Чтобы остановить потери от автоматизации, предприятиям нужно развернуть инфраструктуру взаимодействия, которая физически управляет тем, как работают независимые AI agents.
AI agents уже присутствуют в корпоративных сетях: они рассуждают над задачами и принимают решения с растущей автономностью. Но когда эти независимые участники пытаются координировать работу, обмениваться контекстом или действовать в разных cloud-средах, схема взаимодействия быстро деградирует. Люди-операторы оказываются вручную связывающим звеном между разрозненными системами, поддерживая хрупкие интеграции, в то время как правила доступа и обмена данными остаются неявными.
Band, стартап из Тель-Авива и Сан-Франциско, вышел из режима скрытой разработки с seed-раундом на $17 млн, чтобы решить эту инфраструктурную проблему. Инвестиции поддержат CEO Arick Goomanovsky и CTO Vlad Luzin в их работе над созданием отдельного уровня взаимодействия для автономных корпоративных систем. Концепция напоминает более ранние этапы развития вычислений, когда для application programming interfaces требовались отдельные шлюзы, а microservices — service mesh, чтобы масштабироваться.
По мере того как распределенные системы множатся под управлением разных внутренних команд, добавление новой бизнес-логики не устраняет базовую нестабильность. Надежность взаимодействия, напротив, требует отдельного инфраструктурного слоя.
Рыночная динамика изменилась по трем ключевым направлениям. Во-первых, автономные участники прошли путь от экспериментальных внедрений до активных runtime-участников, которые управляют engineering pipelines, запросами в customer support и операциями безопасности. Использование в enterprise — это уже не перспектива будущего, а текущий операционный режим. Главный вопрос теперь в том, как управлять тем, что происходит, когда эти разные участники должны сотрудничать.
Во-вторых, операционная среда полностью гетерогенна. Инженерные команды создают разрозненные инструменты на разных фреймворках. Эти модели работают на конкурирующих cloud-платформах, используют разные communication protocols и подчиняются разным владельцам бизнеса. Ни один вендор не контролирует всю систему, и ни один единый фреймворк не покрывает всю экосистему. Такая фрагментация — это постоянная форма enterprise-рынка.
В-третьих, формируется базовый слой стандартов. Инициативы вроде Model Context Protocol (MCP) дают моделям единый способ доступа к внешним инструментам. Аналогично, усилия по A2A communications формируют базовые параметры диалога.
Но хотя протоколы определяют процедуру установления соединения, они не управляют production-средой. Стандартизированные протоколы не регулируют маршрутизацию, восстановление после ошибок, границы полномочий, human oversight или runtime-governance. Они не могут создать общее операционное пространство, необходимое для надежного взаимодействия. Band намерена закрыть этот инфраструктурный пробел.
Финансовые риски неуправляемой автоматизации
Развертывание независимых моделей внутри разных бизнес-подразделений создает нарастающие интеграционные проблемы. Если point-to-point интеграции приходится вручную собирать внутренним командам разработки, издержки на поддержку будут давить на маржу и задерживать релизы продуктов. Финансовый риск выходит далеко за рамки простых затрат на интеграцию.
Когда автономные участники передают инструкции друг другу без центрального управляющего механизма, организации сталкиваются со стремительным ростом расходов на compute. Multi-agent inference требует непрерывных API-вызовов к дорогим large language models. Ошибка маршрутизации или зацикливание между двумя «запутавшимися» сущностями может за несколько часов израсходовать значительные cloud-бюджеты.
Если оставить автономные multi-agent workflows без контроля, предсказуемость таких процессов исчезает. Наблюдаемое без надзора «согласование» между внутренней моделью закупок и внешней моделью поставщика может запустить сотни циклов inference, раздувая затраты на token usage выше стоимости самой сделки. Поэтому инфраструктурные слои должны внедрять жесткие финансовые circuit breakers, которые завершают взаимодействия, превысившие заранее заданные token-бюджеты или вычислительные пороги.
Усиление уровня исполнения для multi-agent
Интеграция этих интеллектуальных узлов с устаревшей корпоративной архитектурой требует серьезных инженерных ресурсов. Финансовые организации и медицинские компании работают на защищенных on-premises хранилищах данных, mainframe-вычислительных кластерах и доработанных enterprise resource planning-приложениях.
Без усиленной инфраструктуры взаимодействия риск повреждения данных растет на каждом автоматизированном шаге. Модель биллинга может инициировать транзакцию, пока модель комплаенса одновременно помечает тот же счет, что приведет к блокировке базы данных или конфликтующим записям. Уровень взаимодействия предотвращает такие столкновения. Ограничивая capabilities, инфраструктура гарантирует, что автономная сущность не сможет принудительно внести несанкционированные изменения в основные исходные системы.
Vector databases, где хранятся контекстные воспоминания, необходимые для retrieval-augmented generation, создают похожую проблему. Эти хранилища часто настраиваются в изолированных средах под конкретные сценарии. Если техническому support-боту нужно передать текущий диалог с клиентом специализированному hardware-diagnostic-боту, контекстные данные должны точно перейти между изолированными vector-средами.
Деградация данных возникает, когда модели вынуждены интерпретировать не исходные логи данных, а сводные результаты других моделей. Остановить эту деградацию можно только за счет жестких контекстных границ и центральной interaction mesh, способной отслеживать полную цепочку происхождения всей общей информации.
Риск загрязнения данных создает юридические обязательства. Если модель customer service случайно поглотит строго конфиденциальные финансовые данные из модели внутреннего аудита во время контекстного обмена, нарушение комплаенса может повлечь серьезные регуляторные штрафы.
Создание защищенной communication mesh позволяет data officers задавать очень точные ограничения доступа на уровне взаимодействия, а не пытаться восстанавливать логику отдельных моделей. Каждое цифровое взаимодействие требует cryptographic logging, чтобы регуляторы могли проследить автоматизированные решения до их точной исходной точки.
Рассматривать communication mesh как границу безопасности
Архитектура платформы отвергает идею монолитной модели, которая управляет всем enterprise. Вместо этого она предполагает команды специализированных участников с разными сильными сторонами и разными ролями, работающих синхронно без необходимости в одинаковых архитектурах.
Будучи platform-agnostic и cloud-agnostic, система признает ценность уже существующих инструментов. На рынке уже есть рабочие development frameworks. Band сосредоточена на операционной фазе — на моменте, когда модели покидают лабораторию и входят в физическую корпоративную сеть как распределенные сущности.
Governance составляет ядро этой стратегии. Частая ошибка при внедрении enterprise-технологий — рассматривать governance как второстепенную функцию, которую можно «добавить» после первичного запуска. Такой подход не работает, когда речь идет об автономных корпоративных участниках. Эти системы делегируют задачи, передают контекст и выполняют действия между организационными границами. Если правила полномочий остаются неявными, а маршрутизация данных непрозрачной, операция не будет вызывать необходимого доверия, даже если технически она работает.
Чтобы снизить этот риск, базовая mesh-сеть должна работать как security boundary. Организациям нужны механизмы для проверки цепочек делегирования, жесткого ограничения полномочий и ведения подробных audit trails с описанием действий во время runtime. Human participation должна быть глубоко встроена в execution layer.
Механизмы сотрудничества и контроли governance должны находиться на одном инфраструктурном уровне. Без этой основы переход от использования одной модели к сетевому enterprise-внедрению застопорится из-за накапливающихся системных сбоев и нарушений комплаенса. Успешно масштабировать операции смогут те компании, которые вкладываются в базовую инфраструктуру взаимодействия, а не просто накапливают впечатляющие демонстрации программного обеспечения.
См. также: Многомиллиардный стартап с другим взглядом на AI
Хотите узнать больше об AI и big data от лидеров отрасли? Посетите AI & Big Data Expo, который пройдет в Амстердаме, Калифорнии и Лондоне. Это мероприятие входит в состав TechEx и проходит совместно с другими крупными технологическими событиями, включая Cyber Security & Cloud Expo. Нажмите здесь для получения дополнительной информации.
AI News поддерживается TechForge Media. Другие предстоящие мероприятия и вебинары по enterprise-технологиям смотрите здесь.
Материал — перевод статьи с английского.