost" v mikro svetu, da to ni le vtis z ene predstavitve?
Konkurenčno to postavlja NeoCognition med klasične raziskovalne laboratorije in praktične agentne platforme. Uspeh bo manj odvisen od znanstvenih člankov in bolj od tega, ali jim uspe prehiteti velike igralce, ki imajo lastne agente že v razvojnih okoljih svojih ekosistemov.
Evropski in lokalni vidik
Za evropska podjetja ima obljuba "agentov, ki se učijo kot ljudje" dva obraza: obljubo o večji produktivnosti in skrb glede regulative ter nadzora.
Okvir EU za umetno inteligenco – skupaj z GDPR, Digital Services Act in sektorskimi pravili v financah, zdravstvu in javni upravi – je zgrajen na sledljivosti in odgovornosti. Samo‑učljiv agent, ki neprestano posodablja svoj notranji model sveta, je premični cilj. To je precej drugače od klasičnih modelov, ki jih enkrat validirate, zamrznete in nato le počasi nadgrajujete.
Če želi NeoCognition resno nastopiti na evropskem trgu, bo moral odgovoriti na vprašanja, kot so:
- Ali je mogoče učenje agenta začasno ustaviti in narediti "posnetek" za revizijo ali preiskavo incidenta?
- Ali lahko podjetje pregleda in razloži agentov naučeni model v jeziku, ki ga razume notranja revizija ali regulator?
- Ali lahko podatki in učenje ostanejo znotraj EU – kar je posebej pomembno za javni sektor in regulirane panoge?
Po drugi strani pa ima Evropa močno bazo vertikalnih SaaS rešitev: od proizvodnega in industrijskega softvera v DACH, do logistike, energetike in turizma v Srednji in Jugovzhodni Evropi. Podjetja, kot so slovenski in hrvaški nišni ponudniki (npr. rešitve za logistiko, javno upravo, energetiko), imajo dobro strukturirane podatke, a omejene raziskovalne ekipe.
Prav ta podjetja so idealni kandidati za agente, ki se lahko hitro naučijo lokalne domene: postopkov javnega naročanja, obračuna DDV, vodenja gradbenih projektov ali specifične dokumentacije v zdravstvu. Seveda pod pogojem, da rešitev spoštuje slovenske in EU predpise ter omogoča jasno upravljanje tveganj.
Slovenski startup ekosistem – od Ljubljane do Maribora – je pri agentih za zdaj bolj na uporabniški strani kot v razvoju temeljev. NeoCognition in podobni projekti bi lahko postali gradniki, na katerih lokalna podjetja gradijo lastne nišne produkte.
Pogled naprej
V naslednjih 1–2 letih bo nekaj signalov ključno pokazalo, ali je NeoCognition samo še en raziskovalni projekt ali resen kandidat za novo plast infrastrukture.
Merljivi rezultati v realnih procesih. Če podjetje misli resno z zanesljivostjo, bo moralo pokazati trde številke: dolgoročne stopnje uspešnosti nalog v tipičnih poslovnih procesih, ne le na odmevnih demonstracijah.
Pilotni projekti v portfelju Vista. Za evropske opazovalce bo zanimivo, ali se bodo agenti pojavili v znanih SaaS produktih, ki jih uporablja tudi evropski trg. Če bodo tam ostali v produkciji in preživeli varnostne ter skladnostne preglede, bo to močan signal.
Upravljanje samo‑učenja. Velika težava klasičnih RPA rešitev je bila, da so bile po uvedbi praktično "zaklenjene". Tukaj bo izziv nasproten: kako zagotoviti, da se sistem uči, a ne predaleč. Orodja za opazovanje agentov, spremljanje zmogljivosti in odkrivanje regresij bodo verjetno postala pogoj za resno uvedbo.
Odprtost in sodelovanje. Z majhno, visoko izobraženo ekipo bo NeoCognition moral skrbno izbirati, kje bo objavljal raziskave in kje gradil zaprt produkt. Od tega bo odvisno, ali ga bo akademska in odprtokodna skupnost dojemala kot partnerja ali kot črno skrinjico.
Tveganja so očitna: pretirane obljube o "človeškem" učenju, podcenjevanje kaotičnosti podatkov v podjetjih in neskladje z vedno strožjimi pravili v EU. A potencial je velik: če bodo agenti resnično postali zanesljivi specialisti, se bo razprava v podjetjih hitro premaknila od vprašanja "ali sploh smemo uporabiti AI" k vprašanju "katere vloge prepustiti agentom najprej".
Bistvo
NeoCognition z 40 milijoni dolarjev stavi, da je naslednja faza umetne inteligence v zanesljivih, samo‑učljivih agentih, ne v še enem pametnejšem klepetalniku. Vizija je privlačna, a trči neposredno ob najtrdnejše zahteve evropskega trga: predvidljivost, sledljivost in skladnost.
Če bo podjetju uspelo svoje svetovne modele pretvoriti iz raziskovalnega slogana v ponovljive, regulativno sprejemljive rezultate v podjetjih, lahko bistveno dvigne letvico za vse agente. Če ne, bo to še en opomin, da je "učiti se kot človek" veliko lažje prodati kot dejansko dostaviti. Ključno vprašanje za slovenska podjetja pa je: na katerem delu vašega procesa bi bili pripravljeni dati agentu status specialista – in kakšne varovalke bi pri tem zahtevali?
