По мере развития искусственного интеллекта сами модели становятся все более мощными, однако эффективность компаний все чаще ограничивается не качеством отдельных AI-ассистентов, а их неспособностью работать совместно. Именно эту проблему пытается решить новый открытый проект Octo, созданный компанией Mininglamp Technology.

Разработчики сравнивают нынешнее состояние AI-агентов с эпохой компьютеров до появления Интернета: отдельные системы уже были достаточно производительными, но существовали изолированно друг от друга.

Сегодня многие AI-помощники умеют писать код, проводить исследования, готовить документы и выполнять сложные задачи. Однако каждый из них существует в собственной среде, со своими инструментами, контекстом и правами доступа.

В результате даже несколько сильных AI-агентов редко способны совместно выполнить большой проект.

Авторы Octo считают, что следующий этап развития искусственного интеллекта связан не столько с повышением интеллекта отдельных моделей, сколько с созданием инфраструктуры для их взаимодействия.

Octo представляет собой открытую платформу, где AI-агенты становятся полноценными участниками корпоративной работы.

Если в традиционных системах ассистент принадлежит конкретному пользователю, то в Octo после соответствующей авторизации агенты могут использоваться всей организацией. Они превращаются из личных помощников в общекорпоративный цифровой ресурс.

При этом человек остаётся главным участником процесса принятия решений. Девиз проекта сформулирован предельно лаконично:

«Agents do. Humans decide.» («Агенты делают. Люди принимают решения.»)

Основой интерфейса Octo остается привычный корпоративный мессенджер. Однако разработчики рассматривают чат лишь как точку входа.

Каждая задача оформляется как отдельный объект (Matter), который хранит:

описание проблемы;

историю выполнения;

промежуточные результаты;

замечания участников;

итоговые решения.

Таким образом компания сохраняет не только конечный документ, но и весь процесс принятия решений, что постепенно формирует корпоративную базу знаний.

Одной из наиболее необычных особенностей Octo является механизм Taste («вкус» или «предпочтения»).

Система фиксирует, какие результаты сотрудники одобряют, какие отклоняют и какие правки вносят. Со временем эти решения превращаются в набор корпоративных предпочтений.

Благодаря этому AI постепенно начинает учитывать стиль конкретной команды, требования компании и особенности принятия решений, а не только общие знания, полученные во время обучения модели.

В Octo предусмотрено несколько моделей взаимодействия между агентами.

Среди них:

Solo — выполнение задачи одним агентом;

Roundtable — коллективное обсуждение несколькими агентами;

Critic — разделение ролей исполнителя и проверяющего;

Pipeline — последовательное выполнение этапов работы;

Split — параллельное выполнение независимых частей проекта;

Swarm — одновременное решение одной задачи несколькими агентами с последующим выбором лучшего результата.

Разработчики считают, что разные типы задач требуют разных схем обмена информацией, поэтому универсального механизма сотрудничества не существует.

Особое внимание разработчики уделяют защите корпоративных данных.

Octo распространяется как проект с открытым исходным кодом и поддерживает локальное развертывание. Это означает, что вся информация — переписка, документы, память агентов и результаты работы — может храниться внутри инфраструктуры самой компании без передачи внешним сервисам.

Такой подход соответствует концепции Private AI, в которой контроль над данными, знаниями и внутренними процессами остается у организации.

Создатели Octo считают, что в ближайшие годы главным конкурентным преимуществом компаний станут уже не сами языковые модели, а собственный контекст, накопленные знания и корпоративные способы принятия решений. Платформа призвана объединить людей и множество AI-агентов в единую систему, где искусственный интеллект берет на себя выполнение задач, а человек сохраняет ключевую роль в оценке результатов и принятии окончательных решений.