Av og til dukker det opp et unikt prosjekt som får kjøre sitt eget løp. AI har for det meste ikke vært noe annet enn terminaler i chatgpt-stil og kreativ bilde-/videogenerasjon. Vi har hørt i flere måneder at vi er på nippet til at alle mister jobben på grunn av AI. Ja, det har gjort alle 10 ganger i produktivitet, men vi har ikke erstattet folk i arbeidsstyrken fullt ut. Hvorfor? De dominerende AI-assistentene i dag, fra chatbots i en nettleser til eksperimentelle «agent»-rammeverk, er sterke i samtale, men strukturelt begrenset i utførelse. De er vanligvis avhengige av en nettleser eller et enkelt skriptmiljø for å utføre oppgaver. Selv om dette fungerer for å hente informasjon eller grunnleggende nettautomatisering, sliter disse agentene med komplekse flertrinnsprosesser og bryter ofte når ting avviker fra deres begrensede bane. Nåværende AI-agenter mislykkes fordi de mangler vedvarende minne og feiltoleranse, når de står overfor uventede feil, kan de ikke gjenopprette eller tilpasse seg, og stopper ofte eller går i sløyfe på ubestemt tid. De fleste opererer i begrensede nettleserbaserte miljøer og har ikke tilgang til hele spekteret av bedriftsprogramvare, noe som gjør det rutinemessige arbeidet utenfor deres rekkevidde. Derfor har vi ikke sett AI erstatte hverdagslige bedriftsroller som kundestøtte og administrasjon. Ikke på grunn av mangel på kapasitet i selve AI-modellene, men fordi rammeverkene rundt dem ikke er pålitelige nok for kritiske arbeidsflyter. Så hva trengs? En ny systemarkitektur. En som tar for seg feiltoleranse, minne, tilgang, isolasjon og effektivitet i et enkelt rammeverk. I stedet for å stoppe opp ved første uventede input, bør de fange opp feil, tilpasse seg og prøve forskjellige metoder på nytt, omtrent som mennesker gjør når ting går galt. For å skalere AI til reelle arbeidsflyter, trenger den vedvarende minne og oppgavesporing for å fungere pålitelig over lang varighet. De krever også full tilgang til økosystemet, utover nettleserverktøy for å bruke den samme programvaren som mennesker gjør, inkludert skrivebordsapplikasjoner. Uten sikker isolasjon kan ikke agenter operere trygt i dedikerte miljøer, noe som gjør distribusjon i stor skala risikabelt på grunn av potensiell interferens på tvers av systemer. Hvis de vil at kjøretiden skal være konsistent og effektiv, trenger de også smart ressursstyring som behandler datamaskiner som en levende fungerende kropp. For de som koblet sammen punktene, bringer @Codecopenflow nylige Fabric-utgivelsen alt dette sammen, og gir AI-agenter pålitelige, fullt dedikerte operativsystemer (OS) som kombinerer den kognitive kraften til avanserte modeller med infrastrukturen de trenger for å fungere som pålitelige digitale arbeidere. Stoff i seg selv kan være en helt uavhengig lisensiert programvare. Den forvandler agenter fra nettleserbundne skript til autonome operatører med full tilgang på OS-nivå. På samme måte som en DEX-aggregator ruter den mest effektive prisen til deg, er Fabric rutinglaget som betjener Codecs dype nivåarkitektur. Du viser CPU, GPU, minnebehov og eventuelle regionpreferanser. Dette betyr å finne de mest kostnadseffektive serverne som AWS/google cloud eller GPU-ressurser fra Render/IO-nettet. Codec gir rene SDK-er og en API for full kontroll over disse AI-operatørene. Et selskap kan integrere Codec-agenter i sin eksisterende programvarepipeline (for eksempel spinne opp en agent for å håndtere en brukerforespørsel, og deretter spinne den ned) uten å måtte finne opp infrastrukturen på nytt. I kundestøtte kan agenter administrere hele arbeidsflyter, spørringsløsning, CRM-oppdateringer, refusjoner, redusere lønnskostnadene med opptil 90 % samtidig som de forbedrer konsistens og oppetid. For forretningsdrift automatiserer Codec repeterende administrative prosesser som fakturahåndtering, HR-oppdateringer og forsikringskrav, spesielt i sektorer med høyt volum som finans og helsevesen. Ved å fokusere på et fullstendig isolert miljø med flere apper for hver AI-operatør, er ikke AI begrenset av de kritiske problemene med pålitelighet og integrasjon som tidligere rammeverk ikke kunne løse. I hovedsak gjør cloud computing-infrastruktur til et fleksibelt samlebånd for AI-arbeidere. Hver "arbeider" får de riktige verktøyene (apper, OS, datatilgang) og en sikkerhetssele (isolasjon + feilhåndtering) for å gjøre jobben sin. Hver forbedring i AI-modeller (GPT-5 osv.) øker bare verdien av Codecs plattform, fordi bedre "hjerner" nå kan kobles til denne sterke "kroppen" for å utføre enda mer komplekse jobber. Codec er modellagnostisk (fungerer med alle AI-modeller), så den kan dra nytte av den generelle AI-fremgangen uten å være bundet til en enkelt leverandørs skjebne. Vi er ved et vendepunkt som ligner på de tidlige dagene med cloud computing. Akkurat som selskapene som leverte plattformene for skyen (virtualisering, AWS sin infrastruktur osv.) ble uunnværlige for bedrifts-IT, vil et selskap som tilbyr plattformen for AI-agenter å operere fange et enormt marked. OpenAI har allerede gitt ut en fullstendig agentisk skykodingsterminal kalt Codex. Codex vil være en mini lokal versjon av Codex du kan kjøre på datamaskinen din, men enda viktigere er at Codex sin primære modell vil være i skyen med sin egen datamaskin. Medgründeren av OpenAI mener at de mest suksessrike selskapene i fremtiden vil være disse to typene arkitektur slått sammen. Høres kjent ut. Hva blir det neste? I stedet for å fortelle deg hva som er det neste, er det kanskje bedre at jeg peker på det vi ikke har sett ennå: - Ingen bekreftet token-verktøy - Ingen insentiver - Ikke noe kjerneveikart - Ingen demoer - Ingen markedsplass - Minimale partnerskap Med tanke på hvor mye som er i pipelinen sammen med nye nettsteder, oppdaterte dokumenter, dypere likviditetspooler, fellesskapskampanjer/markedsføring og robotikk. Codec har ikke avslørt mange kort ennå. Klart det kan være flere ferdige nettleserbaserte produkter på markedet for tiden, men hvor lenge til de er foreldet? Dette er en investering i retning av AI og den primære arkitekturen som vil erstatte menneskelige arbeidsstyrker. Kodek kodet.