CBTS запустила платформу Forge Agents, яка дозволяє компаніям створювати кастомних AI-агентів за кілька днів замість тижнів традиційної розробки. Продукт розрахований на бізнеси, яким потрібен агент під конкретний внутрішній процес, але немає ресурсу на місяці інтеграційної роботи власною командою. За даними SiliconANGLE AI, саме швидкість — головна відмінність Forge Agents від класичного підходу до побудови агентів.

Показово, що анонс зробила саме CBTS — компанія, яка традиційно продає managed IT-послуги та інфраструктурні рішення, а не AI-стартап із дослідницьким бекграундом. Коли конструктор агентів зʼявляється в портфелі постачальника загального профілю, це означає, що технологія достатньо визріла для стандартизації й упаковки в продукт, а не залишається територією вузьких спеціалістів. Такі партнерства зазвичай зʼявляються тоді, коли базова технологія вже пройшла фазу експериментів у вузькому колі AI-компаній і готова до масового тиражування через канали продажу, яким корпоративні клієнти вже довіряють.

Наш погляд: Forge Agents — ще один доказ комодитизації agent-tooling. Бар'єр входу для власних AI-агентів падає стрімко: те, що торік вимагало команди інженерів і кількох місяців, зараз стає послугою, яку можна замовити й отримати за дні.

Що саме змінилося з появою Forge Agents?

Головна зміна — часовий цикл: побудова кастомного агента перейшла з категорії «проєкт на тижні» в категорію «завдання на дні». За описом CBTS, платформа націлена саме на компанії, яким потрібен агент під конкретний бізнес-процес, а не універсальний асистент загального призначення. Це відрізняє Forge Agents від публічних чат-ботів на кшталт ChatGPT чи Claude: тут ідеться про вузько заточені інструменти, вбудовані у внутрішні системи замовника.

Чому взагалі можливо стиснути тижні до днів?

У галузі agent-tooling за останній рік зʼявився типовий набір будівельних блоків — готові конектори до корпоративних систем, шаблони оркестрації, стандартизовані шари памʼяті й контролю дій агента. Коли ці блоки вже існують у вигляді платформи, розробка перетворюється з написання коду на конфігурацію: команда клієнта підбирає готові компоненти під свій кейс замість того, щоб писати інтеграційний шар з нуля. Це та сама логіка, яка раніше стиснула терміни запуску сайтів і мобільних застосунків завдяки no-code та low-code інструментам.

Кому це реально знижує поріг входу?

В першу чергу — компаніям середнього розміру, у яких є бюджет на IT-послуги, але немає власної команди AI-інженерів. Раніше такий клієнт мав або наймати підрядника на місяці розробки, або чекати, поки постачальник корпоративного софту додасть потрібну функцію в дорожню карту. Платформа на кшталт Forge Agents перетворює обидва сценарії на замовлення конкретного агента з передбачуваним терміном постачання — днями, а не кварталами.

Що це означає для ринку agent-tooling?

Швидка комодитизація зменшує цінність самого факту «у нас є AI-агент» і переносить конкуренцію на якість інтеграції, безпеку доступу до даних і надійність у продакшені. Коли побудова агента займає дні, диференціація постачальників відбувається вже не на етапі «чи можемо ми це зробити», а на етапі «наскільки добре агент поводиться в реальних умовах компанії». Це, ймовірно, підвищить попит на інструменти моніторингу та аудиту дій агентів — але це наше припущення, а не факт із джерела. Для CIO це означає, що після впровадження Forge Agents варто одразу закладати процес перевірки дій агента, а не покладатися на те, що готова платформа сама подбає про безпеку.

Чи означає це, що агентів можна будувати без розробників?

Ні, платформа скорочує цикл розробки, але не усуває потребу в людях, які розуміють бізнес-процес і можуть перевірити коректність роботи агента перед запуском у продакшен.

Чим Forge Agents відрізняється від публічних AI-асистентів?

Forge Agents призначена для кастомних, вузько заточених агентів під внутрішні процеси конкретної компанії, а не для універсального чат-асистента загального призначення.

Що варто зробити командам, які будують агентів власними силами?

Стежити за тим, які частини agent-стеку стають комодитним товаром, і зосереджувати власну розробку саме на тому, чого готові платформи поки не пропонують, — глибокій інтеграції з унікальними даними компанії та контролі якості в продакшені.