# Agenti, fizična UI in inferenca: teme, ki bodo krojile TechCrunch Disrupt 2026
Umetna inteligenca se pospešeno premika iz klepetalnikov in demonstracij v vsakodnevne delovne procese, podatkovne centre, tovarne, robote in nove poslovne modele. Prav zato program konference TechCrunch Disrupt 2026, ki bo od 13. do 15. oktobra potekala v San Franciscu, ponuja precej dober pregled vprašanj, s katerimi se bo tehnološka industrija ukvarjala v naslednjem obdobju: kako dejansko delati z agenti UI, kako zgraditi sisteme, ki jim lahko zaupamo, kje nastaja vrednost v ekonomiji inference in kaj pomeni, ko UI začne delovati v fizičnem svetu.
Med napovedanimi spremljevalnimi razpravami bodo nastopili predstavniki Anthropica, Cerebrasa, SOSV HAX, Venrocka in drugih podjetij ter skladov. Program ni pomemben toliko zaradi posameznih imen kot zaradi jasnega signala: razprava se odmika od vprašanja, *kaj modeli zmorejo*, proti vprašanju, *kako jih varno, zanesljivo in ekonomsko smiselno uporabiti*.
## Agenti UI: od impresivnih predstavitev do resničnega dela
Ena osrednjih razprav bo namenjena delu z agenti UI. Steve Androulakis in Sachin Malhotra iz Anthropica naj bi pokazala, kako pri vsakdanjem inženirskem delu uporabljata več agentov Claude hkrati: od delegiranja nalog do preverjanja rezultatov in popravljanja napak.
To je pomemben premik. Agent ni več le jezikovni model, ki odgovarja na vprašanja, temveč sistem, ki lahko dobi cilj, uporablja orodja, izvaja več korakov in sodeluje pri konkretnih nalogah. Toda ravno tu se pokažejo tudi omejitve: agenti lahko napačno razumejo zahteve, ustvarijo prepričljivo, a napačno rešitev, ali pa zahtevajo toliko nadzora, da prihranek časa ni samoumeven.
Za slovenska podjetja je zato ključno vprašanje manj »ali bomo uvedli agente« in bolj »katere procese lahko z njimi varno izboljšamo«. Največ smisla imajo praviloma pri dobro opredeljenih, ponavljajočih se nalogah – denimo pri pripravi dokumentacije, podpori strankam, raziskovanju, analizi podatkov ali pomoči razvijalcem. Človeški pregled ostaja nujen, zlasti pri odločitvah z večjim poslovnim, pravnim ali varnostnim tveganjem.
## Kako zgraditi UI, ki ji lahko zaupamo?
Z vprašanjem nadzora se neposredno ukvarja tudi napovedana razprava Robbieja Goldfarba, soustanovitelja podjetja Forum AI. Njena izhodiščna točka je preprosta: pri sistemih, ki prevzemajo pomembnejše naloge, sama natančnost ni dovolj.
Sistem je lahko tehnično dober, vendar še vedno nezanesljiv, če ne znamo preveriti, kako je prišel do odgovora, v katerih primerih odpove ali ali njegovi rezultati povzročajo sistematične pristranskosti. Zaupanje v UI zato ne nastane z eno samo metriko, temveč z evalvacijami, jasnimi postopki preverjanja, sledljivostjo odločitev in vključevanjem domenskih strokovnjakov.
To je posebej aktualno za panoge, kjer imajo napake neposredne posledice: zdravstvo, finance, javna uprava, proizvodnja, pravo in kritična infrastruktura. Za domače razvijalce in naročnike rešitev UI bi moral biti to opomnik, da uvajanje modela ni zaključek projekta. Pravi izziv se začne pri merjenju kakovosti, spremljanju delovanja v praksi in določanju odgovornosti, ko sistem zgreši.
## Fizična UI: ko model ne ostane več za zaslonom
Med najbolj izpostavljenimi temami programa je fizična umetna inteligenca. Susan Schofer in Duncan Turner iz SOSV HAX bosta obravnavala, kaj sploh sodi v to kategorijo, Ethan Batraski iz Venrocka, Ivan Poupyrev iz Archetype AI in Ian Rountree iz Cantosa pa se bodo osredotočili na izvedbeni vidik: kako povezati zaznavanje, odločanje, dejanje in preverjanje rezultata.
Fizična UI presega generiranje besedila, slik ali kode. Gre za sisteme, ki morajo razumeti okolje in nato v njem tudi ukrepati – v robotiki, logistiki, industrijski avtomatizaciji, kmetijstvu, energetiki, zdravstvu ali vesoljskih tehnologijah.
Tu se razlika med digitalnim in fizičnim svetom hitro pokaže. Napačen odgovor v klepetalniku je neprijeten; napačno dejanje robota, vozila ali industrijskega sistema pa je lahko drago ali nevarno. Zato bo uspeh fizične UI odvisen ne le od modelov, temveč tudi od senzorjev, kakovosti podatkov, simulacij, varnostnih mehanizmov in zanesljivega preverjanja rezultatov.
Za Slovenijo, ki ima močno industrijsko, avtomobilsko, logistično in raziskovalno okolje, je to ena zanimivejših smeri. Priložnost ni nujno v razvoju splošnih temeljnih modelov, temveč v specializiranih rešitvah za proizvodne linije, nadzor kakovosti, prediktivno vzdrževanje, energetsko optimizacijo ali avtomatizacijo zahtevnih delovnih postopkov.
## Zakaj je inferenca nova gospodarska fronta
Posebna razprava z naslovom »The Inference Economy« bo naslovila premik od učenja modelov k inferenci, torej njihovemu izvajanju v produkcijskih okoljih. Hagay Lupesko iz Cerebras Systems in vlagateljica Rudina Seseri iz Glasswing Ventures bosta obravnavala vprašanje, kje nastane konkurenčna prednost, ko modeli postajajo vse bolj dostopni in primerljivi.
V obdobju, ko se veliko govori o milijardnih vložkih v učenje velikih modelov, je inferenca pogosto manj opazna, vendar je za podjetja odločilna. Vsaka zahteva uporabnika, vsak odgovor asistenta, vsaka analiza slike in vsak agentski korak pomenijo računski strošek, porabo energije in čakalni čas.
Za zagonska podjetja to pomeni, da dober model sam po sebi ni dovolj. Pomembni bodo cena na zahtevo, hitrost odziva, zanesljivost, varstvo podatkov in sposobnost gradnje izdelka, ki rešuje konkreten problem. V številnih primerih bo prednost ustvarila pametnejša uporaba manjših ali specializiranih modelov, ne nujno najdražjega in največjega modela na trgu.
## Konferenca kot zemljevid naslednjih vprašanj
TechCrunch Disrupt 2026 ne napoveduje ene same tehnološke revolucije, temveč odpira razpravo o več povezanih prehodih: od modelov k agentom, od generiranja vsebin k izvajanju nalog, od digitalnih vmesnikov k fizičnim sistemom ter od eksperimentiranja k vprašanjem stroškov, varnosti in zaupanja.
Poleg vsebin o UI bodo na programu tudi razprave o zbiranju kapitala, rasti podjetij, ekipah v obdobju UI in uporabi tehnologije v vesoljskem sektorju. A prav teme o agentih, fizični UI in inferenci najbolj jasno kažejo, kam se premika tehnološki fokus.
Za podjetja, razvijalce in vlagatelje v Sloveniji je sporočilo preprosto: naslednja faza umetne inteligence ne bo odločena le v laboratorijih, temveč pri njeni uporabi v resničnih procesih. Zmagovalci ne bodo nujno tisti z največjim modelom, temveč tisti, ki bodo znali UI vključiti v izdelke in delovne tokove na način, ki je uporaben, varen in ekonomsko vzdržen.
