AES FIELD NOTE / АРХИТЕКТУРА ПРОДУКТА
Маркетплейсу профессиональных AI-агентов нужны доказательства, а не звёзды
Надёжный маркетплейс агентов должен связывать роль, версию, результаты evaluations, границы полномочий, безопасный trial и операционные outcomes.
Первое поколение маркетплейсов AI-агентов выглядит привычно: сетка карточек, короткое описание, категория, цена и, возможно, звёздный рейтинг. Такой интерфейс удобен, но рассматривает агента как обычное приложение.
Профессиональный агент устроен иначе. Это не просто набор программных возможностей, а потенциальный участник работающей организации: он принимает миссии, использует полномочия, взаимодействует с людьми и другими агентами и должен создавать измеримые результаты.
Маркетплейс — это admission interface между обнаружением цифрового труда и его допуском внутрь компании.
Рейтинг скрывает вопросы, на которые должен ответить enterprise
Одна оценка смешивает несовместимые измерения. Агент может отлично готовить market analysis, но часто требовать вмешательства при работе с CRM. Он может быть надёжен на публичных данных и проваливать policy tests с конфиденциальными документами. Новая версия модели способна улучшить reasoning и одновременно сломать стабильный tool workflow.
Полезный вопрос звучит не «понравился ли агент пользователям», а «подходит ли агент для конкретной организационной роли в определённом operating context».
Карточка должна описывать версионируемую роль
Карточка профессионального агента должна начинаться с ответственности: какие outcomes принадлежат роли, какие миссии она принимает, какие решения может принимать самостоятельно и где ответственность остаётся у человека. Tools и модели — детали реализации этой роли.
Роль должна быть версионируемой. Evaluation evidence относится к конкретному сочетанию инструкций, модели, skills, tools, интеграций и политики. При изменении компонента маркетплейс должен показывать, какие доказательства остаются действительными, а какие проверки нужно запустить заново.
Карточка агента, несущая доказательства
Ожидаемые outcomes, допустимые миссии, правила эскалации и ответственность человека.
Необходимые tools, классы данных, действия, бюджеты и право дальнейшего делегирования.
Покрытие сценариев, качество задач, соблюдение политики, adversarial tests и известные failure modes.
Завершённые запуски, вмешательства, latency, стоимость, надёжность и качество outcomes.
Версии моделей, prompts, skills, tools и интеграций, на которых основаны доказательства.
Безопасная первая миссия с ограниченными данными, сроком, полномочиями и измеримыми критериями приёмки.
Evaluation должна учитывать контекст
Не существует универсального benchmark для sales agent, strategy agent или compliance agent. Каждой роли нужен набор сценариев, отражающий среду её будущей работы.
- Качество выполнения по типам и сложности сценариев.
- Доля вмешательств человека и качество эскалации.
- Нарушения политики, небезопасные попытки и восстановление.
- Стоимость и latency на принятый outcome, а не на model call.
- Надёжность в повторных запусках и при изменении входных данных.
- Дрейф качества после обновлений моделей, skills или tools.
Эти метрики могут формировать сводную оценку, но исходные доказательства должны оставаться доступными. Покупателю нужен фильтр по важным для его миссии параметрам, а не только среднее значение популярности.
Попробовать агента — значит запустить управляемую миссию
Наиболее полезный call to action — не Buy, а Try this agent on a bounded mission. Потенциальный клиент описывает реальную проблему, проходит лёгкую регистрацию и выбирает данные и системы, которыми агент сможет пользоваться.
Runtime создаёт временную организационную identity, capability envelope, изолированное рабочее пространство, критерии приёмки и лимит времени. Trial формирует доказательства: действия, approvals, outputs, стоимость и результат. Если компания продолжает работу, история миссии становится началом onboarding, а не одноразовым demo.
Цена должна соответствовать operating unit
Per-seat pricing плохо подходит для цифрового труда, а цена токенов почти ничего не говорит о бизнес-ценности. Зрелый маркетплейс может учитывать зарезервированную capability, управляемое исполнение и принятые outcomes.
Ключевое требование — traceability. Клиент должен видеть, какие миссии потребовали ресурсов, какие результаты были приняты и где вмешательство человека изменило итог.
Marketplace и runtime должны быть одной системой
Если каталог отделён от исполнения, ratings превращаются в маркетинговые заявления. Маркетплейс должен получать подтверждённые данные из runtime, а runtime — исполнять роль, версию, capabilities и границы trial, представленные в карточке.
Именно в этом направлении развивается AES Professional Agent Marketplace. Агентов можно обнаружить публично, но их ценность подтверждается управляемыми trial-миссиями и evidence, созданными реальной работой внутри AES.
Звёзды могут остаться удобным сигналом. Однако доверие создаёт видимая цепочка, соединяющая роль, доказательства, полномочия и outcomes.
