AI u sustavu blagajne: zadaci, pristup podacima i odobrenja u poslovanju
AI u sustavu blagajne počinje konkretnim zadatkom. Razlikujte chatbotove, fiksna pravila i agente te provjerite pristup podacima, prijedloge i odobrenja.
- Bahram Davoodi

Sustav blagajne pruža podatke za mnogo više od zaključivanja blagajne: prodaja, upravljanje zalihama, nabava, komunikacija s kupcima i internetska trgovina međusobno su povezani. AI može objašnjavati informacije i pripremati radne korake. Smije li i djelovati, ovisi o stvarno povezanim alatima i ovlastima. Ključno je pitanje: koji konkretan zadatak moj tim može predati tako da se njegovo izvršenje može provjeriti?
Stanje: 22. studenoga 2026. Sljedeći primjeri služe kao kriteriji za odabir i provjeru. Ne opisuju već demonstrirane AI funkcije sustava Lonio za analizu prodaje, ponovno naručivanje ili slanje e-pošte.
1. Razlikujte chatbot, fiksno pravilo i AI agenta
Chatbot prvenstveno odgovara na pitanja. Fiksno pravilo pokreće radnju pri određenom događaju, primjerice obavijest kada zaliha padne ispod zadane vrijednosti. AI agent može odabrati više koraka i za njih koristiti dopuštene alate. Samo sučelje s poljem za razgovor još ne dokazuje tu sposobnost djelovanja.
Tijekom demonstracije pitajte: stvara li se samo tekst, čita li se izvor podataka ili se mijenja zapis? Zatražite ponavljanje istog zadatka s nepotpunim podacima i nedovoljnim ovlastima. Koristan postupak traži pojašnjenje ili se zaustavlja umjesto da tvrdi da je uspješno završen.
2. Postavljajte pitanja o prodaji prirodnim jezikom
Pitanje „Kako se naš promet kretao prošlog tjedna?” prvo zahtijeva jasno određenu osnovu. Na koju se poslovnicu, kanal i razdoblje odnosi? Uspoređuju li se bruto ili neto vrijednosti? Kako se obrađuju povrati, storniranja, popusti i još neplaćeni računi?
Odgovarajući odgovor navodi filtre, ažurnost podataka i provjerljive početne vrijednosti. Usporedite ga s odgovarajućim standardnim izvještajem. Razdoblje treba odgovarati vremenskoj zoni poslovanja; usporedba s drukčijim brojem prodajnih dana zahtijeva objašnjenje. Uvjerljiv jezik ne zamjenjuje provjeru brojki.
Lonio opisuje izvještaje za različite poslovne procese. Postojanje takvih izvještaja ipak ne potvrđuje da im ChatGPT, Claude ili neki drugi agent mogu pristupati upitima.
3. Upravljanje zalihama: obrazložite potrebu, narudžbu odobrite zasebno
Zamišljeni kafić ima 30 pakiranja napitka od zobi, od kojih je šest već rezervirano. Za novu prodaju ostaju 24. Uz pretpostavljenu dnevnu potrošnju od osam pakiranja, rok dobave od tri dana i sigurnosnu zalihu od osam pakiranja, jednostavna formula daje točku ponovne narudžbe od 32 pakiranja.
Pad ispod te vrijednosti može se prepoznati fiksnim pravilom; za to nije nužno potreban AI. Prije ponovnog naručivanja nedostaju dodatne informacije: je li isporuka već na putu? Kada stvarno stiže? Koju minimalnu količinu traži dobavljač? Koliki je rok trajanja robe?
Koristan doprinos AI-ja mogao bi biti prikupljanje tih informacija i označavanje otvorenih pitanja u prijedlogu narudžbe. Količina za naručivanje ne proizlazi samo iz točke ponovne narudžbe. Slanje dobavljaču i financijsko odobrenje ostaju zasebni koraci. Osnove točke ponovne narudžbe pritom ne treba izmišljati iznova. Funkcionalan Lonio agent za taj postupak ovdje nije dokazan.
4. E-pošta i podrška: započnite nacrtom
Na temelju potvrđenih podataka pitanje kupca o preuzimanju može se pretvoriti u nacrt odgovora. Dopustite pristup samo potrebnim informacijama, a nedostajuće pojedinosti ostavite kao pitanja za pojašnjenje. Nacrt ne smije izmišljati dostupnost ni rok isporuke.
Čitanje poštanskog sandučića, povezivanje s kupcem i stvarno slanje zahtijevaju različite ovlasti. U početnom postupku član tima provjerava primatelja, sadržaj i privitke. Dobar odgovor u razgovoru ne dokazuje povezan sustav za upravljanje e-poštom.
5. Ograničite promjene cijena i kampanja
Zadatak poput „Poboljšaj naše cijene” previše je neodređen. Navedite artikle, poslovnicu ili kanal, razdoblje i dopuštena polja. Za akciju je timu potreban pregled postojeće cijene, predložene cijene i razdoblja važenja. Prijedlog cijene ne bi trebao mijenjati porezne vrijednosti ni već zaključenu prodaju.
Provjerite i gdje bi se promjena prikazala: na registracijskoj blagajni, u internetskoj trgovini ili samo u nacrtu teksta. Odgovornost za odobrenje i završetak akcije mora biti dodijeljena. Pristup podacima o proizvodima nije dokaz da agent može upravljati kampanjama ili svim pravilima cijena.
6. Praktično provjerite sigurnost i ljudsko odobrenje
Počnite s malim brojem testnih zapisa i najmanjim potrebnim ovlastima. Odvojite čitanje, izradu nacrta, spremanje i objavljivanje koliko to korišteni sustav ovlasti omogućuje. Ograničite trajanje pristupa i provjerite njegov opoziv.
Upute u tekstovima dobavljača ili primljenim porukama e-pošte prvenstveno su sadržaj, a ne novo dopuštenje za agenta. Ne unosite lozinke u radne zadatke. Zabilježite tko je provjerio promjenu i kako se njezin rezultat može kontrolirati. Odobrenje napisano u tekstu ne zamjenjuje tehničko ograničenje pristupa.
7. API, MCP i današnji opseg sustava Lonio
API pruža definirane funkcije i pristup podacima. MCP nudi zajednički način povezivanja odgovarajućih alata s AI aplikacijom. Moguće radnje ovise o ponuđenim alatima i njihovim dopuštenjima; sama kratica ne govori ništa o opsegu funkcija. Službena dokumentacija MCP-a objašnjava alate i ljudski nadzor.
Lonio na stranici integracija opisuje MCP za proizvode, kategorije, stranice i sadržaj bloga. Navode se ograničen pristup, istek, opoziv, usporedba promjena i vraćanje prethodnog stanja. Nabava i rezervacije imaju zasebno opisana sučelja. To ne znači da postoji MCP dopuštenje za sve poslovne podatke.
Lonio povezuje više područja poslovanja u jednoj platformi. Za rad na sadržaju uz AI, postojeći praktični vodič nudi konkretne početne zadatke. Za šire planove donesite stvaran zadatak i anonimizirane primjere podataka na provjeru. Tek nakon uspješnog testa dogovorite potreban opseg, odgovornosti i eventualne dodatne naknade pružatelja usluga.





