{"id":2548,"date":"2026-10-02T04:27:04","date_gmt":"2026-10-02T04:27:04","guid":{"rendered":"https:\/\/11000.dev\/index.php\/2026\/10\/02\/servicenow-predstavio-autosynthdata-kako-vestacka-inteligencija-sama-sebe-obucava-za-poslovne-zadatke\/"},"modified":"2026-10-02T04:27:04","modified_gmt":"2026-10-02T04:27:04","slug":"servicenow-predstavio-autosynthdata-kako-vestacka-inteligencija-sama-sebe-obucava-za-poslovne-zadatke","status":"publish","type":"post","link":"https:\/\/11000.dev\/index.php\/2026\/10\/02\/servicenow-predstavio-autosynthdata-kako-vestacka-inteligencija-sama-sebe-obucava-za-poslovne-zadatke\/","title":{"rendered":"ServiceNow predstavio AutoSynthData: Kako ve\u0161ta\u010dka inteligencija sama sebe obu\u010dava za poslovne zadatke"},"content":{"rendered":"

Kompanija ServiceNow je na svom zvani\u010dnom blogu predstavila novi koncept pod nazivom AutoSynthData<\/strong>, koji bi mogao da promeni na\u010din na koji se treniraju AI agenti namenjeni poslovnom okru\u017eenju. Re\u010d je o metodu automatskog generisanja sinteti\u010dkih podataka za obuku, koji bi trebalo da re\u0161i jedan od najve\u0107ih problema dana\u0161njih enterprise agenata \u2014 nedostatak kvalitetnih, specifi\u010dnih i pouzdanih podataka.<\/p>\n

\"ServiceNow<\/figure>\n

Naime, dok su veliki jezi\u010dki modeli poput Qwen\/Qwen3.8-27B<\/strong>, DeepSeek-V4.1-Flash<\/strong> ili Gemma-4-26B-A4B-it<\/strong> ve\u0107 dostigli zavidan nivo op\u0161te inteligencije, pokazuje se da oni \u010desto “zapinju” kada treba da obave konkretan zadatak unutar poslovnog sistema \u2014 recimo da popune formular, pokrenu proceduru ili odgovore na zahtev korisnika u skladu sa internim pravilima kompanije.<\/p>\n

Za\u0161to su sinteti\u010dki podaci klju\u010dni za AI agente<\/h2>\n

Tradicionalni pristup obuci agenata podrazumeva ru\u010dno prikupljanje i ozna\u010davanje podataka iz realnih poslovnih scenarija. To je skupo, sporo i \u010desto nemogu\u0107e \u2014 jer kompanije ne mogu da dele osetljive podatke, a ni da predvide sve situacije sa kojima \u0107e se agent suo\u010diti.<\/p>\n

ServiceNow-ov pristup, opisan u tekstu AutoSynthData: Generating Training Data for Enterprise Agents<\/a>, ide korak dalje: umesto da \u010dekaju da se podaci pojave, oni se generi\u0161u automatski<\/strong>, na osnovu definisanih poslovnih pravila i scenarija. Na taj na\u010din agenti mogu da ve\u017ebaju na hiljadama varijanti istog zadatka pre nego \u0161to uop\u0161te stupe u kontakt sa pravim korisnikom.<\/p>\n

Uz to, ServiceNow je objavio i dataset EnterpriseOps-Gym<\/strong>, koji sadr\u017ei preko 2.500 primera i vi\u0161e od 21.000 interakcija \u2014 sve sa ciljem da poslu\u017ei kao osnova za dalje usavr\u0161avanje agentnih sistema.<\/p>\n

\u0160ta to zna\u010di za budu\u0107nost poslovne automatizacije<\/h2>\n

Ako se ovaj pristup poka\u017ee uspe\u0161nim, kompanije bi mogle da znatno br\u017ee i jeftinije razvijaju sopstvene AI agente \u2014 bez potrebe da anga\u017euju timove za ru\u010dno ozna\u010davanje podataka. To bi otvorilo vrata masovnoj primeni agenata u oblastima kao \u0161to su korisni\u010dka podr\u0161ka, IT operacije, ljudski resursi ili finansije.<\/p>\n

Ono \u0161to je posebno zanimljivo jeste da se ovakav pristup naslanja na modele koji su ve\u0107 dostupni \u2014 poput pomenutih Qwen, DeepSeek i Gemma modela \u2014 \u0161to zna\u010di da nije potrebno razvijati novu arhitekturu od nule. Dovoljno je pametno iskoristiti ono \u0161to ve\u0107 postoji i “nahraniti” agente podacima koji li\u010de na stvarne poslovne situacije.<\/p>\n

ServiceNow ovim potezom jasno stavlja do znanja da budu\u0107nost AI agenata nije samo u ve\u0107im modelima, ve\u0107 i u pametnijim podacima<\/strong> \u2014 onima koji se generi\u0161u ba\u0161 za potrebe konkretnog zadatka. A to bi mogao da bude klju\u010dni korak ka \u0161iroj primeni ve\u0161ta\u010dke inteligencije u svakodnevnom poslovanju.<\/p>\n","protected":false},"excerpt":{"rendered":"

Kompanija ServiceNow je na svom zvani\u010dnom blogu predstavila novi koncept pod nazivom AutoSynthData, koji bi mogao da promeni na\u010din na koji se treniraju AI agenti namenjeni poslovnom okru\u017eenju. Re\u010d je o metodu automatskog generisanja sinteti\u010dkih podataka za obuku, koji bi trebalo da re\u0161i jedan od najve\u0107ih problema dana\u0161njih enterprise agenata \u2014 nedostatak kvalitetnih, specifi\u010dnih i […]<\/p>\n","protected":false},"author":1,"featured_media":2547,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[103,104],"tags":[],"class_list":["post-2548","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ai","category-tehnologija"],"_links":{"self":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/2548","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/comments?post=2548"}],"version-history":[{"count":0,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/2548\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media\/2547"}],"wp:attachment":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media?parent=2548"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/categories?post=2548"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/tags?post=2548"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}