Nvidia: omotač oko AI modela važniji je od samog modela

Nvidia je 21. avgusta 2026. objavila istraživanje koje pokazuje da softverski omotač oko AI modela — njegovi alati, sistemi memorije i operativna pravila — ima veći uticaj od samog modela na složene, višekorake zadatke. Koristeći ARC-AGI-3 benchmark, Nvidia je testirala Claude Opus 5 sa i bez prilagođenog harness-a: bez njega model je postigao 30%, sa njim — 100%.

Harness u eksperimentu uključivao je komponentu “supervizora” opisanu kao da deluje “poput CEO-a” — prati smer rada agenta tokom dugih zadataka i interveniše kada skrene s puta. Ovaj nadzorni sloj je ono što omogućava istom modelu da završi zadatke koje bi inače propustio na sredini sekvence.

Paralelni nalazi drugih timova podržavaju zaključak. Databricks istraživanje je utvrdilo da samo izbor harness-a može udvostručiti operativne troškove čak i kada je osnovni model identičan. OpenAI je otkrila da je podešavanje samo dva parametra harness-a utrostručilo rezultate na benchmarku za nepromenjen model.

Za product manager-e koji razmišljaju o tome gde AI stvara konkurentsku prednost, implikacija je direktna: izbor modela postaje robna odluka, dok arhitektura oko tog poziva postaje mesto gde se nalazi diferencijacija. Timovi koji ulažu u kvalitet orkestracije — kako agenti oporavljaju greške, kako se kontekst čuva između koraka, kako se rukuje rubnim slučajevima — predupredit će timove koji jednostavno nadograde na noviji model i očekuju bolje rezultate.

Ovo takođe menja kako izgleda uloga PM-a u AI proizvodima. Pisanje dobrih sistemskih promptova, projektovanje fallback ponašanja i preciziranje kako agenti treba da signaliziraju nesigurnost — to su produktne odluke sa merljivim uticajem na kvalitet koji korisnici doživljavaju, nezavisno od toga koji model se koristi.