呢個市集賣嘅唔係模型，而係預先組裝、預先認證、可以「並排」同員工一齊開工嘅 agentic AI（能自主執跑任務嘅 AI 代理）。
公司話呢批 AI 同事涵蓋四大範疇：雲基礎設施、存取管理、安全、裝置營運。首批 lineup 有五個角色：enterprise operations AI coworker、CloudOps engineer、AccessOps manager、SecOps manager、DeviceOps manager，可以落手落腳嘅系統包括 AWS、Microsoft Azure、Google Cloud Platform、Okta、Active Directory、Splunk 同 Google SecOps。
Atomicwork 嘅賣點係「認證」：佢哋話大部分 AI-native ITSM 廠商嘅 agent 只係「寫喺單上面」，冇實證過對目標系統嘅覆蓋。佢哋嘅認證流程會先驗證每個 coworker 喺部署前已擁有該職位需要嘅系統整合同技能覆蓋，唔係只放張 capability card。
CEO 兼共同創辦人 Vijay Rayapati 對 SiliconANGLE 話：「今日大部分 AI-native ITSM 廠商對 agent 成效冇乜可以拿出嚟展示——掛喺單上面等於『呢個 agent 會行』，唔等於『呢個 agent 真係有實證、經過測試同微調過嘅企業實際場景覆蓋』，呢啲就係企業對 agentic 宣稱持保留態度嘅原因。」
公司話每條 coworker 出廠時已內置該職位需要嘅技能同整合，減少 IT 團隊本身要接線、驗證流程嘅工作量。呢批 agent 可以快速針對內部基礎設施、企業文化、專業知識同業務邏輯做調整。喺 IT 同安全團隊監督之下，佢哋可以處理大量重複性營運工作。公司補充，admin 對 agent 管理保留完全控制權，可以決定 agent 可以接觸邊個系統、可以做邊啲動作、點治理。
資料圖片：Pixabay
速度方面，公司話用咗存取自動化嘅客户已有成效：唔需要審批嘅申請，中位處理時間約 18 秒；需要審批嘅約 2.5 小時。公司引業界標嘍作對比，指受業務成熟度同應用風險影響，業界標準要一日到三個工作日，視乎後端自動化程度。
呢個市集係 Atomicwork 一個更大生態嘅第一步。公司話第三方將可以透過 Model Context Protocol store 同 skill registry 貢獻技能同整合，擴大 coworker 能力。公司表示呢次發布係朝第三方 AI coworker 市集邁進嘅第一步。
Atomicwork 2022 年成立，出發點就係 IT 同安全團隊大量過程密集、長流程嘅工作可以自動化，公司將自家 agentic coworker 拿去真實企業場景測試，俾企業一條更快嘅路徑去部署 AI 同事，唔使由零開始開發驗證。
阿調搞兩下
呢個 launch 入面，最實際嘅問題唔係 18 秒定 2.5 小時——呢兩個數字係公司自家講，未獨立驗證。最實際嘅問題係：呢個「認證」係乜？邊個 certify？certify 嘅標準、測試場景、被測樣本，有冇公開？公司講「verified coverage」，但冇交代驗證係咪第三方、係咪重複可測試、失敗咗會點。
資料圖片：Pixabay
再講，佢哋話 admin 保留「完全控制」——決定 agent 可接觸邊個系統、做邊啲動作、點治理。但邊個決定邊個系統「應該」被接觸？呢個係治理，唔係 access control。一個 agent 被授權觸及 Okta 同 Active Directory，即係觸及企業身份系統。呢度嘅風險唔係 agent 行唔行，而係授權邊度止、審計點做、出錯邊個執手尾。呢啲公司冇講。
MCP store 同 skill registry 允許第三方貢獻技能——呢個係一個生態，就係一個攻擊面。邊個審核第三方 skill？一個未經審核嘅第三方 skill 接入 SecOps manager，即係畀人喺安全系統入面留後門。公司未講第三方 skill 嘅審批流程。
對用户：呢個係廠商公關稿，冇獨立測試紀錄。18 秒中位係公司聲稱，未獨立查證。用前，問邊個測試過、點測試、邊個 audit。
阿調｜深度調教
