Под «агентами» здесь имеют в виду большую языковую модель с доступом к инструментам и внутренним системам: CRM, документообороту, HR, почте, календарю. Агенты умеют запрашивать, обрабатывать, передавать друг другу данные и перепроверять результаты работы, выстраиваясь в цепочки. Взаимодействие с агентами идёт через сайты, чаты, мессенджеры, голосовые интерфейсы и API, так что встроить можно почти в любой интерфейс. Для их создания есть визуальный no-code конструктор.
Под капотом у MWS AI есть собственный стек моделей: линейка Cotype, распознавание и синтез речи, речевая аналитика, инструменты для подготовки и разметки данных, дообучения моделей и мониторинга. Но платформа изначально задумана так, чтобы пользователь не зависел от одного вендора — её можно развернуть в закрытом контуре или частном облаке и подключать как модели MWS AI, так и сторонние большие языковые модели, заменяя часть компонентов на свои.
Недавно мы писали про эксперимент, где команда решила задачу на миллион шагов не одной «супермоделью», а роем узких ИИ-агентов, у каждого из которых была своя роль и зона ответственности. Логика у MWS AI примерно такая же: рынок развивается в сторону цепочек из нескольких специализированных агентов, которые вместе решают поставленную задачу. Крупные вендоры вроде Salesforce и Atlassian, с которыми мы общались на конференциях, делают то же самое — строят агентные пайплайны, интегрированные в корпоративные данные и инструменты. В России пока подход только развивается.