Track 01
Distributed AGI Systems
Как множество моделей, агентов, людей, данных и инструментов могут работать как единая интеллектуальная система.
Лаборатория
искусственного
интеллекта IRI
в Новосибирске.
Мы внедряем целенаправленные инновации в области применения искусственного интеллекта — используя 19+ лет опыта и глубокие ноу-хау. Превращаем сложные задачи в практические решения с реальными результатами.
— Тезис лаборатории
AGI — не модель. AGI — это runtime: операционный слой, где модели, агенты, память, задачи, инструменты и люди работают как единая распределённая система.
— Поле работы
Distributed intelligence, persistent memory, agent coordination, runtime evaluation, AI-native organisations.
SHIFT 01
От моделей к системам
SHIFT 02
От агентов к координации
SHIFT 03
От промптов к runtime
SHIFT 04
От ответов к состоянию
§ 01
Тезис лаборатории
Два пути к AGI.
Только один — архитектурный.
OpenAI, Anthropic, Google, Яндекс, Сбер — все идут одним и тем же путём: больше параметров, больше контекста, один централизованный мозг. Это масштабирование. Это не архитектура.
Один мозг не удерживает состояние компании, проекта или жизни. Он не помнит между сессиями. Он не ведёт задачи. Он не маршрутизирует решения между людьми и процессами. Он отвечает — но не работает.
Агенты — не следующий уровень. Агенты — это процессы. Следующий уровень — среда, в которой агенты существуют: с памятью, ролями, маршрутизацией, правилами и человеком в контуре.
Это и есть Intelligence Runtime. И это, по нашей гипотезе, единственный реальный путь к AGI.
«AGI — это не модель. AGI — это runtime: среда, в которой множество интеллектуальных компонентов работают как один организм».
— Operating thesis, IRI Lab
2026
— Centralised path
Одна большая модель → ограничена контекстом → не помнит → не действует автономно → не масштабируется на реальные процессы.
— Distributed path · IRI
Runtime как операционный слой → сеть агентов с ролями → общая память → реестр задач → маршрутизация → человек в контуре.
§ 02
Архитектура · Intelligence Runtime
Операционный слой
координированного интеллекта.
Intelligence Runtime — не фреймворк и не библиотека. Это операционная среда, которая управляет интеллектом как системой: кто что делает, что помнит, какое следующее действие, кто принимает решение.
§ 03
Слои runtime
Восемь слоёв одной
операционной среды.
Не модули. Не подсистемы. Восемь координат, в которых живёт распределённый интеллект.
L 00
Intelligence Runtime · ядро
Состояние системы, маршрутизация, правила, роли, контекст и контроль человека в контуре. То, чего нет ни у одной модели по отдельности.
CORE / OS layer
L 01
Модели
LLM как вычислительные ядра. Не один мозг — маршрутизация задач между моделями по ролям, цене и контексту.
Compute
L 02
Агенты
Автономные процессы с ролями, зонами ответственности и правилами. Агент ведёт участок, а не отвечает на вопросы.
Roles · processes
L 03
Память
Персистентная общая память: решения, контекст, история, факты, проекты, люди. Не исчезает между сессиями и моделями.
State across time
L 04
Задачи
Реестр с ID, статусами, владельцами. Агент берёт — выполняет — закрывает — фиксирует результат.
Work registry
L 05
Маршрутизация
Сигнал → система решает: какой агент, какая модель, нужен ли человек. Без ручного управления и ручных промптов.
Orchestration
L 06
Инструменты
Доступ к данным, CRM, почте, календарю, репозиториям, документам, внутренним системам. Runtime управляет правами и контекстом.
External world
L 07
Люди в контуре
Не замена человека, а усиление: человек задаёт цели, правила, решения и уровень автономии. Supervised autonomy, не автопилот.
Human-in-the-loop
§ 04
Исследовательские треки
Лаборатория исследует
системы, а не промпты.
Шесть направлений одной архитектуры. Каждый трек — открытый вопрос, на который мы отвечаем работающими прототипами, а не презентациями.
Track 02
Persistent Memory
Как сохранять решения, факты, историю действий и рабочий контекст так, чтобы система не начинала каждый раз с нуля.
Track 03
Agent Coordination
Как проектировать роли, маршрутизацию, приоритеты и правила между агентами, человеком и внешними инструментами.
Track 04
AI-native Organisations
Как компании переходят от сотрудников с AI-инструментами к операционным системам, где интеллект встроен в саму работу.
Track 05
Human-in-the-loop Control
Как сохранять ответственность, контроль и качество решений в системах с растущей автономностью.
Track 06
Runtime Evaluation
Как измерять не качество одного ответа, а эффективность всей системы: выполнение задач, устойчивость процессов, сохранение контекста.
§ 05
Доказательства тезиса
Три живые системы.
Не концепты, не демо.
AIOS, AI-BOS и Agent Studio — это не продукты внедрения. Это работающие доказательства того, что Intelligence Runtime реален и масштабируется от личности до организации.
Layer · Personal
Live runtime
AIOS
— AI Operating System предпринимателя
Личный Intelligence Runtime: 62 скилла, оркестраторы, контуры, реестр задач, общая память, маршрутизация между агентами. Работает 24/7 без ручного управления.
Scope · Self
State · Persistent
Mode · 24/7
Layer · Business
Live runtime
AI-BOS
— Business Operating System агентства
Клиенты, продажи, маркетинг, производство. Всё ведётся через агентную сеть с единой памятью, реестром задач и контролем исполнения в реальном времени.
Scope · Team
State · Shared
Mode · Multi-agent
Layer · Platform
In development
Agent
Studio
— среда сборки runtime
Платформа для проектирования и запуска Intelligence Runtime под конкретные задачи. Агенты, скиллы, оркестраторы, память, маршрутизация — собираются как система.
Scope · Anyone
State · Composable
Mode · Runtime-as-product
§ 06
Категория · Россия и СНГ
Эта позиция пустая.
Никто на ней не стоит.
Яндекс, Сбер, МТС, VK — все строят свою модель. Они идут централизованным путём. Это их выбор.
Позиция Intelligence Runtime в России и СНГ — пустая. Никто не строит операционный слой для распределённого интеллекта. Никто не открывает эту категорию.
IRI Lab — первая независимая лаборатория в России и СНГ, которая работает на этой позиции. Не как перевод западных идей — как собственный тезис с работающими системами в качестве доказательства.
Игрок
Что строят
Слой
Яндекс · Сбер · МТС
Централизованные LLM
Model
OpenAI · Anthropic
Foundation models
Model
AI-агентства РФ
Внедрение готовых инструментов
Service
Стартапы на агентах
Автоматизация отдельных задач
Agent
World Labs · Ndea · Ineffable
Параллельные ниши на Западе
Frontier
IRI Lab
Distributed Intelligence Runtime
Runtime ●
§ 07
Кто за этим стоит
Лаборатория не из воздуха.
Сначала runtime был собран на себе.
Павел Фролов
Маркетинг-стратег, AI-архитектор, основатель IRI Lab
IRI Lab начинается не с презентации и не с грантовой заявки. Её первый полигон — личная операционная система Павла Фролова: память, задачи, контуры, скиллы, маршрутизация и ежедневная работа через AI.
Павел — маркетолог-стратег и AI-архитектор с 19-летним опытом. Вырос до CMO, управлял крупными маркетинговыми бюджетами, строил команды и последние годы разрабатывает AI-системы — сначала для себя, затем для агентства и клиентов.
Поэтому IRI Lab не выглядит как абстрактная research-лаборатория. Это лаборатория, выросшая из практики: личность → бизнес → платформа → новая категория.
19+
лет в маркетинге и системной архитектуре
AIOS
личный runtime как первый эксперимент
AI-BOS
runtime для бизнес-процессов агентства
01 · Self
AIOS: распределённый интеллект на уровне одного человека.
02 · Team
AI-BOS: распределённый интеллект на уровне команды и клиентских процессов.
03 · Lab
IRI Lab: публичная лаборатория, превращающая опыт в методологию и категорию.
§ 08
Манифест
Будущее AI
— не отдельная
вкладка.
Сегодня AI в компаниях чаще всего живёт как внешний инструмент: чат, промпт, бот, отдельный сервис. Он помогает, но не удерживает состояние работы. Он отвечает, но не ведёт процесс.
Мы считаем, что следующий этап — не больше чат-ботов и не больше отдельных агентов. Следующий этап — операционные среды, где интеллект распределён между моделями, агентами, памятью, задачами, инструментами, процессами и людьми.
Это не автоматизация. Это переход к AI-native системам, где организация начинает помнить, думать и действовать через распределённый интеллект.
IRI Lab не строит ещё один интерфейс к AI. Лаборатория строит runtime, в котором интеллект становится операционным: постоянным, координированным, ответственным и связанным с реальной работой.
§ 09
Founding Partners Program
Станьте одной
из первых AI-native систем.
IRI Lab работает с предпринимателями, командами и организациями, которые хотят не «поставить AI», а собрать собственный Intelligence Runtime: память, задачи, агенты, процессы, инструменты и контроль в единой операционной среде.
§ 10
Поддержать лабу
Независимая лаборатория существует
на личные средства и пожертвования.
IRI Lab — некоммерческий проект. Мы не получаем корпоративного финансирования и не зависим от инвесторов. Если вам близка миссия — вы можете поддержать нас как финансовый партнёр или донор.
Мы свяжемся с вами в течение 48 часов.
Формат участия
Финансовый партнёр, донор, соратник — любой формат, в котором вам комфортно.
На что идут средства
Инфраструктура, исследования, публикации, команда. Отчётность — открытая.
Модель
Некоммерческая, как OpenAI в 2015. Миссия важнее прибыли.