admin

Развлечение вокруг искусственного общего интеллекта (AGI) может доминировать в заголовках, поступающих от компаний Силиконовой долины, таких как Openai, Meta и Xai, но для лидеров предприятия на местах основное внимание уделяется практическим применению и измеримым результатам. В недавнем выпуске Venturebeat Преобразование 2025 Событие в Сан -Франциско появилось четкое изображение: эпоха реального развернутого агента AI находится здесь, ускоряется и уже изменяет, как работают предприятия.

Компании, как ИнтуитивВ Капитал одинВ LinkedInВ Стэнфорд Университет и Highmark Health тихо помещают агентов искусственного интеллекта в производство, решают конкретные проблемы и видят ощутимые доходности. Вот четыре крупнейших вывода из мероприятия для тех, кто принимает технические решения.

1. Агенты ИИ переходят в производство, быстрее, чем кто -либо понял

Предприятия в настоящее время развертывают агентов искусственного интеллекта в приложениях, связанных с клиентами, и эта тенденция ускоряется в головокружительном темпе. Недавний опрос VentureBeat 2000 профессионалов отрасли, проведенный незадолго до того, как VB Transform показал, что 68% корпоративных компаний (с более чем 1000 сотрудников) уже принял агент агент — фигура, которая казалась высокой в то время. (Фактически, я беспокоился о том, что это было слишком высоко, чтобы быть заслуживающим доверия, поэтому, когда я объявил результаты опроса на этапе события, я предупредил, что высокое принятие может быть отражением конкретных читателей VentureBeat.)

Однако новые данные подтверждают этот быстрый сдвиг. А Обзор KPMG выпущен 26 июня, на следующий день после нашего мероприятия, показывает, что 33% организаций в настоящее время развертывают агентов ИИудивительное в три раза больше, чем на 11% в предыдущих двух кварталах. Эта рыночная смена подтверждает тренд VentureBeat, впервые выявленный всего несколько недель назад в своем предварительном опросе.

Это ускорение подпитывается ощутимыми результатами. Ашан ВиллиГенеральный директор Новая реликвияотметил ошеломляющий 30% квартал за квартал рост При мониторинге приложений ИИ его клиентами, главным образом из -за перехода его клиентов к принятию агентов. Компании развертывают агентов искусственного интеллекта, чтобы помочь клиентам автоматизировать рабочие процессы, в которых им нужна помощь. Интуитивнапример, развернуло агенты генерации и напоминания счетов в своем программном обеспечении QuickBooks. Результат? Предприятия, использующие эту функцию, платят на пять дней быстрее и на 10% чаще будут платить полностью.

Даже не разработчики чувствуют сдвиг. Скотт Уайтлидерство продукта Антропик Claude AI Product описал, как он, несмотря на то, что он не является профессиональным программистом, теперь создает готовые к производству программные предприятия. «Это было невозможно шесть месяцев назад», — объяснил он, подчеркивая силу таких инструментов, как Claude Code. Сходным образом, Openai’s Глава продукта для своей платформы API, Olivier Godementподробно описал, как клиентам нравится Полоса и Коробка используют свои агенты SDK для создания многоагентных систем.

2. Гонка Гиперскалера не имеет четкого победителя в качестве многообещающего, многомодель

Дни ставок на одного поставщика модели большой языка (LLM) закончились. Последовательной темой на протяжении всего трансформации 2025 года стал шаг к стратегии с несколькими моделями и мульти-областью. Предприятия хотят гибкости, чтобы выбрать лучший инструмент для работы, будь то мощная проприетарная модель или тонкая альтернатива с открытым исходным кодом.

Как Арманд РуисVP платформы AI на IBM Объяснил, разработка компании модельного шлюза — который направляет приложения для использования того, что LLM является наиболее эффективным и эффективным для конкретного случая — был прямой реакцией на спрос клиентов. IBM начал с того, что предложил корпоративным клиентам свои собственные модели с открытым исходным кодом, а затем добавил поддержку с открытым исходным кодом и, наконец, понял, что необходимо для поддержки всех моделей. Это стремление к гибкости было отозвано XD Huang, техническим директором Zoom, который описал трехуровневый модельный подход своей компании: поддержка проприетарных моделей, предлагая свою собственную тонкую модель и позволив клиентам создавать свои собственные тонкие версии.

Эта тенденция создает мощную, но ограниченную экосистему, где графические процессоры и мощность, необходимая для создания токенов, находятся в ограниченном количестве. Как Дилан Патель из Полуанализ и коллеги -участники Джонатан Росс из Гриб и Шон ложь из Церебра Указано, что это оказывает давление на прибыльность многих компаний, которые просто покупают больше токенов, когда они доступны, вместо того, чтобы записывать прибыль, поскольку стоимость этих токенов продолжает падать. Предприятия становятся умнее о том, как они используют разные модели для различных задач для оптимизации как для стоимости, так и для производительности — и это часто может означать не только полагаться на чипы Nvidia, но и гораздо более индивидуальное — что -то также повторялось в сеансе VB Transform, возглавляемом Твердый Вокруг появления индивидуальных решений памяти и хранения для ИИ.

3. Предприятия сосредоточены на решении реальных проблем, а не в гонянии за AGI

В то время как технологические лидеры, такие как Элон Маск, Марк Цукерберг и Сэм Альтман говорят о рассвете суперинтеллигентности, практикующие предприятия закатывают свои рукава и решают немедленные проблемы с бизнесом. Разговоры в преобразовании были освежающими в реальности.

Брать Highmark Health, Третья по величине в стране интегрированное медицинское страхование и провайдера. Его главный сотрудник данных Ричард Кларк сказал, что он использует LLMS для практических приложений, таких как многоязычное общение, чтобы лучше обслуживать их разнообразную клиентскую базу, и оптимизируя медицинские претензии. Другими словами, используя технологии для обеспечения лучших услуг сегодня. Сходным образом, Капитал один Создает ли строительные команды агентов, которые отражают функции компании, с конкретными агентами для таких задач, как оценка рисков и аудит, в том числе помощь клиентам своим автосалокам подключить клиентов с правильными кредитами.

Индустрия путешествий также видит прагматический сдвиг. CTO от Expedia и Каяк Обсуждается, как они адаптируются к новым парадигмам поиска, включенными LLMS. Теперь пользователи могут искать отель с «бесконечным бассейном» на CHATGPT, а туристические платформы должны включать этот уровень открытия естественного языка, чтобы оставаться конкурентоспособными. Основное внимание уделяется клиенту, а не на технологии для себя.

4. Будущее команд ИИ мало, ловко и уполномочено

Возраст агентов ИИ также преобразует, как структурированы команды. Консенсус заключается в том, что небольшие, гибкие «команды» из трех -четырех инженеров наиболее эффективны. Варун МоханГенеральный директор Виндсурфбыстро растущий агент IDE, начал событие, утверждая, что эта небольшая командная структура допускает быстрое тестирование гипотез продукта и избегает замедления, которое преследует большие группы.

Этот сдвиг означает, что «каждый — строитель», и все чаще, «все являются менеджером» агентов ИИ. Как GitHub и Atlassian Отметом, инженеры теперь учатся управлять парками агентов. Требуемые навыки развиваются, с большим акцентом на четкое общение и стратегическое мышление для руководства этими автономными системами.

Эта глупость подтверждается растущим принятием развития песочницы. Эндрю Нгведущий голос в ИИ, посоветовал участникам оставить безопасность, управление и наблюдение до конца цикла разработки. Хотя это может показаться нелогичным для крупных предприятий, идея состоит в том, чтобы способствовать быстрому инновациям в контролируемой среде, чтобы быстро доказать ценность. Это мнение было отражено в нашем опросе, который обнаружил, что 10% организаций, усыновляющих ИИпредлагая готовность расставить приоритеты на скорости на этих ранних стадиях.

Вместе эти выводы рисуют четкую картину ландшафта ИИ предприятия, который быстро созревает, переходя от широких экспериментов к целенаправленному исполнению, управляемой стоимостью. Разговоры в Transform 2025 показали, что компании сегодня развертывают агентов искусственного интеллекта, даже если им приходилось выучить жесткие уроки на пути. Многие уже прошли через один или два больших стержня с тех пор, как впервые попробовали генеративный ИИ один или два года назад — так что хорошо начать рано.

Для более разговорного погружения в эти темы и дальнейший анализ этого события вы можете выслушать полное обсуждение, которое я провел с независимым разработчиком ИИ Сэмом Виттевином в нашем недавнем подкасте ниже. Мы также только что загрузили здесь разговоры на главной стадии на VB Transform. И наше полное освещение статей с мероприятия здесь.

Слушайте подкаст VB Transform Takeaways с Мэттом Маршаллом и Сэмом Виттевином здесь:

https://www.youtube.com/watch?v=PADG1LQGVO8

Примечание редактора: как благодарность нашим читателям, мы открыли раннюю регистрацию птиц для VB Transform 2026-всего 200 долларов. Здесь AIM Ambition встречает эксплуатационную реальность, и вы захотите быть в комнате. Зарезервируйте свое место сейчас.

Эксклюзивное интервью VentureBeat с Сэмом Эвансом, CISO из Clearwater Analytics, показывает, почему браузеры предприятия быстро становятся защитой передней линии против Shadow AI во многих его формах.

Эванс столкнулся с критической проблемой в октябре 2023 года. Стоя перед советом Clearwater Analytics, ему пришлось противостоять опасениям, что сотрудники могут непреднамеренно разоблачить данные, которые потенциально могут поставить под угрозу активы фирмы в размере 8,8 триллиона долларов в управлении.

«Худшее из возможных станет один из наших сотрудников, которые берут данные клиента и помещаем их в механизм ИИ, которым мы не управляем», — сказал Эванс VentureBeat. «Сотрудник, не зная ни одного другого, и не пытается решить проблему для клиента… эти данные помогают обучить модель».

Вот наш разговор с Эвансом, отредактированный для длины и ясности

VentureBeat: Как вы видите сегодня кибербезопасность ИИ?

Эванс: Атаки стали значительно более изощренными. Если вы считаете это с точки зрения плохого актера, фишинговые электронные письма и попытки, которые мы получаем, стали намного сложнее. Однако ИИ также обладает возможностями реагирования.

Мне нравится объяснять это на нашу доску, как окончательную игру для кошек и мыши. Поскольку плохие актеры начинают использовать ИИ для продвижения фишинга или, возможно, ускоряют время, необходимое для появления эксплойтов после объявления о уязвимостях, существует противоположная сторона практиков безопасности, использующих ИИ, чтобы помочь продвинуть то, как мы реагируем.

VentureBeat: Как ИИ помогает вашим защитным возможностям?

Эванс: Мы начали интегрировать ИИ в наши пьесы безопасности. Таким образом, наши аналитики безопасности теперь тратят меньше времени на поиск и охоту. ИИ участвует в продукте Центра безопасности (SOC), проводя свой первоначальный анализ сортировки и говорит: «Основываясь на предыдущих вещах, которые мы видели, и вещей в моей модели, именно здесь я хотел бы направить вас».

С другой стороны, мы действительно начинаем видеть, как ИИ вступает в игру. Crowdstrike, Sentinel One, Microsoft Defender, традиционные продукты расширенного обнаружения и ответа (EDR) использовали некоторое машинное обучение, и они достигли вероятности, возможно, на 85%, что это может быть угрозой, но мы не совсем уверены. Тем не менее, ИИ обогащает способность двигателя EDR достигать более высокой вероятности выявления угрозы.

VentureBeat: wШляпа поддерживает вас ночью, когда дело доходит до ИИ и кибербезопасности?

Эванс: То, что меня очень беспокоит, — это глубокие флажки. Вы читаете несколько историй о людях, использующих DeepFakes, чтобы выдать себя за генерального директора, чтобы инициировать проводные переводы. Это касается, потому что они выглядят очень, очень реально.

Но самая большая проблема? Худшим возможным станет один из наших сотрудников, которые берут данные клиента и вкладывают их в механизм ИИ, которым мы не управляем, и тогда это становятся данными, которые помогают обучать модель.

VentureBeat: Как вы объяснили этот риск AI Shadow на вашем доске?

Эванс: Я помню, когда на одном из первых заседаний, на которых я был, они спросили меня: «Так что же вы думаете о Chatgpt?» Я сказал: «Ну, это невероятный инструмент производительности. Однако я не знаю, как мы могли бы позволить нашим сотрудникам использовать его, потому что мой самый большой страх — это кто -то копии и пасты данные о клиентах, или наш исходный код, который является нашей интеллектуальной собственностью».

Но я не просто пришел на доску со своими проблемами и проблемами. Я сказал: «Ну, вот мое решение. Я не хочу помешать людям быть продуктивными, но я также хочу защитить его». Когда я пришел на доску и объяснил, как работают эти браузеры предприятия, они говорят: «Хорошо, это имеет большой смысл, но вы действительно можете это сделать?»

VentureBeat: Пройдите меня через свой процесс оценки и развертывания на острове.

Эванс: После этого заседания совета директоров в октябре 2023 года мы начали довольно длинный процесс должной осмотрительности. Мы посмотрели на некоторых из основных поставщиков в пространстве браузера Enterprise.

В конечном итоге я поделюсь с вами, почему мы пошли с островом. Нам нужно было иметь возможность контролировать то, какие браузеры люди используют в своих конечных точках. Это не приносит пользы для развертывания браузера для предприятия, когда кто -то может пойти и загрузить оперу или «браузер месяца Фрэнка» и использовать его, и он просто обходит все элементы управления острова.

Другая причина, по которой мы пошли с островком, была действительно из -за скорости развертывания. Я помню, как был на звонке с островными продавцами, и они говорят: «Мы считаем, что можем развернуть это в вашей компании за считанные недели». Я как: «О, это БС».

VentureBeat: Но они доставили?

Эванс: Они восприняли это как личный вызов! Мы начали наше развертывание на острове в апреле 2024 года с около 200 человек. Сначала мы пошли по маршруту расширения; Расширение острова в хроме и крае.

Только в июле, когда доска спросил: «Как дела?» И я сказал: «Как насчет того, чтобы просто показать тебе?» Я нанял скриншот, потому что, вы знаете, демонстрации закона Мерфи всегда терпят неудачу. Поэтому я показал им скриншоты: «Вот я на чате. Я пытался что -то вставить. Я получил подсказку:« Политика острова не позволяет вам делать это ».

Они говорят: «Вау, это фантастика! Но люди все еще могут использовать инструмент, чтобы задать хорошие вопросы?» Я сказал: «Да, абсолютно. Они просто не могут вложить в это данные».

VentureBeat: Считаете ли вы, что остров уверяет вас и снижает риск появления AI Shadow?

Эванс: Это определенно помогло нам справиться с AI Shadow. Ни один инструмент безопасности не является идеальным. Развернув остров, мы определенно спим намного проще. Мы можем чувствовать себя достаточно комфортно, что если сотрудник идет в экземпляр AI, который у нас нет лицензированного, он может использовать его, но не может вставить данные или загружать файлы.

Это также помогло нам определить, где у нас есть пробелы. Сотрудники обнаружили, что это действительно отличное виджет искусственного искусства, они приходят в команду безопасности: «Эй, посмотрите, проверьте это». А потом мы можем вернуться к нашим командам разработки продуктов и выяснить, как мы помогаем в этом, не только для наших сотрудников, но и для наших клиентов.

VentureBeat: Как вы защищаете от DeepFakes?

Эванс: Это сложно, чтобы обнять руки. У нас отличная программа осведомленности о безопасности. Мы просим сотрудников использовать здравый смысл. Вы действительно думаете, что Sandeep Sahai, наш генеральный директор, позвонит вам и попросит вас купить подарочные карты Apple?

Мы установили много проверок и балансов, вроде системы проверки приятелей из двух человек. Там нет технологического решения для чего -то подобного. Это человеческая проблема, которую нам пришлось реализовать человеческое решение.

VentureBeat: Какой совет вы бы дали другим CISO, обращенным к теневым AI?

Эванс: Речь идет не только о блокировке, это о мощности. Принесите решения, а не только проблемы. Когда я пришел на доску, я не просто подчеркнул риски; Я предложил решение, которое сбалансировало безопасность с производительностью.

Добро пожаловать в тень AI Arms Race

Понимания Эванса показывают, как быстро Shadow AI стал экзистенциальной угрозой для каждого интенсивного бизнеса.

«Мы видим 50 новых приложений для ИИ в день, и мы уже каталогизировали более 12 000», — сказал VentureBeat, что и Итамар Голан, генеральный директор Homper Security, итамар Голан, количественно определяя то, что команды безопасности называют свой худший кошмар со времен вымогателя.

Натиск несанкционированного использования ИИ и приложений вызвал интенсивную конкуренцию среди поставщиков безопасности. «Большинство традиционных инструментов управления не хватает всесторонней видимости в приложениях ИИ», — объяснил Vineet Arora, технический директор Winwire, определяя именно то, почему Shadow AI процветает, поскольку унаследованные архитектуры безопасности являются слепыми к нему.

Экосистема поставщика кристаллизовалась в четырех разных поля битвы, каждый из которых со своим оружием и слабыми сторонами.

Предприятия браузеры возглавляют заряд. Среди них, главным образом, остров, который недавно собрал раунд финансирования в размере 250 миллионов долларов, что является достоверным голосованием сообщества инвесторов. В то время как остров делает ставки на видимость предварительной инъекции, Google Chrome Enterprise атакует Shadow AI по-разному, вооружая его доминирование на рынке и стек безопасности Google. Chrome Enterprise Premium обеспечивает управление предотвращением потери данных (DLP), которые блокируют потоки данных в CHATGPT и другие инструменты искусственного интеллекта, предотвращают перекрестное загрязнение и обеспечивают сканирование контента в реальном времени. Платформа обнажает шаблоны использования AI Shadow, блокируя как случайные пасты, так и преднамеренную эксфильтрацию. Стратегическое партнерство с Zscaler и Cisco Secure Access усиливает охват Chrome, чтобы создать экосистему, в которой принципы нулевого достопримечательности распространяются непосредственно на взаимодействие ИИ.

Платформы SASE/SSE обеспечивают оборону в масштабе предприятия. Netskope и Zscaler приносят шкалу в Shadow AI Defense через свою облачную архитектуру сервиса по обеспечению безопасности (SASE). Обе платформы ежедневно обрабатывают миллиарды транзакций по глобальной инфраструктурам, поскольку Netskope специально рекламирует его способность мониторинга использования приложений для ИИ на предприятиях. Их ключевое ограничение: когда 73,8% использования CHATGPT на рабочем месте происходит с помощью личных учетных записей, шифрование SSL/TLS предотвращает осматривание содержания платформ, вынуждая их полагаться на схемы трафика и метаданные, что приводит к пробелам видимости, где тени ИИ работает незамеченнымПолем

Традиционные поставщики DLP изо всех сил пытаются адаптироватьПолем Поставщики Legacy Forcepoint и Microsoft Purview имеют сильное наследие, чтобы обменять, когда дело доходит до борьбы с Shadow AI. Forcepoint претендует на 1400 с лишним классификаторов, в то время как Purview использует AI для задач сортировки. Но вот проблема: они модернизируют архитектуры 20-го века для угроз 21-го века. Эти платформы превосходят на флажках соответствия и шаблоны политики, но не в состоянии не отставать от более быстрых темпов ИИ.

Как сказал Дарен, SVP управления продуктом Ivanti по управлению продуктами для UEM сказал Venturebeat: «Инструменты безопасности конечной точки, способствующие AI, могут проанализировать огромные объемы данных для обнаружения аномалий и прогнозировать потенциальные угрозы быстрее и более точно, чем любой аналитик человека». Традиционный DLP работает со скоростью аудита. Shadow AI движется на скорости машины.

Специализированные решения заполняют критические пробелыПолем Инновации процветают в нишах, которые игнорируют унаследованные поставщики. Одним из примеров являются нейроны Ivanti, которые обеспечивают всеобъемлющее обнаружение устройства через свою платформу UEM, обнажая Shadow AI, скрываясь в конечных точках, которые пропускают традиционные инструменты. Майк Ример, полевой CISO от Иванти, видит более широкую картину: «Специалисты по безопасности будут эффективно использовать возможности Gen AI для анализа огромных объемов данных, собранных в различных системах». Nightfall, со своей стороны, нацеливается на команды разработчиков с моделями трансформатора, заявляя о точности обнаружения 2x для инструментов AI на основе API.

Сравнение решений обороны Shadow AI

Продавец	Тип	Ключевые сильные стороны	Ограничения	Лучше всего для
Проверьте гармонию	Расширение браузера	Использует существующую инфраструктуру	Ограничено расширением	Проверьте клиенты
Щипца	Традиционный DLP	1700+ классификаторов, соблюдение нормативных требований	Устаревшая архитектура	Высокорегулируемые отрасли
Google Chrome Enterprise	Предприятие браузер	Доминирование на рынке, родная интеграция	Менее специализированные элементы управления	Google Workspace организации
Остров	Предприятие браузер	Видимость предварительной инфекции, нулевая задержка, быстрое развертывание	Более высокая стоимость на пользователя	Предприятия с конфиденциальными данными
Нейроны Иванти	UEM Platform	Комплексное обнаружение устройства	Не специфичный для браузера	Фокус управления активами
Microsoft Purview	DLP платформа	Нативная интеграция Microsoft, сортировка с AI, сортировка	Microsoft-центр	Microsoft 365 Enterprises
Netskope	Платформа SASE/SSE	Комплексное покрытие, мониторинг приложений приложения 370+	Сложность после заклинания	Крупные распределенные предприятия
Вечер	AI-Native DLP	Точность обнаружения 2x, модели трансформаторов	Подход только API	Команды, ориентированные на разработчиков
Talon Cyber ​​Security	Предприятие браузер	Опции браузера + расширения	Новее на рынок	Security-Scess SMB
Zscaler	Платформа SASE/SSE	536b ежедневные транзакции, истинный нулевой достопримечательность	Облачный подход	Облачные организации

VentureBeat Анализ

Что заставляет рынок так быстро двигаться? Анализ Venturebeat обнаружил, что 74 500 с лишним приложений Shadow AI активно развернуты только в крупных консалтинговых фирмах, и это растет на 5% в месяц. К середине 2026 года это число может достичь 160 000. Каждый представляет собой потенциальное нарушение данных, нарушение соответствия или утечку конкурентной разведки.

Рецепт Ароры сокращается через шумиху поставщика: «Организации должны определять стратегии с надежной безопасностью, позволяя сотрудникам эффективно использовать технологии искусственного интеллекта. Общие запреты часто стимулируют использование ИИ под землей, что только увеличивает риски».

После нескольких дней споров, связанных с волнением антисемитских ответов, которые недавно были сделаны его чат-ботом с Grok AI, в его социальной сети X (ранее Twitter), казалось бы, нераскаявшийся и незвучный Элон Маск, выпустил последнюю версию своей семейства моделей ИИ, Grok 4, во время прогонки событий вчера вечером, вызывая его «умным самым в мире».

Как написал Маск на X: «Grok 4-это первый раз, по моему опыту, что ИИ смог решить сложные, реальные инженерные вопросы, где ответы не могут быть найдены нигде в Интернете или в книгах. И это станет намного лучше».

Новый релиз фактически включает в себя две различные модели: Грок 4модель рассуждений с одним агентом, и Грок 4 тяжелыймногоагентная система, предназначенная для решения сложных задач посредством внутреннего сотрудничества и синтеза.

Обе модели оптимизированы для рассуждений и поставляются с нативной интеграцией инструментов, позволяя таким возможностям, как веб -поиск, выполнение кода и мультимодальный анализ.

Маск и его команда в XAI демонстрировали тесты, которые предполагают, что Grok 4 превзойдет всех нынешних конкурентов по ряду академических и кодировочных оценок, даже по сравнению с ранее ведущими конкурентами по моделям ИИ, такими как OpenAI O3 и Google Gemini.

Однако Xai еще не выпустил модель карта Или любая официальная документация по выпуску GROK 4 для общественности, что делает их сложной задачей самостоятельно оценивать ее эффективность и претензии, представленные во время потока. Мы обновим, если/когда они станут доступны.

На прошлой неделе Маск и его члены команды XAI не участвовали в явных противоречиях, с которыми сталкивались Гроки, включая многие случаи, когда Гроки делали антисемитные замечания или называют себя «мехахитлером», и предполагают, что люди с еврейскими фамилами должны рассматриваться в течение всего 6 -го ев.

Самый близкий мускус пришел в том, что он заявил: «Я считаю, что самое важное для безопасности ИИ-по крайней мере, моя биологическая нейронная сеть говорит мне самое важное-это максимально ищет правду», и «нам нужно убедиться, что ИИ-это хороший ИИ. Хороший Грок», а также «важно привить ценностям, который вы хотите, чтобы ребенок выросли, и невероятно мощный».

Тем не менее, Маск не извинился и не взял на себя ответственность за антисемитские, сексуально оскорбительные и заговорщики Грока. Вот копия полного потока:

На протяжении всей прямой трансляции команда подчеркивала способность Grok 4 рассуждать из первых принципов, исправлять свои собственные ошибки и потенциально изобретать новые технологии или раскрыть новые научные идеи.

Презентация также включала демонстрации Grok 4 Heavy, который применяет многоагентное сотрудничество для решения проблем на уровне исследований в разных дисциплинах.

Доступность и цены

Grok 4 доступен сейчас по нескольким каналам, в зависимости от типа пользователя и уровня подписки:

• API Access (для разработчиков и предприятий):
  Grok 4 и Grok 4 Heavy живут через XAI APIПолем Цены структурированы следующим образом:
  • 3 доллара на 1 миллион входных токенов
  • 15 долларов США на 1 миллион токенов
  • 0,75 долл. США на 1 миллион кэшированных токенов
  • Цены вдвое после 128 000 жетонов в одном контекстном окне
    API поддерживает входы текста и изображений, вызов функций, структурированные выходы и предлагает окно контекста 256 000.
• Доступ к потребителям (через grok Chatbot и приложения):
  Отдельные пользователи могут получить доступ к GROK 4 через Grok Chatbot на x, Приложение Grok (iOS и Android), и X.comно только с одной из следующих подписок:
  • Premiumplus: 16 долларов в месяц
  • Supergrok: 300 долларов в месяц
  • Новый «Supergrok Heavy» Уровень, также по цене 300 долларов в месяцпредоставляет доступ к И Grok 4, и Grok 4 тяжелыемногоагентный вариант.
    (ПРИМЕЧАНИЕ: Supergrok и Premiumplus Lears могут отличаться от квот на доступность и использование на платформах X и Grok.)
• Время запуска:
  Grok 4 стал доступен сразу после 9 июля 2025 г. прямая трансляция. Во время демонстрации были установлены временные пределы доступа, но вскоре началось полное развертывание подписчиков.
• Расширение платформы:
  XAI указал на планы по предоставлению Grok 4 доступным через Microsoft Azure Ai Foundryгде в настоящее время перечислены Grok 3 и Grok 3 Mini.

Для получения подробной информации пользователи направлены на поддержку X.AI/GROK и X Premium. Вот как это сравнивается с другими ведущими моделями ИИ с точки зрения цен на миллион токенов.

Провайдер и модель	Контекст окна	Вход ($/Mtok)	Кэшированный вход	Выход ($/Mtok)	Дополнительные примечания
xai — grok 4/4 тяжелый	256 К (2 × цена> 128 К)	$ 3,00	$ 0,75	$ 15,00	Ввод изображения, вызов функции, структурированный json (apidog)
Openai — O3	200 к	$ 2,00	$ 0,50	$ 8,00	Доступна 50 % скидки с партией-API (OpenAI, справочный центр OpenAI)
GPT-4O	128 к	$ 5,00	$ 2,50	$ 20,00	Видение, аудио, инструменты (OpenAI)
Антропический — Клод Сонет 4	200 к	$ 3,00	$ 0,30	$ 15,00	Выходная скидка на 50 % (антроп)
Claude Opus 4	200 к	$ 15,00	$ 1,50	$ 75,00	Флагман с высокой точностью (антроп)
Google — Gemini 2.5 Pro	200 К (2 × цена> 200 К)	$ 1,25	$ 0,31	$ 10,00	75 % кэш -дисконтирование (Google AI для разработчиков, Google Cloud)
Gemini 2.5 Flash	200 к	$ 0,30	$ 0,075	$ 2,50	Быстрый, дешевый просмотр уровня (Google Cloud)
DeepSeek-Deepseek-Reasoner	64 к	0,55 долл. США (мисс) / 0,14 долл. США (хит)	$ 0,14	$ 2,19	50-75 % скидки с пиковой пиковой

Плетение местных рассуждений и использования инструментов

В отличие от своего предшественника Grok 3, выпущенного в феврале, который отделил ответы с инструментами от общих рассуждений, Grok 4 был обучен инструментами с самого начала.

Модель объединяет такие возможности, как выполнение кода, поиск в Интернете и анализ документов. Это также представляет Грок 4 тяжелыймногоагентная система, в которой несколько внутренних моделей работают параллельно, чтобы генерировать и проверять ответы.

Grok 4 также включает в себя новый голосовой режим Показывая выразительные выходы с уменьшенной задержкой, а также поддержку ввода текста и изображения, структурированные выходы и вызова функций.

Производительность

Независимый анализ модели ИИ и анализа сравнительного анализа искусственного анализа заявил, что XAI предоставил ему версию GROK 4 (не тяжелый) раньше, чем публичный выпуск для оценки.

Что касается технических тестов, Grok 4 возглавляет индекс интеллекта искусственного анализа со счетом 73, опередив конкурентов, таких как O3 (70) Openai (70) и Google Gemini 2.5 Pro (70).

Он также записал лучшие результаты в:

• GPQA Diamond: 88%
• Arc-Agi 2: 15,9%, удваивает второй лучший результат
• Гуманитарный последний экзамен: 24% в версии только для текста и 44% с инструментами
• MMLU-PRO и AIME 2024: 87% и 94% соответственно
• Кодирование и оценка математики: Самый высокий до настоящего времени на LiveCodebench, Scicode, AIME24 и Math-500

Несмотря на свой контрольный успех, Grok 4 Выходная скорость составляет 75 токенов в секунду — с их моделями, такими как Gemini 2,5 Flash (353) или O3 Openai (187), но все же быстрее, чем Claude 4 Anthropic (66).

Модель имеет 256 000 ток-контекста окнокоторый расположен выше пределов контекста 200 тыс. и Claude 4 сонет, но ниже 1 миллиона токенов, предлагаемых Gemini 2.5 Pro и GPT-4.1.

Примеры использования в реальном мире

XAI предоставил несколько демонстраций производительности Grok 4 в прикладных сценариях:

• В моделируемой бизнес -задаче под названием VendingBenchGrok 4 значительно превзошел другие модели в финансовом планировании Long Horizon.
• В ARC Instituteисследователи использовали Grok 4 для анализа журналов CRISPR и раскрытия новых гипотез.
• В радиологиямодель интерпретировала рентгеновские снимки грудной клетки с более высокой точностью, чем ведущие сверстники.
• В финансовый секторего сочетание доступа к данным и рассуждениям в реальном времени сделало его подходящим для прогнозирования и анализа.

Модель также может создать 3D видеоигры с минимальным входом путем автономного поиска и интеграции активов. Кроме того, он продемонстрировал возможности имитировать астрофизические события с использованием обоснованных приближений из опубликованных исследований.

Прием и обсуждение

Реакция отрасли на запуск GROK 4 была разделена, с энтузиазмом по поводу его выполнения, компенсируя критику о доставке и более широком доверии.

Дэвид ШапироПользователь и писатель ИИ Power отметил: «Grok 4 теперь занимает свое место как« достаточно умный, чтобы на самом деле помочь с пограничными исследованиями »… но просто догнал Openai».

Итан МолликПрофессор Wharton, отметил X: «Таким образом, у Grok 3 было три отдельных инцидента, в которых, по-видимому, невыполненные изменения в развернутой системе вызвали крупномасштабную этическую проблему и аварийный откат. Я не думаю, что вы можете сделать запуск Grok 4, который, по крайней мере, не решается, если честно, если пользовательский доверие имеет значение,-потом добавить Grok 3, и GROK 4 очень хороша, но очень хорошо, но очень хорошо, но очень хорошо, но очень удивительно, но очень удивительно, но очень хорошо, но очень хорошо, но очень хорошо, но очень удивительно, но очень удивительно, но очень удивительно, но очень хорошо, но очень удивительно, но очень хорошо, но очень хорошо, но очень хорошо, но очень удивительно, но очень удивительно, но очень удивительно, но очень хорошо не очень хорошо, но очень хорошо не очень хорошо, но очень хорошо-это очень хорошо, но очень хорошо-это очень хорошо, но очень удивительно, но очень удивительно. Модели там.

Бен Хаяксоучредитель и технический директор AI Product Product Startup Startup Startup Rainprop AI (сам бывший сотрудник мускуса) раскритиковал саму прямую трансляцию: «Эта прямая трансляция XAI-одна из худших вещей, которые я когда-либо смотрел в своей жизни. Люблю вас все, но это плохо».

Несмотря на критику, искусственный анализ фирменной фирмы отметил: «Grok 4 теперь является ведущей моделью искусственного интеллекта».

Продолжающиеся проблемы доверия

Запуск Grok 4 на фоне новой критики за предыдущее поведение Грока в развертываниях потребителей, особенно в качестве чата, интегрированного в социальную сеть Маск, X.

В течение отпуска 4 июля и в последующие дни Грок генерировал антисемитские и заговорщические ответы, которые подтвердили проверку по поводу своей практики проектирования и управления системой.

Как сообщил мой коллега из VentureBeat Майкл Ф. Нуньес, Грок ответил на вопросы о влиянии еврейского влияния в Голливуде, утверждая, что еврейские руководители «доминируют в лидерстве» в основных студиях и влияют на содержание с помощью «прогрессивных идеологий», и продолжали разглагольствовать о людях о потерпе Время, очевидная ссылка на Холокост.

Заговорщическая и антисемитическая публикация была настолько плодовитой, Антидиффамационная лига (ADL), выдающаяся некоммерческая некоммерческая организация, борьба с антисемитизмом и ненавистью. Растущий на Х и многие другие платформы ».

Этот инцидент следует за историей проблемных результатов GROK, в том числе случай в мае 2025 года, когда бот Grok, интегрированный в X, случайно вставленные ссылки на совершенно бессмысленные и нереальные «белый геноцид» в Южной Африке в не связанные с ними запросы, и предыдущий случай, когда его система была обнаружена, направленная на Grok Chatbot на x, чтобы избежать ссылки на то, что они не имеют никаких высказываний. распределители дезинформации. В обоих случаях XAI обвинил поведение на неназванных сотрудниках и заявил, что их решают.

Сегодня, сегодня пользователи Grok 4 в приложении потребителя наблюдали, как его снова выводят антисионистские и антисемитские замечания:

Как я уже отмечал, Маск несколько раз открыто заявлял, что он хотел изменить Грока, чтобы лучше отразить свои личные убеждения и недоверие в основных средствах массовой информации и аккредитованных источниках. Это делает его плохим источником в контекстах предприятия, где такие взгляды могут отрицательно повлиять на пользователей и предприятия, строящие на вершине семейства моделей Grok.

Моя предыдущая рекомендация остается: для тех, кто на предприятии, пытающихся обеспечить должным образом и точно работать продукты ИИ в своем бизнесе … Гроку, к сожалению, лучше избегать. К счастью, есть множество других альтернатив на выбор.

В то время как агент AI определенно отмечает поворотный момент во взаимодействии человека с компьютером, переходя от использования инструментов к сотрудничеству, следующим шагом является интеграция этих агентов и фактически получение значения. В Transform 2025 в Venturebeat Мэтью Кропп, управляющий директор и старший партнер BCG, предложил план игры для эволюции рабочего процесса, принятия сотрудников и организационных изменений.

«Компании, которые находятся на вершине этой кривой — то, что мы называем будущими построенными, те, которые являются наиболее зрелыми, — видят существенные результаты: в 1,5 раза больше роста выручки, в 1,8 раза выше стоимости акционеров», — сказал Кропп. «Здесь есть ценность, но мы рано».

https://www.youtube.com/watch?v=travr1zslfs

Развернуть, изменить, изобретать

Чтобы воспользоваться преимуществами и создать ценность с ИИ и с агентами, компания должна определить, где сосредоточиться, используя рамки развертывания, изменять, изобретать. ИИ уже развернут на каждом предприятии и будет иметь агенты в течение следующих нескольких лет. Но если вы дадите сотруднику чат -бот, вы не изменили способ выполнения работы. Вы должны переосмыслить работу, а также изменять функции, отделы и рабочие процессы, определив, где человеческая работа может быть автоматизирована.

«Мы консультируем компании прямо сейчас, чтобы сосредоточиться на ваших трех или четырех больших камнях. Если у вас есть большая организация поддержки клиентов, вы должны применить ИИ в поддержку поддержки клиентов. Это оказывает огромное влияние. Если у вас есть большая инженерная организация, вам следует использовать такие инструменты, как Windsurf, чтобы изменить способ, которым вы делаете инженерное обеспечение, разработку программного обеспечения».

Изобретение все еще находится на самой ранней стадии, но предприятия должны думать о том, как использовать способность ИИ быть творческим, разумом и планом. Посмотрите на услуги и продукты, а также то, как вы взаимодействуете с клиентами: можете ли вы заново изобрести эти возможности? »

Например, косметическая компания L’Oreal запустила консультанта по виртуальной красоте, чтобы масштабировать этот эксклюзивный сервис за пределами их розничных мест, заново изобретая способ, которым они думают о взаимодействии со своими клиентами в масштабе.

Мышление вне основных вариантов использования

Также важно подумать о том, как ИИ меняет ваш бизнес. За последние пару лет было много внимания уделяется снижению затрат, заменяя работников, но это не общепринятое мышление. ИИ усиливает сотрудников, которые у вас есть в настоящее время, значительно повышая их производительность.

«Это то, что мы видим в разработке программного обеспечения», — сказал он. «Я не думаю, что мы увидим, как компании увольняют своих разработчиков программного обеспечения. Мы увидим огромный взрыв в количестве возможностей и функций, которые создают компании -разработчики программного обеспечения».

В исследовании BCG, проведенного с Гарвардом, Уортоном и Массачусетским технологическим технологическим технологиям, они попросили 750 работников знаний написать бизнес и маркетинговый план, с и без генеративного ИИ. Участники, использующие GPT4, выполнили на 25% быстрее, выполнили на 15% больше задач, а качество их производства было на 40% лучше. И когда ему дали LLM, нижние исполнители в базовой линии сделали так же хорошо, как и лучшие исполнители.

«Это вызвало работу каждого, что очень мощно, потому что в большинстве организаций новые столяры менее эффективны, чем более опытные люди», — сказал он. «Он обладает способностью увеличивать время до мастерства».

ИИ также может превзойти человеческий масштаб, даже открыть новые приложения, которые ранее не были возможными. Например, в медицинском пространстве результаты для пациентов значительно улучшаются с предоперационным и послеоперационным наблюдением от медсестры, но реализация этого не было затратным-до появления медсестер ИИ, которые могут взять на себя эту задачу для большой популяции пациентов.

Преодоление самого большого препятствия: усыновление

Хотя эти инструменты фантастические, люди не используют их. BCG отслеживал принятие GitHub Copilot и показатели производительности для организации с около 10 000 инженеров -программистов. Лучшие 5% инженеры удвоились в производительности за четыре месяца, в то время как 60% показали нулевое улучшение, потому что они просто не приняли этот инструмент.

Почему люди не принимают? Есть три причины. Во -первых, это способность к невежеству. Вторая, привычка инерция. Третий — угроза идентичности, и это труднее всего преодолеть. Разработчики спрашивают: «Если этот ИИ может написать код для меня, то кто я? Какова моя ценность?»

«Это будет реальная работа следующих трех -пяти лет», — сказал Кропп. «Это заставляет людей использовать агентов».

Стратегии преодолевают нежелание

Есть несколько ценных способов преодоления этих проблем. Естественно, получение правильного инструмента — это первый шаг и интеграция его с тем, как люди работают, тренируя их явно. Также важно измерить и отпраздновать усыновление для тех сотрудников, активно используя инструменты, чтобы все остальные начинали видеть, что им нужно получить эту подножку.

Другим важным шагом является увеличение дефицита — это означает, что устранение ресурсов, чтобы сотрудники должны делать больше с меньшими затратами. В то же время, важно перепроектировать рабочие процессы рук с теми сотрудниками, которые находятся на переднем крае. Не просто определяйте трудоемкие процессы, в которых может быть автоматизирована ручная работа — определите детали, в которых люди приносят ценность.

«Мы минимизируем труд и максимизируем радость», — сказал Кропп. «У нас остался гораздо более эффективный процесс, гораздо более эффективную компанию, гораздо более продуктивную рабочую силу и рабочие места, в которых нравится быть людям».

Представлено BCG

---

Между экспериментами ИИ по-прежнему существует значительный разрыв и реальным влиянием на бизнес. Все чаще этот разрыв измеряется в реальном конкурентном преимуге. По словам Мэтью Кроппа, технического директора, управляющего директора и старшего партнера в BCG, есть книга для игры. По мере того, как Gen AI созревает-особенно с ростом агентского ИИ-организации должны понимать, как максимизировать его потенциальную ценность, и ответственно развернуть этих новых товарищей по команде с ИИ в масштабе. Это требует сосредоточенности на фокусе организации, и три взаимосвязанных ценностях.

«Используя нашу структуру« развернуть, изменить, изобретать », мы помогаем клиентам определить четкие цели сверху», — говорит Кропп. «Мы используем 10-20-70 подход: 10% -ные алгоритмы, 20% технологий и данные и 70% людей и процессы, что позволяет нашим клиентам устанавливать амбициозные цели и создавать значительную ценность с мощным агентом ИИ, подкрепляющим их».

Показательный пример: BCG недавно работала с глобальной компанией потребительских товаров Reckitt, чтобы оптимизировать маркетинговые возможности и повысить производительность путем изменения рабочих процессов по маркетингу с помощью пользовательских автоматизированных решений. Они акклиматизировали сотни маркетологов по категориям и рынкам к совершенно новому способу работы и новых рабочих процессов на инновационной технологической платформе и увидели, что время, потраченное на обычные мероприятия, сокращается до 90%, в то время как качество выпуска улучшилось в два раза.

Между тем, глобальная косметическая компания L’Oreal заново изобрела опыт потребителя и увеличил конверсии в пять-десятикратах по сравнению с традиционными цифровыми каналами с помощником по красоте, поддерживаемому Gen AI.

От развертывания до переиздания

Прежде чем достичь более преобразующих этапов, многие компании все еще находятся на раннем этапе развертывания — интегрируя ИИ в существующие инструменты и процессы. Практически каждое бизнес-приложение скоро будет включать в себя встроенный ИИ, что означает, что каждый сотрудник будет взаимодействовать с этими инструментами в своей повседневной работе. Но простого включения функций ИИ недостаточно.

«Вы не увидите серьезного влияния, если люди будут продолжать делать вещи одинаково», — говорит Кропп. «Чатбот может помочь лучше ответить на вопросы, но это не меняет процесс использования данных внутри компании. Вот где вступают функции изменения функций и рабочих процессов».

Следующий этап, «RESHAPE», включает в себя переосмысление целых процессов, чтобы уменьшить труд и повысить как качество, так и скорость. Это означает, что переработка рабочих процессов, чтобы организация могла в полной мере воспользоваться увеличением ИИ — не для удаления людей, а для усиления того, что они делают. И агенты ИИ представляют собой изменение шага в преобразовании рабочего процесса.

Например, один из клиентов BCG, судостроительная компания, использовала автономную, многоагентную архитектуру с возможностями рассуждений и планирования для автоматизации задач проектирования, что сократило инженерные ресурсы, необходимые на 45%, а срок заказа на палубу на корабле на 80%.

Другой клиент, глобальная логистическая компания, использовала агенты для автоматизации своего процесса ответа на запрос для протокола, достигнув эффективности от 30% до 50%. BCG помог крупному банку в Юго-Восточной Азии увеличить активы под управлением на 5% до 10% и увеличил конверсии клиентов в четыре-шесть раз, причем агенты, которые дают менеджерам по взаимоотношениям в режиме реального времени по мере развития персонализированных предложений. А ведущая компания по производству промышленных товаров увеличила свою маржу EBIT на 3-10 баллов с агентом, который может использовать моделирование планирования цепочки поставок, определять риски и их влияние на операции и предлагать смягчения.

«Это невероятный множитель», — отмечает Кропп. «По сути, вы превращаете каждого члена команды в менеджера сотрудников искусственного интеллекта. Команды изменяются с нуля, так как агенты принимают повторяющиеся задачи, а люди сосредотачиваются на надзоре, творчестве и решениях высшего порядка. Фаза изменения становится начальной панелью для радикальных инноваций».

Прыгание к инновациям

Немногие компании сделали это на этапе «изобретения», но этот этап обладает наиболее трансформационным потенциалом: создание совершенно новых предложений, услуг или бизнес -моделей, основанных на агентских ИИ и проприетарных данных. Здесь компании могут стимулировать реальную дифференциацию.

«Самые зрелые организации в наших исследованиях ИИ опираются на этот этап изобретения», — говорит Кропп. «Они используют свои уникальные сильные стороны и агент AI, чтобы опередить конкурентов в доходах и доходах акционеров».

Что отделяет компании, которые успешно переходят от изменений и оптимизации к изобретению? Согласно Кроппу, он начинается с ясности цели — видение, связанное непосредственно со стратегией компании. Это также требует дисциплинированного исполнения: установление целей, распределение инвестиций и отслеживание воздействия.

«Если ваша цель состоит в том, чтобы вырастить новую бизнес -линию, вы не попадаете туда посредством случайных экспериментов», — говорит он. «Вы определяете, как выглядит успех, а затем намеренно инвестируйте в возможности ИИ и организационные изменения, чтобы попасть туда.«

Поиск реального конкурентного преимущества

Тем не менее, каждая организация будет превращать агентов ИИ во многих, если не большую часть их процесса, что означает, что просто наличие агента не означает автоматическое конкурентное преимущество. То, что отличает компании на рынке, использует собственные данные и сильные стороны человека уникальными способами.

Многие организации уже имеют ценные данные в силу своего бизнеса: авиакомпания с программой лояльности имеет подробные данные для этих клиентов. Биофармаская компания, занимающаяся обнаружением лекарств, имеет обширные проприетарные данные о своих клинических испытаниях и исследованиях. Ключом является распознавание того, где эти данные могут стимулировать инновации.

«Компании должны сосредоточиться на создании конкурентного преимущества, выявляя запатентованные данные, которые создают ценность, и где они обладают реальными человеческими опытами, уникальными возможностями, уникальной культурой и так далее», — говорит Кропп. «Затем развертывая агенты ИИ, чтобы изменить организацию, ее процессы и людей таким образом, чтобы они полностью осознали ценность преимуществ, которые у них уже есть».

---

Спонсируемые статьи — это контент, производимый компанией, которая либо платит за пост, либо имеет деловые отношения с VentureBeat, и они всегда четко обозначены. Для получения дополнительной информации свяжитесь с sales@venturebeat.com.

Масштабирование агента AI — это не просто наличие последних инструментов — это требует четкого руководства, правильного контекста и культуры, которая отстаивает эксперименты, чтобы разблокировать реальную ценность. В преобразовании Venturebeat 2025 года Ану Бхарадвадж, президент Atlassian, поделился практическим пониманием того, как компания уполномочила своих сотрудников построить тысячи пользовательских агентов, которые решают реальные повседневные проблемы. Чтобы построить эти агенты, Atlassian способствовал культуре, коренящейся в любопытство, энтузиазм и непрерывные эксперименты.

https://www.youtube.com/watch?v=ebjmivplnpo

«Вы много слышите о мандатах AI сверху вниз»,-сказал Бхарадвадж. «Нисходящие мандаты отлично подходят для большого всплеска, но на самом деле, что происходит дальше, и для кого? Агенты требуют постоянной итерации и адаптации. Нисходящие мандаты могут побудить людей начать использовать его в своей ежедневной работе, но люди должны использовать его в своем контексте и со временем итерации, чтобы реализовать максимальную ценность».

Это требует культуры экспериментов-та, в которой краткосрочные и среднесрочные неудачи не оштрафованы, но охватываются в качестве ступенчатых камней для будущего роста и сценария использования высокого воздействия.

Создание безопасной среды

Платформа Atlassian, создавая агент, Rovo Studio служит игровой площадкой для команд по всему предприятию для создания агентов.

«Как лидеры, для нас важно создать психологически безопасную среду», — сказал Бхарадвадж. «В Atlassian мы всегда были очень открыты. Open Company, ни одна из наших ценностей не является одной из наших ценностей. Поэтому мы сосредоточены на создании этой открытости и создании среды, в которой сотрудники могут опробовать разные вещи, и если это не удается, это нормально. Все в порядке, потому что вы узнали что -то о том, как использовать ИИ в своем контексте. Это полезно быть очень четким и открытым об этом».

Кроме того, вы должны создать баланс между экспериментами с ограждениями безопасности и проверкой. Это включает в себя меры безопасности, такие как обеспечение того, чтобы сотрудники входили в систему, когда они пробуют инструменты, чтобы убедиться, что агенты уважают разрешения, понимание доступа на основе ролей, а также предоставляют ответы и действия в зависимости от того, к чему имеет доступ конкретный пользователь.

Поддержка сотрудничества команды

«Когда мы думаем о агентах, мы думаем о том, как люди и агенты работают вместе», — сказал Бхарадвадж. «Как выглядит командная работа в команде, состоящей из группы людей и кучи агентов — и как это развивается со временем? Что мы можем сделать, чтобы поддержать это?

Магия действительно происходит, когда несколько человек работают вместе с несколькими агентами, добавила она. Сегодня многие агенты являются однопользовательными, но паттерны взаимодействия развиваются. Бхарадвадж говорит, что чат не будет шаблоном взаимодействия по умолчанию. Вместо этого будет несколько шаблонов взаимодействия, которые приводят к многопользовательскому сотрудничеству.

«По сути, что такое командная работа?» Она позировала аудитории. «Это многопользовательское сотрудничество — несколько агентов и несколько людей, работающих вместе».

Добавление экспериментирования агента доступным

Atlassian’s Rovo Studio делает Agent Building доступным и доступным для людей всех наборов, включая параметры без код. Один из клиентов строительной отрасли построил набор агентов, чтобы сократить время создания дорожной карты на 75%, в то время как публикация гиганта HarperCollins построила агентов, которые сокращали ручную работу на 4 раза в своих отделениях.

Объединив Rovo Studio с их платформой для разработчиков, Forge, технические команды получают мощный контроль, чтобы глубоко настроить свои рабочие процессы ИИ — определение контекста, определение доступных источников знаний, формирование моделей взаимодействия и многое другое — и создание высокоспециализированных агентов. В то же время, нетехнические команды также должны настраивать и итерацию, поэтому они создали опыт в Rovo Studio, чтобы пользователи могли использовать естественный язык для создания своих настроек.

«Это будет большая разблокировка, потому что в основном, когда мы говорим о агентском преобразовании, это не может быть ограничено сценариями кода -генерала, которые мы видим сегодня. Он должен проникнуть в всю команду», — сказал Бхарадвадж. «Разработчики проводят 10% своего времени. Остальные 90% работают с остальной командой, выясняя проблемы с клиентами и исправляя проблемы в производстве. Мы создаем платформу, с помощью которой вы можете создавать агенты для каждой из этих функций, поэтому весь цикл становится быстрее».

Создание моста отсюда в будущее

В отличие от предыдущих сдвигов на мобильный или облачный, где произошел набор технологических или выхода на рынок, преобразование ИИ в основном является изменением в том, как мы работаем. Бхарадвадж считает, что самое важное, что нужно сделать, это быть открытым и поделиться тем, как вы используете ИИ, чтобы изменить свою ежедневную работу. «В качестве примера я делюсь видео о новых инструментах, которые я пробовал, вещи, которые мне нравятся, вещи, которые мне не нравились, вещи, в которых я думал, о, это может быть полезно, если бы только у него был правильный контекст», — добавила она. «Эта постоянная ментальная итерация, чтобы сотрудники могли видеть и пробовать каждый день, очень важна, поскольку мы меняем так, как мы работаем».

Для чего -то, запущенного в ноябре, протокол контекста модели (MCP) начал накопить большое количество пользователей, почти гарантируя массовое принятие, необходимое для того, чтобы сделать его отраслевым стандартом.

Но существует подмножество предприятий, которые на данный момент не присоединяются к обману: регулируемые отрасли, особенно финансовые учреждения.

Банки и другие предприятия, предлагающие доступ к кредитам и финансовым решениям, не являются незнакомцами для ИИ. Многие были пионерами в области машинного обучения и алгоритмов, даже играя важную роль в создании идеи инвестирования с использованием роботов чрезвычайно популярными. Тем не менее, это не означает, что компании, занимающиеся финансовыми услугами, хотят немедленно перейти в MCP и Agent2agent (A2A).

В то время как многие регулируемые компании, такие как банки, финансовые учреждения и больницы, начали экспериментировать с агентами искусственного интеллекта, это обычно внутренние агенты. Регулируемые компании имеют API. Тем не менее, большая часть интеграции, которые предпринимают эти компании, потребовали годы проверки, чтобы обеспечить соблюдение и безопасность.

«Это очень первые дни в быстро ускоряющемся домене, но есть некоторые фундаментальные строительные блоки, которые отсутствуют, по крайней мере, в качестве стандартов или лучших практик, связанных с совместимостью и общением», — сказал Шон Невилл, соучредитель Catena Labs. «В первые дни сети не было никакой электронной коммерции, потому что не было HTTPS, и не было никакого способа безопасно с совершением смены, поэтому вы не можете создать Amazon. Вам нужны эти основные строительные блоки, и теперь эти строительные блоки в Интернете существуют, и мы даже не думаем о них».

Все чаще предприятия и поставщики платформ AI создают серверы MCP, поскольку они разрабатывают многоагентные системы, которые взаимодействуют с агентами из внешних источников. MCP предоставляет возможность идентифицировать агента, позволяя серверу определять инструменты и данные, к которым он имеет доступ. Тем не менее, многие финансовые учреждения хотят большей уверенности в том, что они могут контролировать интеграцию и обеспечить передачу только утвержденных задач, инструментов и информации.

Джон Уолдрон, старший вице -президент Elavon, дочерней компании US Bank, заявил Venturebeat в интервью, что, хотя они изучают использование MCP, есть много вопросов по стандарту.

«Есть не так много стандартных решений, поэтому мы все еще изучаем множество способов сделать это, включая, возможно, выполнение этой связи без обмена MCP, если между ними общая технология агента, и это всего лишь два разных домена», — сказал Уолдрон. «Но какова прослеживаемость обмена данными без другого воздействия в этом сообщении? Многое из того, что происходит в рамках оценки MCP прямо сейчас, — это выяснение, является ли протокол только что обрабатывает обмен и не обеспечивает никакой дальнейшей утечки риска. Если это так, то это жизнеспособный путь, который мы рассмотрим для обработки этого обмена».

Модели и агенты разные

Финансовые учреждения и другие регулируемые предприятия не являются незнакомцами для моделей искусственного интеллекта. В конце концов, большая часть пассивных инвестиций росла, когда Roboadvisers — где алгоритмы принимали решения по финансовому планированию и инвестициям, практически без вмешательства человека — популярны. Многие банки и управляющие активами инвестировали рано в обработку естественного языка, чтобы повысить эффективность анализа документов.

Тем не менее, вице -президент и генеральный директор Salesforce по решению и стратегии банковской отрасли, Грег Якоби, заявил VentureBeat, что у некоторых из их финансовых клиентов уже есть процесс для оценки моделей, и они считают сложным интеграцией моделей ИИ и агентов с их текущими сценариями риска.

«Модели машинного обучения и прогнозирования хорошо соответствуют этой структуре риска, потому что они детерминированные и предсказуемые», — сказал Якоби. «Эти фирмы сразу же берут LLMS в свои комитеты по рискам моделя и обнаружили, что LLMS дает нетерминированный результат. Это был экзистенциальный кризис для этих фирм по финансовым услугам».

Якоби сказал, что у этих компаний есть рамки управления рисками, где, если они дают входные данные для моделей, они ожидают одного и того же результата каждый раз. Любые отклонения считаются проблемой, поэтому они требуют метода контроля качества. И в то время как регулируемые компании приняли API, со всеми задействованными там тестированием, большинство регулируемых сущностей «боятся открытости, выпускать что-то настолько публичное», что они не могут контролировать.

Уолдрон Элавона, однако, не сбрасывает на себя возможность того, что финансовые учреждения могут работать над поддержкой MCP или A2A в будущем.

«Глядя на это с точки зрения бизнеса и спроса, я думаю, что MCP — очень важная часть того, куда я думаю, что бизнес -логика идет», — сказал он.

Уолдрон сказал, что его команда остается на этапе оценки, и «мы еще не создали сервер для пилотных целей, но мы увидим, как справиться с этим обменом сообщениями от бота-бот».

Агенты не могут KYC другого агента

Невилл из Catena Lab сказал, что он с большим интересом наблюдает за разговором о протоколах взаимодействия, таких как MCP и A2A, тем более что он считает, что в будущем агенты ИИ будут такими же клиентами для банков, как и человеческие потребители. До начала Catena Labs, Neville Coffuded Circle, компания, которая создала USDC StableCoin, поэтому он имеет опыт работы с проблемами привлечения новых технологий в регулируемый бизнес.

Поскольку MCP является открытым исходным кодом и новым, он все еще проходит постоянные обновления. Невилл сказал, что, хотя MCP предлагает идентификацию агента, что является ключевым для многих компаний, все еще отсутствуют недостающие функции, такие как Gradrails для общения и, что наиболее важно, аудиторский след. Эти проблемы могут быть либо решены через MCP, A2A, либо даже совершенно другой стандарт, такой как Loka.

Он сказал, что одна из самых больших проблем с нынешним MCP вращается вокруг аутентификации. Когда агенты становятся частью финансовой системы, даже MCP или A2A, нет никакого реального способа сделать «знание вашего клиента» на агентов. Невилл сказал, что финансовые учреждения должны знать, что их агенты имеют дело с лицензированными организациями, поэтому агент должен быть в состоянии указать на это.

«У агента должен быть способ сказать:« Это то, кем я являюсь как агент, вот моя личность, мой риск и кого я работаю от имени ». Эта проверенная идентичность таким образом, как все эти различные агентские рамки могут понять, было бы ключевым ».