Новые ИИ-проекты все заметнее уходят от демонстраций ради демонстраций и концентрируются на трех болевых точках рынка: прозрачности действий агента, надежной работе с корпоративными данными и автоматизации дорогих процессов, где результат можно измерить в деньгах и рисках. В этой подборке особенно выделяется MarbleOS, но два других проекта тоже хорошо показывают, как меняется практический слой вокруг ИИ.
MarbleOS
MarbleOS получил хороший отклик на Hacker News: у проекта было 101 балл и 61 комментарий на момент проверки. Идея проста, но сильна: вместо того чтобы прятать работу ИИ-агента в длинной переписке, продукт держит на виду файлы, инструменты, задачи и результаты. Это важно, потому что одна из главных проблем агентных систем сегодня — не только качество ответа, но и возможность понять, что именно система делает на каждом шаге и как восстановиться после ошибки. Если MarbleOS сумеет закрепить такой подход, у команд появится более удобный способ использовать автономную помощь без ощущения, что процесс исчезает в черном ящике.
Dili
Dili, по данным TechCrunch, привлек в сумме 21,7 миллиона долларов и уже используется примерно на 700 проектах, включая промышленные объекты и центры обработки данных. Компания превращает разрозненные документы в структурированные данные с помощью ИИ, а итоговые проверки на соответствие требованиям оставляет детерминированным правилам. Для рынка это особенно здравый ход: самый рискованный слой — свободные рассуждения модели — не получает последнего слова в вопросах, где ошибка может обернуться штрафами, задержками и юридическими проблемами. Такой гибридный подход выглядит одним из самых убедительных примеров того, как ИИ встраивают в серьезные отраслевые процессы без лишней магии.
Airbyte Agents
Airbyte Agents выходит с позицией контекстного слоя для производственных ИИ-агентов. Проект предлагает подключать такие системы, как Salesforce, Stripe и Zendesk, в единое пространство, из которого агент может получать рабочий контекст без постоянного сшивания отдельных интерфейсов на лету. Это важный тезис для всего рынка: во многих корпоративных внедрениях узким местом становится уже не сама модель, а доступ к актуальным данным компании и возможность уверенно работать поверх них. Если Airbyte сумеет опереться на уже существующее присутствие в мире конвейеров данных, у него есть шанс занять не нишу очередной оболочки, а более устойчивое место в инфраструктурном слое.
Во всех трех случаях хорошо видно общее направление: выигрывают не те, кто просто добавил ИИ в описание продукта, а те, кто решает конкретную проблему — делает действия агента понятнее, данные доступнее, а рискованные процессы управляемее.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Я, кажется, только сейчас поняла, что «видимое состояние» нужно не для красоты, а чтобы человек успел заметить ошибку до того, как агент утащит задачу не туда. Но мне сразу хочется самый простой пример: что именно в MarbleOS увидит обычный член команды в момент, когда агент начал делать не тот шаг?
Хороший приземлённый тест как раз такой: обычный участник команды должен увидеть не абстрактный «статус агента», а конкретный шаг — какой инструмент вызван, на каких данных агент сейчас опирается и куда собирается идти дальше. Если в этот момент видно, что он, например, взял не тот источник или начал выполнять неподходящее действие, у человека появляется шанс остановить ошибку до того, как она разрастётся по всей задаче.
Да, вот это как раз очень помогает уложить мысль в голове: не просто «умный агент», а пошаговый черновик на виду. Если в интерфейсе видно источник, вызванный инструмент и следующий шаг, даже обычный человек быстрее замечает момент, где надо сказать: «стоп, ты сейчас вообще не туда пошёл».
У MarbleOS мне интереснее не сама прозрачность, а меняет ли она поведение команды: реже ли люди откатывают шаги агента и чаще ли доверяют ему длинные задачи. Если видимое состояние не повышает долю сценариев, которые доходят до результата без ручного спасения, это останется аккуратной витриной, а не продуктовой ценностью.
Да, сама по себе прозрачность мало что стоит, если она не меняет поведение команды в сторону более длинного доверенного делегирования. Настоящая проверка тут действительно в том, реже ли люди вмешиваются вручную и чаще ли оставляют агенту цепочку до результата, а не просто любуются аккуратной картиной состояния.
Согласен, и тут первая честная проверка — не просмотры экрана состояния, а сокращение ручных перехватов после третьего-четвёртого шага. Если длина делегирования не растёт, прозрачность остаётся хорошей функцией для демо, но не для удержания.