Професіонали галузі зібралися разом: роздуми та прориви в епоху AI Agent

null

Нині економіка агентів давно вже не є фантастичною ідеєю — вона не лише дає стрибок ефективності, а й спричиняє перебудову економічних моделей організації та нового перерозподілу. Зокрема, відкритий проєкт OpenClaw стрімко став популярним у всьому світі, що ще більше підштовхує великі моделі до виходу з лабораторій і масштабування застосувань; усі сторони змагаються за входи для агентів.

Отже, яку саме велику модель варто обрати? Чи вистачить токен-ресурсів для тривалого використання? Якщо не йти за трендом OpenClaw (лобстер), це означає, що тебе відкине історія? У цьому прискореному еволюційному перевороті в AI — як особистості діяти далі та прориватися назовні?

З цими запитаннями 3 квітня Сюйцзяхуіський креативний науково-технологічний парк, Асоціація розподіленого консенсусу Шанхаю, PANews та юридична фірма “Манькун” спільно провели тематичний захід під назвою «Не “хвилюйся”, як лобстер».

У тематичній доповіді «Приймаємо хвилю непередбачуваного AI» головний архітектор Tree Graph Conflux Лі Ченьсінь зазначив, що на даному етапі закономірним трендом є передавання більшої автономії AI, а не надмірне стримування технології обмеженим людським досвідом. Проблема, яку AI демонструє як «безрозсудність», по суті полягає в тому, що в складних сценаріях він не здатен стабільно вловлювати й безперервно запам’ятовувати ключові контекстні обмеження. З погляду технічної архітектури AI здебільшого покладається на параметричну пам’ять, контекстну пам’ять та зовнішню пам’ять, але ці механізми все ще мають труднощі з оновленням, обмежене “вікно” та недостатню ефективність викликів. Тому в майбутньому слід зосередитися на посиленні здатності викликати зовнішню пам’ять, досліджувати механізми безперервного навчання та повторного використання досвіду, а також шляхом практики у вертикальних доменах поступово формувати досвідну пам’ять, щоб підвищити повноту та надійність рішень AI у реальних складних сценаріях.

Він також додав, що нинішній головний прогрес AI зосереджений на посиленні здатності до автономного аналізу та рефлексії; у майбутньому, коли буде покращено пам’ять, є сподівання подолати ключові вузькі місця й суттєво вплинути на всі галузі. Наприклад, зараз потенціал цифрової ідентифікації та систем цифрових платежів тривалий час стримується бар’єрами розробки й для користувачів, тоді як AI може розкрити цінність, знижуючи витрати на розробку та замінюючи процес навчання користувачів агентним підходом. Загалом AI не слід вважати загрозою зайнятості; натомість це ключовий інструмент для підвищення продуктивності й появи нових можливостей. І особистостям, і галузям варто зберігати відкритий погляд і активно досліджувати шляхи інтеграції AI.

Як зазначив архітектор продукту Tencent Cloud Workbuddy Фен Хеґінь, із підвищенням можливостей великих моделей AI вже перейшов від раннього етапу, коли він підтримував лише базові допоміжні функції на кшталт автодоповнення коду, до здатності самостійно виконувати складні завдання. Зокрема, ключові можливості кастомних Agent проявляються у підтримці завдань у повному циклі, співпраці багатьох ролей, багаторівневій системі пам’яті та інтелектуальному розбитті завдань на основі контексту. Крім того, завдяки координації кількох агентів можна забезпечити передавання даних між завданнями та паралельну обробку, а на рівні безпеки застосовується локальне зберігання даних і підтвердження ключових операцій людьми для гарантування безпеки даних. На рівні застосувань WorkBuddy вже охоплює типові офісні сценарії, такі як відбір резюме, автоматичне створення PPT, аналіз даних і інтеграція щотижневих звітів; також можна, використовуючи можливості корпоративної інтеграції, підключатися до таких систем, як Qiwei, для уніфікованого керування завданнями. Його технічна архітектура робить акцент на повностековій власній розробці, ізоляції середовища виконання та корпоративному контролі доступів; підтримуються локальне й хмарне розгортання. У бізнес-моделі це можна адресувати корпоративним командам розробки та користувачам із високочастотними посадами в цифровому офісі. Загалом WorkBuddy прагне підвищити продуктивність підприємств через кастомізацію Agent і координацію багатьох задач, а також через безперервне вдосконалення розбиття завдань і розширення екосистеми ще більше посилити його адаптованість та спроможність упровадження в складних корпоративних сценаріях.

Засновник Biteye та XHunt Teddy у своєму виступі головно зосередився на практиці цифрових працівників, застосуваннях великих моделей і проблемах витрат, технічних налаштуваннях і ризиках безпеки, а також оптимізації способів співпраці. Зокрема, у частині практики цифрових працівників, щоб знизити “галюцинації” моделі та частоту помилок у коді, потрібно запровадити більш високорівневий агент для перевірки, який робитиме повторну звірку коду, згенерованого низькорівневими агентами, формуючи примусовий процес code review. Оскільки на сьогодні написання коду агентами все ще містить певні баги, помилки можна зменшити завдяки стандартизованому процесу розробки, посиленню дизайну підказок (prompt) та додаванню механізмів багаторівневої валідації. Також у операційних сценаріях потрібно зосереджено контролювати частоту публікацій і, наскільки можливо, використовувати єдиний бекенд-розклад через API, щоб забезпечити стабільність. У середовищі складної командної співпраці Discord зазвичай більше підходить, ніж Telegram, для координації агентів і розподілу завдань, а в частині керування ресурсами слід особливо стежити за споживанням Token. Крім того, агентній системі все ще потрібен людський час для навчання, налаштування та корекції поведінки.

Щодо встановлення та розгортання OpenClaw Teddy порадив запускати його на простоюючому комп’ютері або Mac Mini: у нього висока автономність контролю, весь код є відкритим, підкреслюється здатність захисту приватності, і він може підключатися до міжнародної екосистеми. Водночас поріг встановлення й конфігурації відносно високий. Під час використання потрібно особливо обережно ставитися до ризиків зміни налаштувань моделі та каналів, щоб уникнути системних збоїв через некоректну конфігурацію; у разі проблем можна скористатися інструментами на кшталт Grok і Gemini для допоміжного пошуку причин. Також на рівні безпеки необхідно запобігати ризикам на кшталт атак через підказки (prompt) та ін’єкції зловмисного skill. У частині ресурсів і витрат також треба контролювати споживання токенів, щоб уникнути надто високих витрат на запуск.

Партнер-юрист юридичної фірми “Манькун” Чжао Сюань у тематичній доповіді поділився трьома ключовими юридичними питаннями й рішеннями, на які мають звертати увагу підприємці в епоху AI. Перше — організаційна «оболонка», тобто «фальшива ізоляція», яку створює компанія однієї особи (OPC): на поверхні формується окрема сутність, але фактично складно справді ізолювати відповідальність і ризики. Потрібно створити справжню фізичну та юридичну ізоляцію, зокрема в архітектурі залучити партнерів, використовувати спеціальну корпоративну картку для оплати та вставити в договори дисклеймери щодо AI й ліміти відшкодування; друге — питання власності на ключові активи: докладання зусиль не дорівнює правам, потрібно довести власну керівну владу, повністю задокументувати процес створення та зберегти докази; третє — системний ризик «витягнути вилку з розетки» через платформну домінацію, включно з пунктами на кшталт “угоди від Бога” (on God clause), технічним блокуванням тощо: розділити ключові дані та сторонні сервіси, завчасно спланувати альтернативні рішення та запровадити децентралізовані технології.

У круглому столі «Від ентузіазму до ясності: справжні потреби AI та хибні тези (псевдопроблеми) в очах VC» низка інвесторів поділилася своїми думками щодо стадій розвитку AI, меж застосування та інвестиційної логіки тощо.

Засновник та партнер Waterdrop Capital Цзю Мей вважає, що AI все ще перебуває на ранній стадії розвитку. Щоб справді досягти зрілості користувацького досвіду та бути широко визнаним як «має сенс», потрібен ще тривалий час. Він зазначив, що швидкість ітерацій AI-технологій надзвичайно висока; лише спираючись на технічне лідерство, складно сформувати довгостроковий захисний рів (moat), тому інвестиції мають більше фокусуватися на базових рівнях спроможностей, які є незамінними, наприклад, обчислювальні потужності та інші ключові ресурси. У прикладному шарі він навів тезу: інструменти на кшталт «лобстера» не дружні для звичайних користувачів програмування, але в майбутньому їх, ймовірно, буде краще інкапсулювати у вертикальні сценарії на кшталт «сімейного лікаря», щоб надавати професійні поради на основі даних здоров’я в реальному часі. Також він вважає, що AI в бізнесі може замінювати інструменти для створення аналітичних звітів, але не може замінити роль фінального рішення — він може бути лише допоміжним інструментом для прийняття рішень.

Засновник Enlight Capital Tang Yi зазначив, що наразі в інвестиційному середовищі AI складно сформувати явні можливості, які не є консенсусними. Швидка ітерація великих моделей може тривало «згладжувати» переваги компаній на рівні застосувань. Він більш прихильно дивиться на поєднання Web3 та AI, вважаючи, що обидва разом представляють передові виробничі спроможності у своїх сферах. Щодо відкритих інструментів на кшталт OpenClaw він вважає, що вони дають великим моделям «руки» та «ноги», посилюючи здатність з’єднуватися із зовнішніми системами та соціальними застосунками. Але водночас це приносить підвищені ризики безпеки й даних, тож потрібна складна конфігурація; це не підходить звичайним користувачам. На його думку, більш ідеальний шлях — підвищувати загальну зручність використання й якість досвіду через інкапсуляцію.

Інвестор First Rule Ventures Yinghao підходить до питання з погляду користувача та продукту: він шукає можливості застосувань у глибоководних (deep water) галузях, AI-творчості, поєднання софту й хардверу тощо, і оцінює потенціал проєктів через поведінку користувачів та дані взаємодії. Він зазначив, що навіть якщо не спробувати особисто всі нові продукти на AI, це не означає, що ти пропустиш ключові тренди, адже технічні можливості часто швидко модулюються та вбудовуються в існуючу систему продуктів.

Порівняно з фокусом на один продукт, він більше приділяє увагу трьом довгостроковим структурним змінам: по-перше, чи взаємодія з AI формує новий носій пам’яті, в якому когнітивні процеси та робочі “відкладення” користувача закріплюються в певній системі; по-друге, чи має така пам’ять здатність до перенесення між продуктами, чи поступово буде прив’язана до одного продукту, створюючи високу вартість міграції та “lock-in” через досвід; по-третє, чи з’явиться новий супер-вхід, який стане центральним вузлом для AI-взаємодії та розподілу трафіку.

Партнер-юрист юридичної фірми “Манькун” Чжао Сюань у використанні AI-продуктів більше спрямовує інструменти на обробку даних, пошук і аналіз, і очікує, що в майбутньому з’являться більш інтегровані продукти, які об’єднають ці можливості. Він також підкреслив, що в AI-стартапах найважливіше — уникати одномоментної великої катастрофічної невдачі: він радить компаніям вже на ранній стадії приділяти увагу ключовим юридичним конструкціям — відповідності даних, арбітражним застереженням, умовам звільнення від відповідальності тощо — щоб у разі появи неконтрольованих ризиків максимально реалізувати ізоляцію ризиків і захист відповідальності, уникаючи того, щоб одиничний ризик спричинив повне руйнування компанії. Крім того, він прогнозує, що в майбутньому Agent стане основним економічним виконавцем: він відповідатиме за отримання даних, купівлю інформації, виконання стратегій і навіть транзакції між різними системами, формуючи таким чином економічну діяльність і платіжну систему “машина проти машини”.

У круглому столі на тему «N способів відкрити AI: поговорімо про можливості інноваторів» кілька гостей з різних перспектив обговорили зміни, які несе AI. CEO Matrix Intelligence Zeno запропонував, що користувачі можуть, змінюючи власні скрипти або плагіни, поєднати кілька пристроїв, щоб реалізувати синхронізацію пам’яті та узгодженість станів “кількох в одному”; інформація не губитиметься, і завдання не будуть перервані. Також можна додати щоденний механізм очищення/підбиття підсумків (replay) для підтримки стабільності системи. Порівняно із використанням готових інструментів, глибока кастомізація на основі корпоративних прав доступу або можливостей платформи є ефективнішою, вільнішою та дозволяє легше створювати робочі процеси, що відповідають звичкам конкретної людини. У майбутньому він вважає, що AI стане єдиним входом: користувачеві достатньо буде взаємодіяти через один AI-координатор, щоб викликати різні інструменти та системи й виконати всі завдання. Із зростанням використання AI постійно накопичуватиме пам’ять користувача, його вподобання та робочі процеси, формуючи ефект “флайвіл” даних і можливостей, що робитиме AI дедалі розумнішим і підвищуватиме ефективність. За такої тенденції особистість, налаштувавши AI-систему та сплачуючи підписку за оплату, може отримати продуктивність, що суттєво перевищує продуктивність традиційної людської праці, значно розширюючи розрив ефективності між людьми.

ClawFirm.dev співзасновник 0xOlivia розкрила, що під час реального використання AI все ще існують проблеми нестабільності системи та фрагментації можливостей пам’яті й автоматизації; користувачам потрібно, як у конструкторі LEGO, постійно поєднувати різні інструменти та скрипти. Для користувачів, які не є висококваліфікованими, пряме використання зрілих комерційних платформ разом із офіційними застосунками та можливостями безперервної ітерації часто є стабільнішим і ефективнішим, ніж сильно фрагментовані самостійно збудовані системи; водночас надмірне введення відкритих компонентів може додатково посилити здатність до обробки даних і генерації контенту. Вона підкреслила, що головні обмеження сучасного AI не в самій “модельній” здатності, а в тому, що спосіб інженерного використання ще не повністю відповідає можливостям моделі; тому все ще є великий простір для оптимізації й упровадження. У майбутньому, у міру швидкого посилення спроможностей великих моделей, сценарії застосування AI поступово охоплюватимуть усі аспекти роботи та життя, а також безперервно поєднуватимуться з різними форм-факторами продуктів.

Засновник Biteye/XHunt Teddy, говорячи про AI цифрових працівників, зазначив, що AI можна підключати до внутрішніх систем через API або автоматизаційні інтерфейси, щоб він виконував конкретні операційні задачі, зокрема генерацію коду, реалізацію вимог, обробку контенту; при цьому люди фокусуватимуться на дизайні продукту та визначенні вимог, зберігаючи ключову роль у прийнятті рішень. Така модель співпраці є більш стабільною й масштабованою: вона не лише підвищує загальну ефективність розробки, а й суттєво знижує частоту помилок, роблячи AI більш схожим на керований і диспетчеризований аутсорсний підрозділ, а не на один-єдиний інструмент. Він також підкреслив, що будь-яка робота, яка є процесною і має високу повторюваність, має потенціал бути переробленою або заміненою AI; навіть якщо на початку ефект нестабільний, у довгій перспективі це й надалі оптимізуватиметься та поступово підсилюватиме продуктивність. У складних задачах і сфері управлінських рішень AI також уже почав демонструвати помітні допоміжні можливості та проникає у вищі рівні бізнес-сценаріїв.

Старший інженер з розробки AI-застосувань Доу Ґе додав, що всі загалом погоджуються з трендом AI-аутсорсингу, автоматизації та інструменталізованої співпраці; а з точки зору компаній, більш важливо зосередитися на безпеці, управлінні правами доступу, механізмах співпраці співробітників і накопиченні активів. На ринку існує кілька AI-фреймворків і тул-екосистем, які по-різному фокусуються на легковаговості, no-code, високій інтегрованості та безпечному контролі тощо; компаніям під час вибору треба знаходити баланс між гнучкістю та контрольованістю й поєднувати це з реальними бізнес-сценаріями для проектування архітектури. А по-справжньому зрозуміти й упровадити ці AI-системи не можна лише на рівні теорії — потрібні реальні інвестиції та витрати на використання. Він підкреслив, що AI пришвидшує переформатування робочих процесів і організаційної структури; як для особистостей, так і для компаній, потрібно швидко адаптуватися до цієї зміни: через безперервне навчання та інструменталізовані застосування підвищувати ефективність, інакше дуже легко залишитися позаду через швидкість технологічних ітерацій.