Grep AI sola par 91% lētāku aģentu darbu — izņēmumi joprojām nonāk pie cilvēka

Grep AI 2026. gada 13. oktobra paziņojumā vēstīja par publisku startu Y Combinator rudens programmā un savu ieceri raksturoja ar vārdiem “self-improving agents for repetitive work that requires judgment”. Šeit pašuzlabošanās nozīmē atkārtotu darba soļu pārcelšanu no modeļa spriešanas uz atkārtoti lietojamu kodu un darbplūsmām. Uzņēmums ir publiskojis šīs pieejas izmaksu salīdzinājumu AML brīdinājumu pārbaudei.

Grep AI AML mērījuma aprakstā ziņo, ka 100 brīdinājumu salīdzinājumā vidējās modeļa izmaksas par brīdinājumu kritās no 2,89 ASV dolāriem Claude aģentam līdz 0,25 dolāriem AgentRun darbplūsmai jeb par 91%; atsevišķam brīdinājumam ar 24 ierakstiem izpilde saruka no 51 līdz aptuveni trim minūtēm, rīku izsaukumi — no 826 līdz aptuveni 30, bet padziļināti izpētītie ieraksti — no 24 līdz diviem; neatrisināmas lietas paredzēts nodot spēcīgākam aģentam vai procedūrā noteiktajai pārbaudei. Ja procedūra prasa cilvēka lēmumu, īsākais automatizētais ceļš šo posmu neaizstāj.

Ko rāda brīdinājumu salīdzinājums

Izmaksu mērījuma vienība ir viens brīdinājums, bet publicētais skaitlis ir vidējais visā pārbaudītajā kopā. Salīdzinātas divas atšķirīgas izpildes konfigurācijas: vispārējs Claude aģents un AgentRun vadīta darbplūsma. Tādēļ rezultātu nevar piedēvēt tikai mazākam modelim vai tikai īsākai uzvednei; mainījies pats darba sadalījums starp kodu, lēmumu modeļiem un plašāku izpēti. Uzņēmuma izmērītās modeļa izmaksas neatbild uz jautājumu, cik maksā pabeigta brīdinājuma izskatīšana.

Publicētie laika, rīku izsaukumu un izpētīto ierakstu rādītāji attiecas uz vienu ilustrētu gadījumu. Tie nav visas pārbaudītās kopas vidējais izpildes laiks vai vidējais izsaukumu skaits. Atšķirība parāda, kur šajā piemērā pazuda atkārtotie izmeklēšanas soļi, bet pati par sevi nepasaka, vai pārējās iespējamās sakritības bija droši atmetamas. Šādu atbildi varētu dot lēmumu kvalitātes mērījums par visu pārbaudīto kopu.

Izmaksu bilancē ir vēl viena sastāvdaļa. Founderland 2026. gada 17. oktobra apskatā, atsaucoties uz līdzdibinātāja publiskoto informāciju, minēti 1049 ASV dolāri modeļa lietojumam darbplūsmas optimizācijas posmā; apskats arī raksturo AML salīdzinājumu kā uzņēmuma iekšēju testu. Sākotnējā optimizācijas izmaksa atšķiras no turpmāko brīdinājumu vidējās izpildes cenas. Ja darbplūsma mainās bieži vai apstrādā maz gadījumu, šiem sākotnējiem tēriņiem var būt lielāka ietekme uz kopējo ekonomiku nekā ietaupījumam vienā izpildē.

Kā atkārtots darbs pārtop lētākā plūsmā

Mehānisma pamatā ir iepriekšējo izpildes reižu pēdas. No tām tiek veidots atkārtoti izmantojams uzdevuma plāns: paredzamus soļus izpilda kods, ierobežotus izvēles punktus apstrādā lēmumu modeļi, bet plašāku spriešanu atstāj sarežģītākām lietām. Tas samazina vajadzību katru līdzīgu brīdinājumu sākt ar jaunu, atvērtu izpēti. Mazāks rīku izsaukumu un padziļināti izpētīto ierakstu skaits ilustrētajā gadījumā atbilst šādai darba pārdalei.

Šādā sistēmā “mācīšanās” nenozīmē, ka katrs pabeigtais gadījums automātiski pārraksta pamatmodeli. Mainās izpildes procedūra ap modeli: saglabātais darba plāns, tā atzari un informācija, ko aģents izmanto nākamajā reizē. Tas ir būtisks nošķīrums finanšu darbā, jo ietaupījums rodas no mazāka nevajadzīgu darbību skaita, bet risks rodas vietā, kur plāns nolemj tālāku pārbaudi izlaist. Līdzīga modeļa izmaksu atšķirība dažādām brīdinājumu kopām var slēpt ļoti atšķirīgu faktiski paveiktās pārbaudes apjomu.

Izņēmumi saglabā ceļu līdz cilvēkam

Optimizētajai plūsmai vajadzīgs skaidrs nodošanas punkts. Ja vieglākais lēmumu modelis nevar atrisināt gadījumu, to var pārņemt spēcīgāks aģents; ja procedūra prasa speciālista vērtējumu, lieta nonāk pie cilvēka. Cilvēka loma līdz ar to koncentrējas uz lietām, kurās trūkst pārliecinošu pierādījumu, parādās pretrunīga informācija vai jāpieņem procedūrā īpaši rezervēts lēmums. Ne katrs izņēmums automātiski nozīmē cilvēka iesaisti, jo daļu var izpētīt spēcīgāks aģents.

Izņēmumu īpatsvars vienlaikus ietekmē izmaksu rezultātu. Biežāka nodošana palielinātu dārgākas izpētes un speciālistu darba apjomu; retāka nodošana būtu vērtīga tikai tad, ja sistēma nepalaistu garām patiesas riska sakritības. Publiskajā salīdzinājumā nav atsevišķa nodošanas biežuma vai kļūdainu lēmumu rādītāja, ar kuru varētu sasaistīt zemāku modeļa rēķinu ar pārbaudes kvalitāti. Tās ir atšķirīgas mērvienības: vienas raksturo izpildes cenu, otras — to, vai pareizie gadījumi saņem papildu uzmanību.

Ko mērījums nozīmē finanšu uzņēmumam

Latvijas un citu Eiropas valstu finanšu tehnoloģiju uzņēmumiem šis piemērs rāda izmērāmu optimizācijas virzienu, ja brīdinājumu pārbaudē atkārtojas tie paši informācijas vākšanas un salīdzināšanas soļi. Ietaupījuma pārnesamība tomēr ir atkarīga no pašu brīdinājumu sastāva, piekļuves datiem, lietoto modeļu cenām un noteikumiem par cilvēka iesaisti. Mainoties jebkuram no šiem lielumiem, mainās gan īsā izpildes ceļa izmantošanas biežums, gan kopējās izmaksas uz vienu pabeigtu lietu.

Publicētais tests dod atskaites punktu konkrētu konfigurāciju modeļu tēriņiem un parāda, kā var saīsināt vienu izpildes ceļu. AML darba pārņemšanai šādā plūsmā izšķiroši būtu arī salīdzināmi dati par nepamanītām patiesām sakritībām, nepamatoti paceltiem brīdinājumiem un cilvēkam nodoto lietu daļu. Šie rādītāji noteiktu, vai mazākais modeļa rēķins pārvēršas zemākās kopējās izmaksās, saglabājot vajadzīgo pārbaudes kvalitāti.

Lasiet arī:

• Autoheal piesaista 7,9 miljonus — aģenti pārņem darbu pēc koda izmaiņām
• IBM Bob nonāk aiz uzņēmuma ugunsmūra — modelis tomēr jāizvēlas pašam
• OpenAI aģentu spieti skāra ārējas datubāzes — robežas vēl nav skaidras