Istraživački zadaci u konceptualnoj fazi razvoja proizvoda ključni su za inovativnost, no predstavljaju izazov zbog svoje vremenske zahtjevnosti i podložnosti pogreškama. Postojeći AI alati, temeljeni na prevladavajućoj arhitekturi u kojoj jedan agent orkestrira cijeli proces istraživanja, ograničeni su konačnim kontekstualnim prozorom jezičnih modela, što otežava provođenje opsežnih istraživanja potrebnih u industrijskom okruženju. Ovaj rad adresira taj problem razvojem aplikacije DataMind, koja primjenjuje arhitekturu temeljenu na programskoj orkestraciji i strukturiranoj bazi podataka. Prednost predloženog pristupa leži u sposobnosti AI agenta da kroz razgovor s korisnikom dekomponira složene istraživačke ciljeve u granularne, međuzavisne zadatke, nakon čega programski orkestriran sustav upravlja njihovim izvršavanjem, pohranjujući sve rezultate u strukturiranu bazu podataka. Takav pristup omogućuje veću skalabilnost i opsežnost istraživanja u usporedbi s postojećim rješenjima. Validacija sustava, provedena na studiji slučaja temeljenoj na industrijskom zadatku analize tržišta besposadnih kopnenih vozila (UGV) dobivenom od tvrtke DOK-ING, pokazala je prednosti aplikacije u odnosu na manualne metode i odabrane komercijalne AI alate. U usporedbi s testiranim komercijalnim alatima, aplikacija je identificirala red veličine više relevantnih UGV platformi i prikupila detaljnije informacije, isporučujući rezultate u obliku interaktivne baze podataka umjesto statičkog izvještaja. Rad time predstavlja i validira novi arhitekturni pristup za razvoj alata temeljenih na umjetnoj inteligenciji koji, zahvaljujući arhitekturi sa programskom orkestracijom i strukturiranom pohranom, zaobilaze ograničenja arhitektura centraliziranih oko jednog agenta.
