Где живёт мой ИИ
Часть 1. Что-то типа введения.

Когда разговор заходит о корпоративном ИИ, он почти неизбежно очень быстро сваливается к моделям. GPT, Claude, Gemini, Llama, модели китайских товарищей.
Какая умнее? Какая быстрее? Какая дешевле? У какой больше контекст?

Конечно, это важные вопросы. Но, на мой взгляд, мы начинаем немного не с того конца. «Голая» LLM – большая языковая модель – сама по себе ещё не цифровой работник (Digital Worker). Это примерно так же, как очень хороший процессор – ещё не компьютер.

Представим нового сотрудника. Он может быть исключительно умным. Но если он не знает, чем сейчас занимается компания, не помнит предыдущие договорённости, не имеет доступа к рабочим данным, не знает своих полномочий и правил, не умеет пользоваться корпоративными системами и не понимает, каким должен быть хороший результат, то одного интеллекта будет ему точно будет маловато.

С ИИ примерно та же история. LLM-модель даёт нам интеллектуальную способность – понять текст, что-то сопоставить, рассуждать, построить гипотезу, написать документ. Но работа – это гораздо больше.

Её нужно получить, понять, поместить в контекст, разбить на действия. Где-то вызвать модель, где-то обычный алгоритм, где-то корпоративную систему, а иногда передать решение человеку. Полученный результат нужно проверить, при необходимости исправить и только потом признать работу законченной.

Для этого вокруг модели появляется Execution Layer – слой исполнения. Он отвечает уже не за разговор с ИИ, а за выполнение работы – последовательность действий, инструменты, маршрутизацию, проверки, повторные попытки, эскалации и восстановление после ошибок или банальнойэ перезагрузки сервера после обновлений системы.

Но и этого недостаточно. Работнику нужны знания, нужна память, нужно понимание ситуации, в которой он действует. С другой стороны, освоенные способы выполнения задач должны формировать его собственный опыт.

Это уже Cognitive Layer – когнитивный слой. Особенно важна здесь Persistent Cognition — способность помнить и накапливать опыт. Модель умеет рассуждать во время конкретного запуска, но профессиональный интеллект работника не должен исчезать вместе с окончанием выполнения задания. Знания, опыт, освоенные процедуры и полезные выводы должны жить дольше отдельного prompt или одной сессии.

Отсюда следует довольно важная мысль:

Workflow – ещё не Worker.

Последовательность шагов workflow) описывает, как движется работа. Но цифровому работнику нужны ещё способности, контекст, знания, память, полномочия, контроль результата и возможность накапливать профессиональный опыт – саморазвиваться.

Именно вокруг этой идеи мы строим Cortex Suite. Не как оболочку вокруг одной LLM и не как конструктор «агентов». Мы рассматриваем эту систему как AI Worker Platform – платформу для построения цифровых работников, в которой отдельно существуют механизмы исполнения, когнитивные механизмы и механизмы управления. Это и есть то место, где живёт мой ИИ.

Поэтому вопрос, а какую модель вы используете, конечно, имеет смысл. Но мне всё чаще кажется гораздо интереснее и правильнее задать другой вопрос – а где и как эта модель живёт, когда ей действительно приходится работать? Об этом и будет этот цикл.

А в следующий раз мы попробуем разобраться, почему даже очень сильная модель, помещённая в плохую рабочую среду, способна выглядеть удивительно глупо.

#ии #искусственныйинтеллект #цифровойработник