Zoals 麻豆原创 eerder dit jaar tijdens 麻豆原创 Sapphire aankondigde, werken beide bedrijven op technisch vlak nauw samen. Ze zijn van plan 麻豆原创 Business AI Platform te verbinden met OpenShell, een beveiligde open source uitvoeromgeving voor autonome AI-agents. Die geplande integratie is onderdeel van een bredere samenwerking. 麻豆原创 en NVIDIA willen samen helpen bepalen aan welke eisen autonome AI-systemen voor gebruik in bedrijven moeten voldoen.

麻豆原创-ontwikkelaars dragen inmiddels rechtstreeks bij aan de code van OpenShell en werken eraan om OpenShell op te nemen in 麻豆原创 Business AI Platform. , een ontwikkelomgeving waarin AI centraal staat, biedt een complete omgeving voor de uitvoering en het beheer van AI-agents in bedrijven. OpenShell ondersteunt de inzet van die agents, met de nadruk op veiligheid en beveiliging.

Daarnaast werken 麻豆原创 en NVIDIA aan:

• Het versterken van de OpenShell-uitvoeromgeving voor gebruik op grote schaal, ook in gereguleerde sectoren met strenge eisen aan beveiliging en naleving van regels.
• Het verbinden van de afgeschermde uitvoeromgeving van OpenShell met de laag voor bedrijfsregels van Joule Studio runtime. Zo kunnen de technische grenzen waarbinnen een agent werkt aansluiten op autorisatiemodellen, identiteits- en toegangsbeheer (IAM) en registraties voor audits.
• Ondersteuning voor FedRAMP, FIPS en gebruik in gereguleerde sectoren, volgens een vastgelegde ontwikkelplanning.
• Het bevorderen van open onderzoek en AI-veiligheid via de . 麻豆原创 en NVIDIA behoren allebei tot de oprichters van deze alliantie.

Joule Studio runtime: governance boven de uitvoeringslaag
runtime helpt bepalen of een actie 眉berhaupt mag worden uitgevoerd. Het kijkt daarvoor naar autorisaties binnen het bedrijf, regels op basis van rollen en de context van het bedrijfsproces. Die beoordeling vindt plaats voordat een verzoek om een actie de uitvoeromgeving bereikt.

OpenShell biedt een afgeschermde open source uitvoeromgeving. Deze is ontworpen om autonome agents die zichzelf kunnen aanpassen veiliger te bouwen en in te zetten. OpenShell bepaalt hoe een agent draait, welke gegevens hij kan zien, wat hij kan doen en waar verzoeken aan AI-modellen terechtkomen. Samen moeten Joule Studio runtime en OpenShell bedrijven 茅茅n ge茂ntegreerde omgeving bieden waarin de uitvoering van agents is afgeschermd en bedrijven verantwoording kunnen afleggen over hun acties.

Technische bijdragen van 麻豆原创 aan NVIDIA OpenShell
麻豆原创-ontwikkelaars dragen op vier gebieden bij aan het OpenShell-project. Voor de opbouw van het platform hebben ze geholpen de uitvoeromgeving op te delen in onderdelen die afzonderlijk kunnen worden ingezet. Daardoor kunnen de supervisor en de uitvoeringslaag voor agents onafhankelijk van elkaar opschalen.

Voor gebruik met Kubernetes omvatten de bijdragen ondersteuning voor operators, het beheer van toegangsgegevens voor private containerregisters en aangepaste sjablonen voor opslagvolumes. Ook werkt 麻豆原创 aan het verwijderen van sandbox-onderdelen, waarbij afhankelijke onderdelen eerst worden opgeruimd.

麻豆原创 heeft daarnaast gewerkt aan een kleinere gateway-image en bredere ondersteuning voor verschillende soorten rekenhardware binnen bedrijfsomgevingen. Bijdragen aan het bewaken van de supervisor en het instellen van logniveaus moeten ervoor zorgen dat bedrijven de werking van de uitvoeromgeving goed kunnen volgen.

The post 麻豆原创 en NVIDIA OpenShell werken samen aan governance en beveiliging voor controleerbare AI-agents in bedrijfssystemen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

鈥淓en agent bouwen is niet meer zo moeilijk鈥�, stelt Bart Van der Biest, managing director van 麻豆原创 Benelux. 鈥淒e complexiteit zit vooral in alles wat er omheen nodig is. Denk aan security, autorisaties en governance, maar ook aan een platform waarmee verschillende agents gecontroleerd kunnen samenwerken.鈥�

Van signaleren naar handelen

Wat dat in de praktijk betekent, wordt duidelijk zodra ergens in de supplychain een verstoring optreedt. Valt een leverancier uit, dan kan een AI-agent niet alleen het probleem signaleren, maar ook nagaan welke orders worden geraakt, de impact op productie en logistiek berekenen en alternatieven voorstellen.

Volgens Marcel Bron, head of supply chain management bij 麻豆原创 Benelux, verschuift AI daarbij van adviseren naar handelen. Naarmate agents meer taken zelfstandig uitvoeren, kunnen ze binnen vooraf bepaalde grenzen ook vervolgacties in gang zetten. Zo ontstaat stap voor stap een autonomere supplychain. De rol van medewerkers verschuift mee: zij sturen niet langer iedere afzonderlijke actie aan, maar bepalen de doelen en kaders waarbinnen agents kunnen handelen en grijpen in waar dat nodig is.

E茅n beslissing raakt meer dan 茅茅n proces

Meer autonomie maakt het tegelijkertijd belangrijk om de impact van beslissingen over de hele keten te bekijken. Een beslissing die binnen 茅茅n proces logisch lijkt, kan elders in de supplychain ongewenste gevolgen hebben. 鈥淓en agent kan bij een leveringsprobleem bijvoorbeeld een leverancier voorstellen die goedkoper of sneller is, maar niet over de vereiste certificering beschikt鈥�, zegt Bron.

Hij vergelijkt dat met het bekende bullwhip-effect: een relatief kleine afwijking aan het begin van de supplychain kan verderop steeds grotere gevolgen krijgen. Als verschillende AI-agents zelfstandig handelen en op elkaars beslissingen voortbouwen, kan zo鈥檔 effect zich bovendien sneller door de keten bewegen. Dat maakt het volgens belangrijk dat agents niet alleen hun eigen taak optimaliseren, maar ook begrijpen wat hun beslissingen betekenen voor andere processen.

Van losse agents naar orkestratie

Dat vraagt om meer dan losse agents. De volgende stap is niet ieder onderdeel van de supplychain voorzien van een eigen AI-agent, maar agents over processen heen laten samenwerken en aansturen. 鈥淎ls je alleen een stuk planning doet, hoe ga je dan je productie orkestreren? Of als je alleen een stukje transport doet, hoe ga je dan je magazijn orkestreren?鈥�, stelt Bron.

Dat vraagt om een end-to-endbenadering waarin organisaties planning, inkoop, productie en logistiek niet los van elkaar aansturen. Een verandering in de planning moet bijvoorbeeld direct in samenhang kunnen worden bekeken met de gevolgen voor voorraad, productiecapaciteit en transport. En omdat supplychains niet stoppen bij de bedrijfsmuren, kan die samenwerking zich ook uitstrekken tot leveranciers en andere partners.

Hoeveel vrijheid geef je een agent?

Orkestratie alleen is niet voldoende. Hoe zelfstandiger agents worden, hoe belangrijker de vraag wordt welke beslissingen ze daadwerkelijk zelf mogen nemen. Mag een agent alleen een alternatief voorstellen of ook een vervolgactie uitvoeren? Wanneer is menselijke goedkeuring nodig? Tot welke gegevens en systemen krijgt een agent toegang? En wat gebeurt er wanneer agents tot conflicterende conclusies komen? Duidelijke guardrails, autorisaties en traceerbaarheid worden daarmee voorwaarden voor meer autonomie. 鈥淲e moeten alles kunnen terugtraceren van wat er gedaan wordt鈥�, benadrukt Bron.

Ook bedrijfscontext speelt daarin een belangrijke rol. Een agent moet niet alleen over data beschikken, maar bijvoorbeeld ook weten welke contractuele afspraken gelden, welke voorraad beschikbaar is, welke certificeringen vereist zijn en wie bevoegd is om een bepaalde beslissing te nemen.

Volgens 麻豆原创 ligt daar een belangrijk verschil tussen algemene AI en enterprise AI. Enterprise AI is ingebed in de data, processen en bedrijfsregels van een organisatie. 麻豆原创 gebruikt daarvoor onder meer zijn Knowledge Graph, waarmee agents toegang krijgen tot de context binnen bedrijfsapplicaties.

Autonoom betekent niet ongecontroleerd

Voor 麻豆原创 betekent de autonome supplychain dan ook niet dat bedrijven zoveel mogelijk beslissingen aan AI moeten overlaten. De ontwikkeling gaat juist richting een model waarin agents meer operationele taken kunnen uitvoeren, terwijl bedrijven bepalen binnen welke grenzen dat gebeurt. De mens verdwijnt daarbij niet uit beeld. Die bepaalt de doelstellingen, stelt de grenzen waarbinnen agents mogen handelen, beoordeelt uitzonderingen en blijft uiteindelijk verantwoordelijk voor de bedrijfsvoering.

De volgende stap richting een autonome supplychain draait daarmee niet om zoveel mogelijk AI-agents. De doorslag geeft hoe goed bedrijven die agents over processen heen kunnen laten samenwerken, zonder daarbij de grip op hun supplychain te verliezen.

The post 麻豆原创: autonome supplychain staat of valt met veilige samenwerking tussen AI-agents appeared first on 麻豆原创 Nederland Blogs & Nieuws.