Gdy AI przechodzi od porad do działania, infrastruktura ma znaczenie. Sui umożliwia systemom autonomicznym działanie w sposób bezpieczny, spójny i z dowodem.

Główne Wnioski

  • Sztuczna inteligencja zaczyna robić rzeczy, a nie tylko je sugerować. Nowe systemy AI, zwane „agentami”, mogą teraz rezerwować usługi, przemieszczać zasoby i samodzielnie wykonywać zadania wieloetapowe. Gdy oprogramowanie podejmuje działanie, musi być ufane w zupełnie inny sposób.

  • Internet nie został zbudowany dla oprogramowania, które działa autonomicznie. Dzisiejsza sieć zakłada, że to ludzie są u władzy: klikają przyciski, ponawiają nieudane działania i naprawiają błędy.

  • Sui jest zaprojektowane, aby umożliwić AI działanie w sposób bezpieczny i weryfikowalny. Zamiast nakładać AI na wierzch, Sui traktuje wykonanie jako podstawowy problem. Umożliwia agentom AI realizację złożonych działań w jasno określonych ramach i rozliczanie wyników jako jednego, dowodowego rezultatu.

Przegląd

Systemy AI przechodzą od generowania wyników do wykonywania działań.

Systemy agentowe — oprogramowanie, które może planować i wykonywać wieloetapowe przepływy pracy w imieniu użytkownika — już koordynują usługi, zarządzają zasobami i transakcjonują w internecie.

W miarę jak to przesunięcie przyspiesza, staje się jasne ograniczenie strukturalne: dzisiejszy internet został zbudowany dla interakcji kierowanych przez ludzi, a nie autonomicznego wykonania w prędkości maszyny.

Dlatego Sui koncentruje się na tym, co znane jest jako wykonanie agentowe: infrastruktura, która pozwala agentom AI działać w jasno określonych ramach, koordynować w różnych systemach i rozliczać wyniki jako jeden, weryfikowalny rezultat.

Agentów nie można traktować jak każdej innej aplikacji; potrzebują środowiska wykonawczego, które wspiera ich unikalne potrzeby kierowane przez maszyny.

Od Rekomendacji do Wykonania

W swojej najnowszej historii AI pełniło rolę doradczą.

Modele generują tekst, podsumowują informacje lub rekomendują następne kroki, pozostawiając ostateczną decyzję i działanie człowiekowi.

Systemy agentowe przekraczają inną granicę. Nie tylko sugerują, co należy zrobić; składają przepływy pracy i realizują je w różnych narzędziach i usługach w dążeniu do określonego celu.

Ta zmiana ma znaczenie, ponieważ działanie wprowadza konsekwencje. Rekomendacja modelu może być zmieniona lub zignorowana. W przeciwieństwie do tego, wykonane działanie wprowadza nieodwracalną zmianę: rezerwacja jest dokonana, zasób jest przydzielony, transakcja jest wyzwalana. Gdy oprogramowanie zaczyna działać na tym poziomie, poprawność staje się kwestią wyników, a nie interpretacji.

Gdy systemy AI biorą na siebie odpowiedzialność, zaufanie i koordynacja przestają być opcjonalne. Działania muszą być autoryzowane. Kroki muszą być zgodne z zamiarem. Wyniki muszą być ostateczne i audytowalne. Główne pytanie przesuwa się z tego, czy system wyprodukował prawdopodobną odpowiedź, na to, czy wykonał właściwe działanie, w odpowiednich ograniczeniach, z oczekiwanym wynikiem.

Wyzwanie, przed którym stoją systemy agentowe, nie jest już ‘inteligencją’. To wykonywanie działań w dzielonych środowiskach: wielu systemach i usługach, którymi nie kontroluje żaden pojedynczy podmiot. To ujawnia głębszy problem z tym, jak dzisiejszy internet jest zbudowany.

Dlaczego dzisiejszy Internet psuje się w prędkości maszyny

Internet nie został zaprojektowany do autonomicznego wykonania.

Jego podstawowe wzory zakładają obecność ludzi: sesje, które wygasają, ponowne próby wymagające osądu, pulpity do inspekcji i interwencje manualne, gdy coś pójdzie nie tak. Interfejsy API działają jako izolowane punkty końcowe, uprawnienia są egzekwowane wewnątrz aplikacji, a stan, wspólne fakty o tym, co się wydarzyło, jest fragmentowane w usługach, które nie dzielą wspólnego źródła prawdy.

Te założenia rozpadają się, gdy oprogramowanie działa autonomicznie.

Gdy agent AI działa samodzielnie, częściowy sukces lub niejasna porażka staje się niebezpieczna. Bez wspólnego źródła prawdy, pogodzanie wyników między systemami wiąże się z ryzykiem duplikacji lub niespójności. To, co dla człowieka wydaje się elastycznością, staje się kruchością przy prędkości maszyny.

Gdy agentowe przepływy pracy obejmują więcej systemów, ta kruchość się kumuluje. Wykonanie zamienia się w łańcuch założeń, a nie skoordynowany proces. Dzienniki mogą istnieć, ale wymagają interpretacji; rejestrują zdarzenia, a nie autorytatywne wyniki.

Systemy agentowe nie potrzebują więcej punktów końcowych ani szybszych interfejsów API. Jeśli autonomiczne agenty mają działać niezawodnie, potrzebują wspólnej prawdy, egzekwowalnych zasad i wyników, które rozliczają się czysto. Potrzebują infrastruktury zaprojektowanej do wykonania.

Czego naprawdę potrzebują systemy agentowe

Gdy systemy AI zaczynają działać samodzielnie, małe luki w infrastrukturze stają się poważnymi awariami. Awaria, którą widzimy w dzisiejszym internecie, zawsze wraca do tego samego problemu: działania są rozdzielane pomiędzy systemy, które nie dzielą stanu, władzy ani jasnego poczucia zakończenia. Ludzie mogą zatuszować tę fragmentację; oprogramowanie działające niezależnie tego nie potrafi.

Minimum, systemy agentowe potrzebują czterech podstawowych zdolności.

1. Wspólny, weryfikowalny stan

Gdy agenci działają w różnych aplikacjach lub organizacjach, potrzebują wspólnego źródła prawdy. Stan sieci nie może być domniemany ani złożony po fakcie. Musi być bezpośrednio weryfikowalny, aby systemy mogły niezawodnie ustalić, co jest aktualne, co się zmieniło i jaki jest ostateczny wynik.

2. Zasady i uprawnienia, które poruszają się z danymi

Władza nie może być redefiniowana na każdej granicy. Zasady dostępu i ograniczenia muszą podróżować z danymi i działaniami, którymi rządzą, aby agent pozostał autoryzowany, gdy działa w różnych systemach lub koordynuje z innymi agentami, zamiast polegać na doraźnych kontrolach na każdym kroku.

3. Wykonanie atomowe w przepływach pracy

Działania agentowe rzadko zdarzają się w pojedynczym kroku. Obejmują wiele zasobów, usług i zmian stanu. Te przepływy pracy muszą być wykonywane jako jednostka, albo w pełni kończąc wszędzie, albo czysto kończąc, bez pozostawiania systemów w częściowo ukończonych stanach, które wymagają ręcznego czyszczenia.

4. Dowód tego, co się stało

Wspólny stan mówi systemom, co jest teraz prawdą. Dowód ustala, dlaczego ten stan można zaufać. Dzienniki i ślady o najlepszym wysiłku nie wystarczą. Agenci, użytkownicy i audytorzy potrzebują pewności co do tego, jak działanie zostało wykonane, na jakich uprawnieniach i czy przestrzegano zamierzonych zasad.

Wykonanie powinno prowadzić do definitywnego wyniku z weryfikowalnymi dowodami, a nie wymagać rekonstrukcji ani interpretacji po fakcie.

Zebrane razem, te wymagania wskazują na jasny wniosek. Systemy agentowe nie potrzebują kolejnej warstwy usług ani narzędzi orkiestracyjnych. Potrzebują warstwy wykonawczej: infrastruktury, która może koordynować zamiar, egzekwować zasady i domyślnie rozliczać wyniki, czyniąc autonomiczne działanie możliwym bez stałego nadzoru ludzkiego.

Jak Sui Stack podchodzi do Wykonania Agentowego

Sui został zaprojektowany jako platforma pełnostackowa, w której wykonanie jest natywne dla sieci.

Zamiast łączyć działania w różnych aplikacjach i koordynować zamiary po fakcie, Sui pozwala na bezpośrednie wykonywanie złożonych zadań i rozliczanie ich jako jednego, ostatecznego wyniku.

Na Sui działania są zaprojektowane jako samodzielne. Zamiast rozprzestrzeniać dane, uprawnienia i historię w różnych systemach, sieć grupuje je razem, aby zawsze było jasne, co może dotknąć działanie, kto może je wykonać i co już się wydarzyło.

Ta struktura umożliwia wykonywanie działań wieloetapowych jako jednej operacji. Przepływ pracy, który obejmuje kilka zasobów, można złożyć raz i albo kończy się w pełni, albo w ogóle się nie odbywa.

Na przykład agent rezerwujący podróż może zarezerwować lot, potwierdzić hotel i dokonać płatności jako jedną operację — więc albo kończy się to sukcesem w całości, albo nic nie zostaje zrealizowane. Nie ma częściowego wykonania do pogodzenia i żadnej niejasności.

Gdy wykonanie kończy się, wynik jest ostateczny i weryfikowalny. Sieć rejestruje wyraźną zmianę stanu, pokazując, co się wydarzyło, pod jaką władzą i z jakim skutkiem. Wyniki nie muszą być rekonstruowane z dzienników.

Wynikiem jest warstwa wykonawcza, w której agenci mogą działać z ograniczoną władzą, koordynować w różnych systemach i polegać na ostatecznych wynikach bez stałego nadzoru ludzkiego.

Od Architektury do Praktyki

To przesunięcie w kierunku systemów agentowych nie jest teoretyczne.

Gdy przepływy pracy AI przechodzą do produkcji, budowniczowie napotykają ograniczenia dzisiejszej infrastruktury i szukają sposobów na bezpieczne wykonywanie działań, koordynowanie między usługami i domyślną weryfikację wyników.

Na Sui te idee skoncentrowane na wykonaniu są już odzwierciedlone w samym stosie dewelopera. Zamiast abstrakcji, pojawiają się jako konkretne komponenty zaprojektowane do wspierania weryfikowalnych danych, odpowiedzialnego wykonania i programatycznej wymiany wartości.

Gdy agenci AI biorą na siebie więcej odpowiedzialności, infrastruktura pod nimi ma znaczenie jak nigdy dotąd. Różnicą nie będzie sama „inteligencja”, ale to, czy systemy mogą przekształcać zamiar w wyniki, które są ostateczne, weryfikowalne i współdzielone. To jest problem wykonania, który Sui jest zaprojektowane rozwiązać.