Ваши корпоративные агенты искусственного интеллекта должны автоматически запоминать, какая модель подходит для какой задачи. Компания Mindstone разработала эту функцию совместно с Rebel.
Карл Франзен
В наши дни платформы для управления агентами ИИ появляются как грибы после дождя, но платформа Rebel от лондонского стартапа Mindstone, занимающегося трансформацией в сфере ИИ, пожалуй, одна из самых многообещающих, с которыми я сталкивался.
Это связано с тем, что система, официально запущенная на этой неделе, представляет собой операционную систему для ИИ с агентным управлением, ориентированную на локальное использование и распространяемую под лицензией «Fair Source». Это позволяет командам численностью менее 100 пользователей свободно внедрять и настраивать ее в соответствии со своими потребностями, в то время как организациям с большим количеством пользователей потребуется приобрести корпоративную лицензию.
Главные особенности — это простота и широкие возможности настройки под любую команду, независимо от уникальности или специфики рабочих процессов, основанные на общем, открытом стандарте формата файлов Markdown, и, как следствие, на организационном уровне памяти, который гарантирует, что агенты надежно используют предпочтительные модели ИИ предприятия для каждой задачи или даже подзадач — динамически переключаясь между локальными и облачными моделями предсказуемым и наглядным образом, что позволяет экономить средства и обеспечивать конфиденциальность и безопасность данных по мере необходимости.
«Общая память — это самое мощное, что можно сделать с помощью ИИ, работающего с интеллектуальным трудом», — заявил Грег Детре, технический директор Mindstone, в недавнем видеоинтервью VentureBeat. «Возникает ощущение, что вы — суперорганизм, компания, которая становится все умнее и умнее».
Rebel уже доступен для macOS на компьютерах с процессорами Intel и Apple Silicon, а также для Windows; поддержка Linux находится в разработке.
Компания Mindstone привлекла 5 миллионов долларов от частных инвесторов, включая Pearson Ventures, Moonfire Ventures и Zanichelli Venture.
Уникальная архитектура, ориентированная на локальные ресурсы, основанная на файлах Markdown.
Отличительной чертой Rebel является архитектура, в которой приоритет отдается локальным ресурсам.
В отличие от подхода, используемого в ориентированных на разработчиков фреймворках для управления агентами, таких как LangGraph, CrewAI и AutoGPT, где командам приходится связывать базы данных, облачную инфраструктуру и логику управления состоянием, основная память и инструкции агента Rebel хранятся в локальных текстовых файлах Markdown (.md) — пожалуй, самом простом, легком и популярном способе управления агентами ИИ, который широко используется разработчиками ИИ и опытными пользователями по всему миру.
Компания Mindstone утверждает, что Rebel хранит свое состояние, подсказки, инструкции к задачам и иерархию памяти в этих файлах, что позволяет пользователям и компаниям легко проверять, перемещать или изменять их по мере необходимости. Основной конфигурационный файл, agents.md, выступает в качестве базового уровня инструкций агента и границы среды выполнения.
Этот архитектурный выбор отчасти обусловлен соображениями стоимости. Майндстоун утверждает, что распространенные офисные форматы, такие как документы Word и PDF, часто содержат накладные расходы на форматирование и метаданные, которые расходуют контекст токенов модели и увеличивают затраты на API. Markdown сохраняет информацию ближе к необработанному тексту, позволяя использовать больше контекстного окна модели для выполнения фактической задачи, а не для структуры документа.
Компания также позиционирует этот подход как защиту от привязки к конкретному поставщику. Если инструкции для агентов, автоматизация и память компании хранятся локально в виде текстовых файлов, они не оказываются запертыми в интерфейсе или базе данных одного поставщика SaaS. Это становится еще более важным, поскольку предприятия начинают предоставлять системам искусственного интеллекта более широкий доступ к электронной почте, календарям, документам и внутренним рабочим процессам.
Rebel также позволяет пользователям создавать повторяющиеся рабочие процессы ИИ. «Навыки» — это сохраненные многоэтапные процедуры, которые агент может использовать повторно. «Операторы» настраивают поведение агента для выполнения конкретной задачи, например, для анализа презентации с точки зрения инвестора или оценки работы с точки зрения безопасности. «Автоматизация» может запускать запланированные фоновые задачи, такие как сканирование сообщений или файлов, поиск соответствующих обновлений, составление ответов или подготовка работы до того, как сотрудник откроет приложение.
Автоматический выбор наилучшей, предпочтительной для предприятий модели ИИ для каждой задачи (и подзадачи).
Еще одна важная функция — оркестровка на основе нескольких моделей. Rebel может разбивать задачу на части и направлять различные этапы к разным моделям, включая разделение между локальными и облачными моделями в зависимости от конфиденциальности информации или в соответствии с политикой предприятия.
Более мощная модель может обрабатывать планирование или сложные логические рассуждения; более дешевая модель может обрабатывать рутинную работу; локальная модель может обрабатывать конфиденциальные этапы или проверки на соответствие требованиям. Это важно для предприятий, которым нужна гибкость или которые стремятся к контролю затрат: не каждую задачу нужно отправлять в одну и ту же дорогостоящую облачную модель, а некоторые корпоративные рабочие процессы запрещают передачу конфиденциальных корпоративных данных за пределы локальной инфраструктуры.
«Я хочу иметь возможность сказать: „Помогите мне с этим“, и чтобы система понимала, что является личным, что конфиденциально, а что можно обсудить со всей компанией», — объяснил Детре.
Такая независимая от модели архитектура дает компаниям больший контроль над затратами и безопасностью. Обработка больших объемов данных может выполняться на более дешевых моделях, таких как Llama или DeepSeek. Более сложные вычисления могут быть зарезервированы для более дорогих моделей. Конфиденциальная информация может обрабатываться локальной моделью, работающей на компьютере пользователя, предотвращая ее выход за пределы устройства.
Такой подход также позволяет корпоративным командам сочетать облачные и локальные вычисления, не рассматривая этот выбор как принцип «всё или ничего».
Переходя от централизованных монолитных облачных интерфейсов к локальной файловой архитектуре, Mindstone представляет модель, позволяющую руководителям технических подразделений предприятий организовывать автономные рабочие процессы без ущерба для суверенитета данных и предсказуемости.
Как это работает на практике
Грег Детре, технический директор Mindstone, разработал систему памяти Rebel, чтобы избежать распространенной проблемы в корпоративном ИИ: сброса больших объемов информации о компании в базу данных и надежды на то, что поиск позже извлечет нужный контекст.
Вместо этого Rebel использует многоуровневую структуру памяти. При взаимодействии система оценивает вероятность того, что эта информация снова окажется полезной.
Информация с высокой ожидаемой ценностью записывается в локальный файл readme.md, привязанный к конкретному проектному пространству. Информация со средней ожидаемой ценностью становится ссылкой на более глубокие исторические записи.
Материалы с более низким приоритетом хранятся в индексированном каталоге памяти, где они остаются доступными, но в неактивном состоянии до тех пор, пока соответствующая задача не запросит их обратно.
Панель мониторинга рентабельности инвестиций для корпоративных покупателей
Для крупных организаций Mindstone Pro дополнительно включает панель мониторинга Impact Dashboard, предназначенную для отображения того, где Rebel экономит время и деньги в различных подразделениях компании.
Компания Mindstone заявляет, что панель мониторинга использует отдельную, закрытую модель LLM для анализа телеметрии и расчета влияния на бизнес. Компания утверждает, что система откалибрована консервативно, используя нижнюю границу прогнозируемого прироста производительности, чтобы избежать завышенных заявлений о повышении эффективности.
Эта функция затрагивает практическую проблему для корпоративных покупателей ИИ: доказательство ценности без чрезмерного контроля за сотрудниками. Компания Mindstone утверждает, что панель управления изолирована от индивидуальных рабочих пространств, что позволяет ИТ-специалистам и руководителям бизнеса оценивать внедрение и окупаемость инвестиций, не отслеживая активность сотрудников в личных кабинетах.
Лицензирование по принципу «справедливого исходного кода» направлено на снижение рисков, связанных с платформой.
Компания Mindstone выпускает Rebel под лицензией Fair Source, моделью, призванной занять промежуточное положение между полностью закрытым SaaS и разрешительным открытым исходным кодом.
В соответствии с лицензией, код Rebel доступен для просмотра, аудита, модификации и развертывания. Частные лица и организации с числом одновременных пользователей до 100 могут запускать его бесплатно. Как только организация превысит этот порог, ей потребуется коммерческая лицензия Mindstone Pro.
Лицензия также включает пункт о двухлетнем истечении срока действия. Через двадцать четыре месяца после выпуска той или иной версии она автоматически переходит на открытую лицензию MIT.
Для корпоративных покупателей практическое преимущество Rebel заключается в том, что он снижает риск возникновения проблем. Если все автоматизированные процессы, файлы памяти и инструкции агентов хранятся локально в формате Markdown, компания может при необходимости перенести свои данные и рабочие процессы в другое место. Продукт может быть коммерческим, но его базовая структура разработана таким образом, чтобы оставаться доступной для проверки и переносимой.
Вопросы безопасности сосредоточены на локальных подтверждениях и общей памяти.
Дебют Rebel на платформе для обмена технологическими продуктами с открытым доступом Product Hunt на этой неделе вызвал технические вопросы о том, как агент, ориентированный на локальную среду, должен обрабатывать разрешения, проверки безопасности и общую память.
Один из разработчиков, Никита Покрышко, задал вопрос, могут ли проверки на соответствие требованиям для конфиденциальных действий выполняться полностью локально, или же логика контроля по-прежнему требует обращения к облаку.
Детре ответил, объяснив разделение в Rebel между планированием, выполнением и фоновой логикой безопасности. Вёле добавил, что компании могут настроить Rebel таким образом, чтобы он полностью полагался на локальную модель для принятия решений о поэтапном управлении.
Это различие имеет значение для корпоративных команд безопасности. Автономным агентам часто требуются широкие права доступа для чтения файлов, составления электронных писем или взаимодействия с внутренними системами. Если окончательный уровень утверждения зависит от внешней облачной модели, некоторые компании могут рассматривать это как риск нарушения нормативных требований. Компания Mindstone утверждает, что Rebel может сохранить эти границы утверждения на локальном уровне.
Вторая дискуссия была посвящена тому, как Rebel определяет, какие фрагменты памяти можно совместно использовать. Разработчик продукта Клемент Морель спросил, определяется ли возможность совместного использования контентом, настройками пользователя или усвоенным поведением, и что происходит, если система ошибается.
Детре пояснил, что Rebel использует локальный файл README руководителя аппарата пользователя и определенные пространства для разделения личной, командной и общекорпоративной информации. Когда агент сталкивается с неоднозначным контекстом, система приостанавливает работу и запрашивает подтверждение пользователя, прежде чем продолжить.
Этот акцент на прозрачности является частью более широкой аргументации Mindstone против непрозрачных агентских систем. Как написал генеральный директор Джошуа Вёле в своем посте в LinkedIn: «Если агент собирается находиться в вашем рабочем пространстве, запоминать ваш контекст и запрашивать разрешение, прежде чем изменить мир, вы должны иметь возможность видеть, как он работает. Не потому, что все будут читать код, а потому, что кто-то сможет».
Компания Minstone указывает на внедрение продукта у клиентов как на раннее подтверждение этому.
Компания Mindstone заявляет, что система Rebel уже внедрена в штате клиента Epignosis, насчитывающем 250 сотрудников, и охватывает отделы продаж, разработки, продуктов, финансов и поддержки клиентов.
«Вся организация сегодня работает на платформе Rebel», — сказал Вёле изданию VentureBeat.
По данным Mindstone, за 12 недель внедрения Epignosis удалось компенсировать затраты ресурсов, эквивалентные восьми штатным должностям. Компания утверждает, что внедрение системы происходило органично после того, как сотрудники увидели, как их коллеги автоматизируют трудоемкую работу, — явление, которое сотрудники назвали «эффектом картофеля».
Пример Epignosis является центральным аргументом Mindstone о том, что корпоративный ИИ не следует рассматривать как набор изолированных персональных инструментов. Архитектура Rebel с общей памятью призвана позволить рабочим процессам перемещаться между командами и улучшаться по мере того, как ими пользуется все больше сотрудников.
«Граница между обучением и практикой размывается, и это меняет все аспекты масштабирования», — заявил генеральный директор Epignosis Димитрис Цингос в заявлении, предоставленном VentureBeat компанией Mindstone.
Информация о Mindstone
Компания Mindstone Learning Limited со штаб-квартирой в Лондоне была основана в 2020 году под руководством генерального директора Джошуа Вёле, ранее являвшегося соучредителем компании SuperAwesome, занимающейся цифровой безопасностью детей. Первоначально компания позиционировала себя на рынке образовательных технологий для потребителей, создав инструмент цифрового курирования контента, сравнимый с «Spotify для обучения», который использует комплексные методики обучения.
Однако после широкой коммерциализации платформ генеративного искусственного интеллекта в период с 2022 по 2024 год компания Mindstone перешла к внедрению решений для предприятий в сегменте B2B. Руководство выявило критическое препятствие на «последнем этапе»: хотя инструменты ИИ обещали существенное повышение производительности, традиционное корпоративное обучение не смогло подготовить сотрудников к практической интеграции этих инструментов в повседневную деятельность.
Сегодня Mindstone функционирует как комплексная корпоративная экосистема программного обеспечения и обучения, разработанная для максимизации отдачи от корпоративных инвестиций в существующие лицензии на ИИ. Архитектура продукта систематически охватывает различные организационные уровни посредством высококонтекстуализированных, «реальных» программных приложений, а не абстрактных слайд-презентаций.
В финансовом плане Mindstone использует гибридную стратегию привлечения капитала, которая сочетает институциональный венчурный капитал от таких организаций, как Moonfire Ventures и Pearson Ventures, с краудфандингом на основе долевого участия на платформах, таких как Seedrs и Crowdcube.
Компания Mindstone успешно вышла на корпоративный рынок, заключив коммерческие контракты с такими крупными корпорациями, как The Home Depot, Hyatt Hotels Corporation, Pearson и Ernst & Young.
В конечном счете, Mindstone позиционирует себя как важнейшее противоядие от корпоративной инерции, обеспечивая организациям формирование внутренней компетенции, необходимой для успешного осуществления преобразований с использованием искусственного интеллекта.
Ставка Mindstone: корпоративному ИИ нужна общая память, а не больше рабочих мест.
Rebel выходит на рынок в тот момент, когда компании пытаются перейти от экспериментов с ИИ к его внедрению в операционную деятельность. Первая волна внедрения в корпоративном секторе была сосредоточена на предоставлении доступа: сотрудникам предоставлялись чат-боты, помощники и подписки на модели. Компания Mindstone делает ставку на то, что следующая волна будет сосредоточена на координации.
Это означает использование общей памяти, многократно используемых рабочих процессов, локального управления, гибкой маршрутизации моделей и измеримого влияния на бизнес. Это также означает предоставление предприятиям возможности проверять системы, которым они должны доверять.
Сейчас перед компанией стоит задача реализации. Программное обеспечение, ориентированное на локальное использование, может быть сложнее в управлении, чем облачное SaaS. Общая память вызывает вопросы управления. Маршрутизация с использованием нескольких моделей добавляет сложности. И предприятиям по-прежнему потребуется доказательство того, что агентные рабочие процессы могут обеспечить надежный рост производительности без создания проблем с безопасностью или соответствием нормативным требованиям.
Но Mindstone четко доказывает: покупка мест для ИИ — это не то же самое, что создание инфраструктуры ИИ. Rebel — это попытка превратить разрозненные эксперименты сотрудников в операционный слой для работы.
Подпишитесь, чтобы получать самые свежие новости!
Подробные аналитические данные для руководителей предприятий в области искусственного интеллекта, данных и безопасности.
Отправляя свой адрес электронной почты, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.
Получайте обновления ! Вы подписаны! Наши последние новости скоро поступят на вашу электронную почту.
Источник: venturebeat.com
Оцените материал:
