Anthropic pušta AI da upravlja laboratorijom — šta to znači za obične firme

Krajem avgusta 2026. Anthropic je objavio Model Hardware Standard (MHS) — zajednički standard koji omogućava da AI agenti upravljaju fizičkim uređajima u laboratorijama i proizvodnji. Vest je prošla kao tehnička, ali ispod nje stoji obrazac koji se tiče i firmi koje nikada neće videti laboratoriju.

Šta je objavljeno

Problem koji MHS rešava zvuči poznato svakome ko je ikada povezivao dva sistema: uređaji ne pričaju međusobno. Svaki ima svoj program, svoj način komunikacije i svog proizvođača. Da bi se povezali, neko mora ručno da napiše sponu — i to, po Anthropic-ovom opisu, traje nedeljama ili mesecima.

MHS uvodi zajednički jezik zasnovan na dve vrlo jednostavne komande: read („koja je temperatura") i write („postavi temperaturu"). Uz to idu opisi na prirodnom jeziku, kojima se dokumentuje ono što je do sada stajalo u papirnim uputstvima ili samo u glavi iskusnog operatera. Integracija se time, tvrde, svodi na sate ili minute.

Standard je za sada u fazi istraživačkog pregleda, dostupan odabranim laboratorijama i proizvođačima preko liste čekanja. Anthropic najavljuje da će ga kasnije otvoriti, ali bez datuma.

Rezultati koje su objavili

Objava navodi konkretne brojke iz testiranja, i one su ubedljivije od najave:

• Genentech — automatizovan protokol za merenje proteina, uz koordinaciju robotske ruke, pipetora i čitača. Claude je sam podesio brzinu protoka: oko 140 µL/s za vodu i 10 µL/s za guste uzorke, što odgovara onome što bi stručnjak zadao.
• Carnegie Mellon — eksperimenti u otkrivanju lekova otprilike tri puta brže nego ranije, preko tri međusobno nekompatibilna interfejsa.
• Univerzitet u Vašingtonu — šest instrumenata povezano za manje od nedelju dana, umesto uobičajenih meseci.
• QuEra Computing — uspešnost zaključavanja lasera podignuta sa 58% na 99,3%, a vreme po pokušaju smanjeno sa 150 na 6 sekundi.
• Tetsuwan Scientific — kroz 9.143 pojedinačna prenosa tečnosti, model je predvideo preciznost oko 12% tačnije od specifikacije samog proizvođača.

Uz to je objavljen i spisak proizvođača koji dodaju podršku — među njima AWS, QIAGEN, Tecan, Universal Robots, Doosan Robotics i Raspberry Pi.

Deo koji se najmanje citira, a najviše vredi

U istoj objavi stoji i ograničenje, napisano bez ulepšavanja: Claude o fizičkom svetu uči iz teksta i slika, pa mu je prostorno i fizičko rasuđivanje ograničeno i traži nadzor stručnjaka.

Primer je bolji od svakog objašnjenja. U Genentech-u su istraživači morali da navedu Claude-a da shvati kako greške izazvane penušanjem uzorka nisu softverski bag, nego fizička pojava. Model je gledao u brojeve i tražio grešku u kodu, jer pena za njega ne postoji — nikada je nije video, samo je čitao o njoj.

Moje mišljenje

Vest sama po sebi nije za male firme. Nijedan naš klijent neće povezivati mikroskop sa AI agentom. Ali obrazac jeste — i to je ono što vredi izvući.

Prvo: problem koji MHS rešava nije laboratorijski, nego opšti. Svaka firma sa nekoliko sistema živi istu muku — vaga u magacinu ne priča sa programom, štampač etiketa traži svoj format, kasa i sajt vode odvojena stanja, a knjigovodstvo dobija tabelu koju neko prekucava. Kad se pojavi standard koji tu sponu skraćuje sa meseci na sate, to pre ili kasnije stiže i do običnog poslovnog softvera. Vredi to imati u vidu kada birate sistem: zatvorena rešenja koja ne umeju da razgovaraju sa drugima danas su rizičnija nego pre godinu dana.

Drugo: smer u kome ide AI je od saveta ka radnji. Do sada je model pisao tekst, a čovek izvršavao. Ovde model pomera robotsku ruku. Ista logika već ulazi u poslovne programe — od „evo predloga porudžbine" ka „porudžbina je napravljena". To je dobra vest za produktivnost i loša za firme koje nemaju uredne podatke, jer automatizovana greška se množi brže od ručne.

Treće, i najvažnije: priča o peni je najkorisniji deo cele objave. Model je bio siguran, obrazložen i pogrešan — tražio je bag u kodu dok je problem bio u čaši. Tako izgleda AI greška u praksi: ne kao očigledna glupost, nego kao uverljiv odgovor u pogrešnom okviru. Zato u svemu što gradimo insistiramo da sistem ume da kaže „ne znam" i da čovek ostane na mestu gde odluka nešto košta. Nije to nepoverenje prema tehnologiji — to je jedini način da se koristi ozbiljno.

I jedna trezvena napomena: ovo je istraživački pregled, ne proizvod. Brojke su iz laboratorija koje su radile sa proizvođačem standarda i sa opremom vrednom više od godišnjeg prometa prosečne male firme. Zanimljivo je, važno je, ali još nije nešto što se sutra kupuje.

Šta je pouka

Ne trka za najnovijim, nego dve mirne odluke: držite podatke u redu, jer svaka sledeća automatizacija ide preko njih, i birajte sisteme koji umeju da se povežu. Firme koje to imaju iskoristiće svaki sledeći alat. One koje nemaju kupovaće alate koji nemaju šta da rade.

Izvor: Anthropic — Previewing the Model Hardware Standard.

Radimo AI marketing, chat botove i poslovni softver — sa jasnom granicom gde AI pomaže, a gde odlučuje čovek.

Povezane usluge i stranice

• AI marketing
• Chat botovi
• ERP i poslovni softver

Još sa bloga

• Šta radi digital marketing agencija? (jasno i konkretno)
• Digital marketing za mala preduzeća: od čega da krenete
• Kako izabrati digital marketing agenciju (checklist pitanja)
• Koliko košta Google Ads u Srbiji?