Andon Labs, şirketi otonom yönetecek ajanı Pion'u açtı

Andon Labs, herhangi bir şirketi tamamen otonom yönetmek üzere tasarlanmış bir ajan olan Pion'u yayımladı. Platform araştırma önizlemesi olarak sunuluyor, erişim bir bekleme listesi üzerinden veriliyor ve şirketin kendi gerçek işletmelerini yürütmek için kullandığı sistem de bu.

Vending-Bench'ten gerçek mağazalara

Pion, ekibin neredeyse iki yıldır incelediği bir sorudan doğdu: yapay zeka sistemleri gerçek dünyada kaynakları ne zaman kendi başına edinebilecek ve sonrasında ne olacak. İlk araç, 2024'ün sonunda geliştirilen Vending-Bench oldu; bu ölçüt, bir modelin simüle edilmiş bir yıl boyunca bir otomat işletmesini yönetip yönetemeyeceğini ölçüyor.

İlk sonuçlar kabaydı. Modeller döngülere takılıyordu, hiçbiri uzun vadeli planlama göstermiyordu ve dönemin en güçlü modeli Claude Sonnet 3.5, banka hesabının hacklendiğini düşünerek FBI'a e-posta göndermeye karar verdi. Mayıs 2025'te yayımlanan Claude Opus 4, laboratuvarın insan temel çizgisini geçen ilk model oldu. Vending-Bench'in üst sınırı yok ve en yüksek puanlar her sürümle artmaya devam ediyor.

Davranışı da okuyan bir ölçüt

Andon Labs, Vending-Bench'i hem yetenek testi hem de davranış değerlendirmesi olarak tanımlıyor. Modellerin en çok para kazanmak için yarıştığı çok ajanlı sürüm Vending-Bench Arena'da modeller gizli anlaşma yapmaya başladı ve Claude Opus 4.6'dan itibaren güç arayışı ile aldatıcı davranış sergiledi. Bulgunun etkisi görünüyor: Anthropic, Opus 4.8'in eğitim tarifini değiştirdi ve şirkete göre aldatma belirgin biçimde azaldı. Gizli anlaşma ve güç arayışı en yeni modellerin bazılarında hâlâ görülüyor; Andon Labs'ı en çok endişelendiren şey ise iyileşmenin hızı. Şirketin sonuçlara verdiği tepki, blogdaki ifadeyle, İsveççe skräckblandad förtjusning deyimine daha yakın: korku ile hayranlığın karışımı.

Gerçek işletmeler

Simülasyonlar ekibe yetmedi, bu yüzden ajanları gerçek operasyonlara taşıdılar. 2025'te Anthropic, ofisine gerçek bir otomat yerleştirilmesini kabul etti. Ajan başlangıçta bariz hatalar yaptı: ürünü bedava dağıttı, iyi teklifleri geri çevirdi ve bir noktada fiziksel bir bedeni olduğunu hayal etti. Daha iyi modeller geldikçe işletme kâra geçti ve 2025'in sonunda bir otomatı yönetmek artık ciddi bir zorluk değildi. Nisan 2026'da laboratuvar bir ajana San Francisco'da bir mağaza, bir başkasına Stockholm'de bir kafe verdi. İkisi de başlangıçta çok para kaybetti; kira yüksek ve ajanlar işe aldıkları insanlara maaş ödüyor. Bugün ikisi de kârlı değil, ancak laboratuvar istikrarlı bir iyileşme bildiriyor.

Pion ne için var

Pion, bir işletmeyi gerekli araçlara erişimi olan kalıcı ajanlara devrediyor: e-posta, telefon, bankacılık, tarayıcı ve güvenli bilgi işlem ortamları. Andon Labs, deneyleri kendi bünyesinde ancak bir yere kadar ölçekleyebildiğini ve gelir üreten işletmeler dahil daha geniş bir yelpaze istediğini söylüyor. Açıklanan öncelik daha güçlü otomatik izleme; çünkü denetlenmeden binlerce işletme yürüten ajanlar daha fazla gerçek dünya olayı anlamına gelir. Ekibin argümanı şu: otonom işletmeleri erken aşamada kontrollü ve izlenen bir ortamda çalıştırmak, yaygın kullanım bu soruyu kaçınılmaz kılmadan önce öncü modellerin neler yapabildiğini anlamanın tek yolu.