Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

OpenClaw otwiera firmową warstwę sterowania agentami, a Gartner ostrzega przed uzależnieniem od dostawcy

Fundacja OpenClaw udostępniła 30 września swoją firmową warstwę sterowania agentami pierwszym użytkownikom. Tego samego dnia Gartner prognozował, że do 2028 roku 70 procent przedsiębiorstw porzuci agentową sztuczną inteligencję budowaną przez dostawców.

AI i modeleAnalizaAnna KaczmarekOpublikowano: 30 września 20264 min czytaniaŹródła 7
OpenClaw otwiera firmową warstwę sterowania agentami, a Gartner ostrzega przed uzależnieniem od dostawcy

OpenClaw Enterprise, otwartoźródłowa warstwa sterowania do uruchamiania trwałych agentów AI w wrażliwych środowiskach, jest już dostępna do wewnętrznych obciążeń pilotażowych. Projekt ogłosił to we wpisie na blogu 30 września. Platforma ma być neutralna wobec dostawców i darmowa do samodzielnego hostowania.

Dla branży usług dostawców to niezręczny moment, dla kupujących użyteczny. Kilka godzin wcześniej, tego samego dnia, Gartner opublikował prognozę, że do 2028 roku 70 procent przedsiębiorstw odejdzie od systemów agentowej AI budowanych z pomocą dostawców. Powodem są koszty i trudność modyfikowania takich systemów bez zewnętrznego wsparcia. O prognozie napisał The Register 30 września.

Inżynieria osadzona u klienta i problem wyjścia

Gartner bierze na cel tak zwaną forward-deployed engineering. Dostawcy umieszczają własnych inżynierów u klienta, żeby budować i wdrażać oprogramowanie pod jego konkretne wymagania. Taki model daje szybkie pierwsze efekty. Może też zostawić klienta z systemem, którego nie utrzyma, gdy ludzie dostawcy odejdą, przekonuje Gartner. Firma doradcza prognozuje również, że do 2028 roku mniej niż 20 procent takich projektów zamieni powtarzające się wymagania klienta w funkcje podstawowego produktu dostawcy. Ostrzega też przed „FDE washing”, czyli sprzedawaniem zwykłego doradztwa jako czegoś bardziej wyspecjalizowanego.

„Najlepiej zdefiniowane projekty FDE od pierwszego dnia mają jasne zasady ładu, dostarczania wartości biznesowej, własności IP, współodpowiedzialności za projekt, przekazywania wiedzy i strategii wyjścia” — powiedział Mukul Saha, starszy dyrektor analityczny w Gartnerze, cytowany przez The Register.

OpenClaw Enterprise odpowiada wprost na drugą połowę problemu z wdrożeniami: ład. Projekt twierdzi, że dział IT w większości organizacji domyślnie zakazuje platform agentowych, bo wspólny standard bezpieczeństwa, ochrony i ładu jeszcze nie istnieje. OCE dodaje wielodostępność, twarde granice między zaufanymi i niezaufanymi obciążeniami, piaskownicę, przeglądy oparte na LLM i precyzyjne uprawnienia. Harness, model i piaskownica mają być wymienne.

Projekt zaczął się w OpenAI, został przekazany Fundacji OpenClaw i powstawał z Red Hatem oraz NVIDIA. Trwają jego pilotaże w Red Hacie i OpenAI. OpenAI już uruchamia agentów OpenClaw z pełnym dostępem do repozytoriów kodu i wtyczek. Architektura referencyjna kontroli bezpieczeństwa ma pojawić się w najbliższych tygodniach.

Bariery, tożsamość i instalacje pod spodem

Dwa inne otwarte projekty zadebiutowały 30 września z tym samym zamiarem. OpenAPPA od Archestry stoi między agentem a jego narzędziami i przed każdą akcją odpowiada na jedno pytanie: czy te dane mogą trafić do tego miejsca docelowego? Zasady są deklaratywne, zapisane w TOML, a silnik decyduje wyłącznie na podstawie dziennika zdarzeń. Projekt podaje, że w 1 320 ocen żaden punktowany atak nie zakończył się powodzeniem, a system wykonał 88 do 90 procent zadań. Osobny projekt, UAI, proponuje otwarty protokół tożsamości agentów, powiązania z właścicielem, autoryzacji ograniczonej czasem i jurysdykcją oraz podpisanych poświadczeń działań. Federacja rejestrów ma być wzorowana na BGP.

Również 30 września Tailscale wyjaśnił, jak agent Muse od Meta dołącza do tailnetu jako własny węzeł. Połączenia są tylko wychodzące, a przy pierwszym kontakcie z dowolnym urządzeniem trzeba je wyraźnie potwierdzić. Tailscale traktuje Muse jak każdy inny węzeł, więc obowiązują dotychczasowe nadania i znaczniki. We wpisie przyznano wprost, że wstrzykiwanie promptów i luki w zabezpieczeniach nadal będą się zdarzać.

Dla kupujących praktyczne pytanie brzmi, czy cokolwiek z tego zmienia ekonomikę opisaną przez Gartnera. Darmowa, samodzielnie hostowana warstwa sterowania usuwa z budżetu pozycję licencyjną, ale nie usuwa wewnętrznej pracy inżynierskiej potrzebnej do bezpiecznego prowadzenia agentów. Agent Skills, jak zauważył DevNavigator 30 września, działają tylko wtedy, gdy ktoś odpowiada za przechwyconą wiedzę i przegląda ją, gdy zmieniają się zasady. Raport Vercela o stanie agent skills z 25 września, cytowany w tamtym tekście, naliczył ponad milion pozycji i niemal 280 000 000 zarejestrowanych instalacji w siedem miesięcy. Sam artykuł zaznacza, że to aktywność rejestru, a nie dowód wartości biznesowej.

Kontrargument przedstawiają sami dostawcy. Wpis na blogu opublikowany 30 września przekonuje, że sprzedawanie efektów zamienia niepewność techniczną w ryzyko finansowe, a firmy agentowe będą potrzebować modelu ubezpieczeniowego. Przed przyjęciem zlecenia mają cytować rozkład kosztu ukończenia, tak jak Uber przeszedł na ceny z góry. Takiej obietnicy trudniej dotrzymać przy długim projekcie niż przy przejeździe.

Komentarze 0

Źródła

7
  1. 017 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
  2. 02OpenClaw Enterprise - The Open Agent PlatformEN
  3. 03OpenAPPA: Deterministic guardrails that don't break agentsEN
  4. 04UAI - An open protocol for identity and accountability of AI agentsEN
  5. 05Your agent, your network: How Meta's Muse agent works with TailscaleEN
  6. 06Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
  7. 07Underwrite the Work - long horizon agents mean rethinking selling the outcomeEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.