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 korporacyjną warstwę sterowania agentami, a Gartner ostrzega przed uzależnieniem od dostawców

Fundacja OpenClaw udostępniła 30 września pierwszym użytkownikom swoją korporacyjną warstwę sterowania agentami. 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 korporacyjną warstwę sterowania agentami, a Gartner ostrzega przed uzależnieniem od dostawców

OpenClaw Enterprise, otwartoźródłowa warstwa sterowania do uruchamiania trwałych agentów AI w wrażliwych środowiskach, jest już dostępna na wewnętrzne obciążenia pilotażowe. Projekt ogłosił to we wpisie na blogu z 30 września. Platformę opisuje jako niezależną od dostawców i bezpłatną do hostowania u siebie.

Termin jest niewygodny dla branży usług dostawczych, a przydatny dla kupujących. 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. Jako powód podaje koszty i trudność modyfikowania takich systemów bez zewnętrznego wsparcia. The Register poinformował o prognozie 30 września.

Inżynieria oddelegowana do klienta i problem wyjścia

Gartner celuje w to, co nazywa forward-deployed engineering: dostawcy osadzają własnych inżynierów u klienta, żeby zbudować i wdrożyć oprogramowanie pod jego konkretne wymagania. Taki model daje szybkie pierwsze wyniki. Może też zostawić klientowi system, którego nie utrzyma, gdy ludzie dostawcy odejdą, argumentuje 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 zaplanowane projekty FDE mają jasne wytyczne dotyczące zarządzania, dostarczania wartości biznesowej, własności IP, współodpowiedzialności za projekt, przekazania wiedzy i strategii wyjścia od pierwszego dnia” - powiedział Mukul Saha, starszy dyrektor analityk w Gartnerze, cytowany przez The Register.

OpenClaw Enterprise to bezpośrednia odpowiedź na drugą połowę problemu z adopcją: zarządzanie. Projekt twierdzi, że dział IT w większości organizacji domyślnie zakazuje platform agentowych, bo wspólny standard bezpieczeństwa, ochrony i zarządzania jeszcze nie istnieje. OCE dodaje wielodostępność, twarde granice między zaufanymi i niezaufanymi obciążeniami, piaskownicę, przeglądy oparte na LLM i szczegółowe uprawnienia. Warstwę wykonawczą, model i piaskownicę zaprojektowano tak, by można je było wymieniać.

Projekt zaczął się w OpenAI, został przekazany Fundacji OpenClaw i powstał we współpracy z Red Hat i NVIDIA. Testuje się go wewnątrz Red Hat i OpenAI, a projekt zaznacza, że OpenAI już uruchamia agentów OpenClaw z pełnym dostępem do baz kodu i wtyczek. Architektura referencyjna mechanizmów bezpieczeństwa ma się pojawić w najbliższych tygodniach.

Zabezpieczenia, tożsamość i infrastruktura pod spodem

Dwa inne otwarte projekty pojawiły się 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 zapisane deklaratywnie w TOML, silnik decyduje wyłącznie na podstawie dziennika zdarzeń. Projekt twierdzi, że w 1 320 ocenach żaden punktowany atak nie zakończył się sukcesem, a system wykonał 88 do 90 procent zadań. Osobny projekt, UAI, proponuje otwarty protokół tożsamości agentów, przypisania właściciela, autoryzacji ograniczonej czasem i jurysdykcją oraz podpisanych poświadczeń działań, z federacją rejestrów inspirowaną BGP.

Tego samego dnia, 30 września, Tailscale wyjaśnił, jak agent Muse od Meta dołącza do tailnetu jako własny węzeł, z połączeniami tylko wychodzącymi i jawnym potwierdzeniem przy pierwszym kontakcie z dowolnym urządzeniem. Tailscale traktuje Muse jak każdy inny węzeł, więc obowiązują dotychczasowe uprawnienia i tagi. Wpis przyznaje wprost, że iniekcje promptów i luki w zabezpieczeniach nadal będą się zdarzać.

Dla kupujących praktyczne pytanie brzmi, czy którekolwiek z tych rozwiązań zmienia ekonomię opisaną przez Gartnera. Bezpłatna, samodzielnie hostowana warstwa sterowania usuwa z budżetu pozycję licencyjną, nie usuwa jednak wewnętrznej inżynierii potrzebnej do bezpiecznego prowadzenia agentów. Agent Skills, jak zauważył DevNavigator 30 września, działają tylko wtedy, gdy ktoś jest właścicielem przechwyconej wiedzy i przegląda ją wraz ze zmianami zasad. Raport Vercela o stanie agent skills z 25 września, cytowany w tamtym tekście, doliczył się ponad miliona wpisów i blisko 280 000 000 zarejestrowanych instalacji w ciągu siedmiu miesięcy. Sam artykuł zaznacza, że to aktywność rejestru, a nie udowodniona wartość biznesowa.

Kontrargument pochodzi od samych dostawców. Wpis na blogu opublikowany 30 września przekonuje, że sprzedawanie rezultatów zamienia niepewność techniczną w ryzyko finansowe. Firmy agentowe będą potrzebować modelu ubezpieczeniowego i wyceniać rozkład kosztu ukończenia przed przyjęciem zlecenia, podobnie jak Uber przeszedł na ceny z góry. Taką obietnicę trudniej dotrzymać przy długim projekcie niż przy przejażdżce.

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.