Платформи оркестрації AI-агентів з’являються сьогодні повсюдно, але Rebel від лондонського стартапу Mindstone, що займається трансформацією AI, може бути серед найперспективніших, з якими я стикався.
Це тому, що система, яка офіційно була запущена цього тижня, є децентралізованою, агентною операційною системою AI з локальним пріоритетом, що розповсюджується під ліцензією “Fair Source”. Вона дозволяє командам до 100 користувачів безкоштовно адаптувати та налаштовувати її відповідно до своїх потреб, тоді як для організацій з більшою кількістю користувачів потрібна буде платна корпоративна ліцензія.
Ключовими особливостями є її простота та широкі можливості налаштування для будь-якої команди, незалежно від унікальності чи специфіки робочих процесів. Все це базується на спільному стандарті формату файлів з відкритим кодом Markdown. В результаті створюється шар “організаційної пам’яті”, який гарантує, що агенти надійно використовують бажані моделі AI підприємства для кожного окремого завдання чи навіть підзавдання, динамічно перемикаючись між локальними та хмарними рішеннями передбачуваним і прозорим способом для економії витрат, а також для збереження приватності та безпеки даних за потреби.
“Спільна пам’ять – це найпотужніше, що ви можете зробити з AI для знаннєвих працівників”, – заявив Грег Детре, технічний директор (CTO) Mindstone, під час нещодавнього відеоінтерв’ю для VentureBeat. “Ви відчуваєте себе як супер-організм, компанія, яка стає все розумнішою та розумнішою”.
Rebel вже доступний для macOS на машинах Intel та Apple Silicon, а також для Windows. Підтримка Linux знаходиться в розробці.
Mindstone залучив 5 мільйонів доларів від приватних інвесторів, включаючи Pearson Ventures, Moonfire Ventures та Zanichelli Venture.
Відмінна, локально-орієнтована архітектура на основі файлів Markdown
Що робить Rebel винятковим, так це його локально-орієнтована архітектура.
На відміну від підходу, що використовується в розробницьких фреймворках для агентів, таких як LangGraph, CrewAI та AutoGPT, які вимагають від команд з’єднувати бази даних, хмарну інфраструктуру та логіку керування станом, основна пам’ять та інструкції Rebel зберігаються у локальних текстових файлах Markdown (.md) – це, мабуть, найпростіший, найлегший і найпопулярніший спосіб керувати AI-агентами, який широко використовується розробниками AI та досвідченими користувачами по всьому світу.
Mindstone стверджує, що Rebel зберігає свій стан, запити (prompts), інструкції до завдань та ієрархію пам’яті в цих файлах, дозволяючи користувачам та компаніям легко переглядати, переміщувати або змінювати їх за потреби. Основний конфігураційний файл, agents.md, виступає як основний шар інструкцій для агента та межа виконання.
Такий архітектурний вибір частково пов’язаний з витратами. Mindstone стверджує, що поширені офісні формати, такі як документи Word та PDF, часто містять накладні витрати на форматування та метадані, які споживають токен-контекст моделі та збільшують витрати на API. Markdown зберігає інформацію ближче до сирого тексту, дозволяючи витрачати більшу частину контекстного вікна моделі на фактичне завдання, а не на структуру документа.
Компанія також позиціонує цей підхід як запобіжник від прив’язки до постачальника (vendor lock-in). Якщо інструкції агента, автоматизації та пам’ять компанії зберігаються локально як текстові файли, вони не будуть замкнені в інтерфейсі або базі даних одного SaaS-провайдера. Це стає ще важливішим, оскільки підприємства починають надавати системам AI ширший доступ до електронної пошти, календарів, документів та внутрішніх робочих процесів.
Rebel також дозволяє користувачам створювати повторювані AI-робочі процеси. “Навички” (Skills) – це збережені багатоетапні процедури, які агент може повторно використовувати. “Оператори” (Operators) налаштовують поведінку агента для певного завдання, наприклад, перегляд презентації з точки зору інвестора або оцінка роботи з точки зору безпеки. “Автоматизації” (Automations) можуть виконувати заплановані фонові завдання, такі як сканування повідомлень або файлів, пошук відповідних оновлень, підготовка відповідей або підготовка роботи перед тим, як співробітник відкриє додаток.
Автоматичний вибір найкращої, рекомендованої підприємством моделі AI для кожного завдання (і підзавдання)
Ще однією важливою функцією є оркестрація кількох моделей. Rebel може розбивати завдання на частини та спрямовувати різні кроки до різних моделей, включаючи розподіл між локальними та хмарними, залежно від чутливості інформації або згідно з політиками підприємства.
Більш потужна модель може виконувати планування або складні міркування; дешевша модель може виконувати рутинну роботу; локальна модель може обробляти чутливі кроки або перевірки схвалення. Це важливо для підприємств, які бажають гнучкості або прагнуть контролювати витрати: не кожне завдання повинно надсилатися до однієї й тієї ж дорогої хмарної моделі, а деякі корпоративні робочі процеси забороняють передачу чутливих корпоративних даних за межі локальної інфраструктури.
“Я хочу мати можливість сказати ‘Допоможи мені з цим’, і система повинна знати, що є особистим, що є конфіденційним, а що можна поділитися з усією компанією”, – пояснив Детре.
Такий незалежний від моделі підхід надає компаніям більше контролю над витратами та безпекою. Роботу з великим обсягом даних можна виконувати на більш дешевих моделях, таких як Llama або DeepSeek. Вищі рівні міркувань можна залишити для дорожчих моделей. Чутливу роботу можна спрямовувати через локальну модель, що працює на машині користувача, не дозволяючи цій інформації покидати пристрій.
Цей підхід також надає корпоративним командам спосіб змішувати хмарне та локальне виконання без необхідності вибирати “все або нічого”.
Відмовляючись від централізованих, монолітних хмарних інтерфейсів на користь архітектури, керованої локальними файлами, Mindstone запроваджує модель того, як технічні керівники підприємств можуть оркеструвати автономні робочі процеси, не втрачаючи суверенітету даних або передбачуваності.
Як це працює на практиці
Технічний директор Mindstone Грег Детре розробив систему пам’яті Rebel таким чином, щоб уникнути поширеної проблеми в корпоративному AI: завантаження великої кількості корпоративної інформації в базу даних і сподівання, що пошук пізніше знайде правильний контекст.
Натомість Rebel використовує багаторівневу структуру пам’яті. Коли відбувається взаємодія, система оцінює, наскільки ймовірно, що ця інформація буде корисною знову.
Інформація з високою очікуваною цінністю записується в локальний файл readme.md, пов’язаний з конкретним проєктним простором. Інформація з помірною очікуваною цінністю стає посиланням на глибші історичні записи.
Матеріал нижчого пріоритету зберігається в індексованому каталозі пам’яті, де він залишається доступним, але неактивним, доки релевантне завдання не викличе його назад.
Дашборд ROI для корпоративних покупців
Для більших організацій Mindstone Pro додає “Impact Dashboard” (Дашборд впливу), призначений для відображення того, де Rebel заощаджує час і гроші в різних бізнес-підрозділах.
Mindstone стверджує, що дашборд використовує окрему, закриту LLM для оцінки телеметрії та розрахунку бізнес-впливу. Компанія зазначає, що система консервативно калібрована, використовуючи нижню межу оцінених приростів продуктивності, щоб уникнути завищених заяв про продуктивність.
Ця функція вирішує практичну проблему для корпоративних покупців AI: доведення цінності без надмірного нагляду за співробітниками. Mindstone стверджує, що дашборд ізольований від індивідуальних робочих просторів, дозволяючи ІТ-керівникам та бізнес-лідерам оцінювати впровадження та повернення інвестицій, не читаючи приватну активність агентів співробітників.
Ліцензування “Fair Source” має на меті зменшити ризик платформи
Mindstone випускає Rebel під ліцензією “Fair Source” – модель, що знаходиться між повністю закритою SaaS та дозвільною відкритістю.
Згідно з ліцензією, код Rebel може бути переглянутий, аудитований, змінений та розгорнутий. Особи та організації з кількістю користувачів до 100 одночасно можуть використовувати його безкоштовно. Як тільки організація перевищує цей поріг, їй потрібна комерційна ліцензія Mindstone Pro.
Ліцензія також включає дворічну відстрочку. Через двадцять чотири місяці після випуску певної версії, ця версія автоматично перетворюється на відкриту ліцензію MIT.
Для корпоративних покупців практична перевага полягає в тому, що Rebel знижує ризик бути “замкненим”. Якщо кожна автоматизація, файл пам’яті та інструкція агента зберігаються локально в Markdown, компанія може за потреби перенести свої дані та робочі процеси в інше місце. Продукт може бути комерційним, але базова робота розроблена таким чином, щоб залишатися доступною для перевірки та портативною.
Питання безпеки зосереджені на локальних схваленнях та спільній пам’яті
Дебют Rebel на платформі обміну технологічними продуктами з відкритим доступом Product Hunt цього тижня викликав технічні запитання щодо того, як локально-орієнтований агент повинен обробляти дозволи, перевірки безпеки та спільну пам’ять.
Один з розробників, Микита Покришко, запитав, чи можуть перевірки схвалення для конфіденційних дій виконуватися виключно на локальній моделі, чи логіка обмеження все ще вимагає виклику до хмари.
Детре відповів, пояснивши розділення Rebel між плануванням, виконанням та фоновою логікою безпеки. Вуле додав, що компанії можуть налаштувати Rebel на повне використання локальної моделі для прийняття рішень щодо обмеження.
Це розрізнення важливе для корпоративних команд безпеки. Автономним агентам часто потрібні широкі дозволи для читання файлів, складання електронних листів або взаємодії з внутрішніми системами. Якщо остаточний шар схвалення залежить від зовнішньої хмарної моделі, деякі компанії можуть розглядати це як ризик для відповідності вимогам. Mindstone стверджує, що Rebel може підтримувати ці межі схвалення на локальному рівні.
Друга дискусія зосередилася на тому, як Rebel вирішує, яка пам’ять може бути спільною. Розробник продукту Клемент Морель запитав, чи визначається спільність вмістом, налаштуваннями користувача чи вивченою поведінкою, і що відбувається, якщо система помиляється.
Детре сказав, що Rebel використовує локальний “README головного штабу” користувача та визначені простори для розділення приватної, командної та загальнодоступної інформації. Коли агент стикається з неоднозначним контекстом, система робить паузу і запитує схвалення у користувача перед продовженням.
Цей акцент на прозорості є частиною ширшого аргументу Mindstone проти непрозорих систем агентів. Як зазначив генеральний директор Джошуа Вуле у своєму дописі в LinkedIn: “Якщо агент збирається перебувати у вашому робочому просторі, запам’ятовувати ваш контекст і запитувати дозвіл перед тим, як змінити світ, ви повинні мати можливість бачити, як він працює. Не тому, що всі читатимуть код, а тому, що хтось може”.
Mindstone вказує на розгортання клієнтів як ранній доказ
Mindstone стверджує, що Rebel вже був розгорнутий у компанії Epignosis, яка налічує 250 співробітників, охоплюючи команди продажів, інженерії, продукту, фінансів та підтримки клієнтів.
“Вся організація сьогодні працює на Rebel”, – сказав Вуле VentureBeat.
За 12 тижнів розгортання Mindstone стверджує, що Epignosis повернула еквівалент потужності восьми повноцінних працівників. Компанія повідомляє, що впровадження поширилося органічно після того, як співробітники побачили, як колеги автоматизують трудомістку роботу, модель, яку співробітники назвали “ефектом картоплі”.
Випадок Epignosis є центральним у аргументі Mindstone про те, що корпоративні AI не слід розглядати як набір ізольованих особистих інструментів. Дизайн спільної пам’яті Rebel призначений для того, щоб дозволити робочим процесам переміщуватися між командами та покращуватися зі зростанням кількості користувачів.
“Межа між навчанням і дією розмивається – і це змінює все в масштабуванні”, – заявив генеральний директор Epignosis Дімітріс Цінгос у заяві, наданій VentureBeat компанією Mindstone.
Інформація про Mindstone
Mindstone Learning Limited, зі штаб-квартирою в Лондоні, була заснована у 2020 році під керівництвом генерального директора Джошуа Вуле, який раніше був співзасновником компанії з безпеки дітей SuperAwesome. Спочатку орієнтуючись на ринок споживчих освітніх технологій, компанія створила інструмент для курації контенту, схожий на “Spotify для навчання”, який використовував методології комплексного навчання.
Однак, після широкої комерціалізації платформ генеративного штучного інтелекту між 2022 і 2024 роками, Mindstone перейшла до корпоративного B2B-сектору. Керівництво виявило критичний бар’єр “останньої милі”: хоча AI-інструменти обіцяли значне підвищення продуктивності, традиційне корпоративне навчання не могло підготувати робочу силу для практичної інтеграції їх у щоденні операції.
Сьогодні Mindstone функціонує як комплексна корпоративна програмна екосистема та навчальна система, розроблена для максимізації корпоративного повернення інвестицій для існуючих AI-ліцензій. Архітектура продукту систематично адресує різні організаційні рівні через висококонтекстні “бойові” програмні додатки, а не абстрактні слайдові презентації.
Фінансово Mindstone використовує гібридну стратегію капіталізації, яка поєднує інституційний венчурний капітал від таких організацій, як Moonfire Ventures та Pearson Ventures, з краудфандингом акцій на основі спільноти на таких платформах, як Seedrs та Crowdcube.
Mindstone успішно проникла на корпоративний ринок, уклавши комерційні контракти з такими великими компаніями, як The Home Depot, Hyatt Hotels Corporation, Pearson та Ernst & Young.
Зрештою, Mindstone позиціонує себе як вирішальне протиотруту від корпоративної інерції, забезпечуючи, щоб організації мали необхідну внутрішню компетенцію для успішного проведення AI-трансформацій.
Ставка Mindstone: корпоративному AI потрібна спільна пам’ять, а не більше ліцензій
Rebel з’являється в той час, коли компанії намагаються перейти від експериментів з AI до операційної діяльності AI. Перша хвиля корпоративного впровадження була зосереджена на доступі: надання співробітникам чат-ботів, копілотів та підписок на моделі. Mindstone робить ставку на те, що наступна хвиля буде зосереджена на координації.
Це означає спільну пам’ять, багаторазові робочі процеси, локальний контроль, гнучке маршрутизацію моделей та вимірний бізнес-вплив. Це також означає надання підприємствам можливості перевіряти системи, яким їх просять довіряти.
Зараз перед компанією стоїть завдання виконання. Локальне програмне забезпечення може бути складнішим в управлінні, ніж хмарні SaaS. Спільна пам’ять викликає питання управління. Маршрутизація кількох моделей додає складності. І підприємствам все ще потрібні докази того, що агентні робочі процеси можуть забезпечити надійне підвищення продуктивності без створення проблем безпеки або відповідності вимогам.
Але Mindstone робить чітку заяву: купівля ліцензій AI – це не те саме, що побудова інфраструктури AI. Rebel – це їхня спроба перетворити розрізнені експерименти співробітників на операційний шар для роботи.
Як захиститися (Порада CryptoDom): Завжди перевіряйте та розумійте, які дані та до яких моделей (локальних чи хмарних) передаються вашими AI-агентами. Встановіть чіткі політики безпеки щодо використання AI, особливо для конфіденційної інформації, та використовуйте багаторівневу автентифікацію для доступу до корпоративних систем.
Подробиці можна знайти на сайті: venturebeat.com