Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуSakana AI Blog

Sakana AI выпустила Aquarium — платформу ИИ-агентов на онтологии с контролем

Sakana AI представила Aquarium — платформу, где ИИ-агенты опираются на «словарь» компании: что значат термины, как связаны таблицы с документами и по каким правилам принимаются решения. Этот слой, онтологию, собирают один раз и используют для всех агентов. Агент сам проверяет данные, решает и выполняет действие, а в нужных местах ждёт одобрения человека. Поэтому новый процесс не требует заново подключать данные и согласовывать термины.

AI-обработка оригинала Sakana AI Blog; редакция Hamidun News
Sakana AI выпустила Aquarium — платформу ИИ-агентов на онтологии с контролем
Источник: Sakana AI Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникSakana AI Blog
Главный редактор
Три блокаонтология, governance с правами и логами, Managed Agents
Данные не переносяттаблицы и документы подключают из прежних хранилищ
Ключевой факт #3Команду собрали из Sakana AI, Palantir, Snowflake, Microsoft и AWS

Большинство корпоративных проектов с ИИ-агентами упирается не в модель, а в рутину вокруг неё. Нужно подключить данные, договориться, что значит «активный клиент» или «просроченный платёж», прописать, кто что вправе делать, и всё это повторить для следующего процесса. Sakana AI решила превратить эту рутину в продукт и представила платформу Sakana Aquarium для создания, запуска и сопровождения агентов.

Что внутри Aquarium

Основа платформы — онтология. Если объяснять просто, это общий словарь и карта компании: какие бывают сущности (клиенты, договоры, заказы), как они связаны между собой и по каким правилам по ним принимают решения. Таблицы, документы и другие форматы подключаются к этой карте из прежних хранилищ, без переноса данных. Когда информация обновляется, агент видит свежую картину.

Платформа состоит из трёх частей:

  • Ontology хранит знания, правила и данные вместе со смыслом и связями между ними.
  • Governance отвечает за контроль. Здесь задают права доступа и обязательное одобрение перед действием. Система записывает, на что агент опирался и что в итоге сделал, а также показывает скорость, точность работы и расход моделей.
  • Managed Agents — среда, где агенты работают. Разработчик описывает workflow: чтение данных, решение модели, вызов функции, подтверждение человеком. После этого агента можно деплоить, а платформа ведёт его жизненный цикл.

Название объясняют метафорой: много рыб плавает в одном аквариуме с налаженной средой.

Чем это полезно на практике

Главная идея — переиспользование. Подключённые данные и онтология, которые собрали для одного агента, подходят и другим. Допустим, банк сделал агента для проверки кредитных заявок. Следующему агенту, например для подготовки предложений клиентам, не придётся заново объяснять, что такое «клиент» и откуда брать его данные. Все агенты работают на одной базе и управляются из одного места.

Для продуктовых команд важна и схема контроля. Агент действует в рамках выданных прав, а в критичных местах человек подтверждает шаг. Потом любое решение можно разобрать по журналу: какие данные использовались, как рассуждала модель, кто одобрил, чем закончилось. В регулируемых отраслях вроде финансов такой аудит часто важнее красивых демо.

Откуда это взялось и что пока неизвестно

Sakana AI известна исследованиями, которые повышают качество ИИ без простого увеличения модели: масштабирование на этапе вывода, согласованная работа нескольких моделей, самосовершенствование. Параллельно компания делала прикладные проекты в финансах. Среди них AI-эксперт по кредитованию с MUFG Bank, автоматическая генерация предложений с SMBC Group и совместная разработка с Daiwa Securities Group.

В этих проектах работали Forward Deployed Engineers: они разбирались в данных и процессах заказчика, проектировали workflow, оценивали результат и повышали точность. Компания заметила, что подключение данных и согласование терминов приходится делать с нуля в каждом проекте. Aquarium собирает эту работу в общую платформу. Над продуктом работают инженеры Sakana AI и выходцы из Palantir, Snowflake, Microsoft и AWS, то есть из компаний, которые строят платформы данных и управление ими. Подход с онтологией напоминает то, что делает Palantir, но это наше сравнение, а не слова самой Sakana.

Ограничения тоже есть. В анонсе нет бенчмарков, цен, списка поддерживаемых источников данных и названий моделей внутри платформы. Нет и публичных кейсов с измеримым эффектом: Sakana обещает показывать их позже. Судя по тексту, продукт продаётся через консультации и внедрение с участием FDE, а не как сервис, который можно взять и попробовать самому. Из планов компания называет два направления: обновление онтологии и агентов на основе правок и решений, появляющихся в работе, и помощь ИИ в самой сборке агентов.

Вывод для разработчиков и основателей простой. Рынок агентных платформ смещается от «какую модель взять» к вопросам «на чём агент принимает решения» и «как это контролировать». Если вы строите агентов под несколько процессов, стоит заранее продумать общий слой определений и прав доступа, иначе вы будете платить за повторную настройку в каждом проекте. А оценить, насколько Aquarium помогает в реальной работе, можно будет только после первых публичных кейсов.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что внутри Aquarium?

Основа платформы — онтология. Если объяснять просто, это общий словарь и карта компании: какие бывают сущности (клиенты, договоры, заказы), как они связаны между собой и по каким правилам по ним принимают решения. Таблицы, документы и другие форматы подключаются к этой карте из прежних хранилищ, без переноса данных. Когда информация обновляется, агент видит свежую картину. Платформа состоит из трёх частей: Ontology хранит знания, правила и данные вместе со смыслом и связями между ними.

Что известно по теме: чем это полезно на практике?

Главная идея — переиспользование. Подключённые данные и онтология, которые собрали для одного агента, подходят и другим. Допустим, банк сделал агента для проверки кредитных заявок. Следующему агенту, например для подготовки предложений клиентам, не придётся заново объяснять, что такое «клиент» и откуда брать его данные. Все агенты работают на одной базе и управляются из одного места. Для продуктовых команд важна и схема контроля.

Что известно по теме: откуда это взялось и что пока неизвестно?

Sakana AI известна исследованиями, которые повышают качество ИИ без простого увеличения модели: масштабирование на этапе вывода, согласованная работа нескольких моделей, самосовершенствование. Параллельно компания делала прикладные проекты в финансах. Среди них AI-эксперт по кредитованию с MUFG Bank, автоматическая генерация предложений с SMBC Group и совместная разработка с Daiwa Securities Group.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ ИИ-агенты на практике · Академия & Nomad

От чтения про ИИ-агентов — к запуску своего агента за вечер

Пошаговая сборка автономных агентов и MCP-связок в Hamidun Academy (academy.hamidun.com) (72 часа бесплатно) или мгновенный запуск готовых мультишаговых агентов в облаке Nomad.

Попробовать Академию (72ч бесплатно) →Запустить Nomad Agent
Что вы думаете?
Загружаем комментарии…