Chatboty solo to przeżytek. Humans& zebrał 480 milionów, by AI wreszcie współpracowało w grupie

Wyobraź sobie AI, które nie tylko odpowie na pytanie, ale ogarnie decyzję grupową – od wyboru logo startupu po planowanie firmowego projektu. Humans&, nowy gracz z ekipy ex-Anthropic i xAI, zebrał 480 milionów dolarów na wczesnym etapie, by udowodnić, że koordynacja to przyszłość modeli podstawowych. Brzmi jak science-fiction? Zobaczmy, co kryje się za hasłem „ludzko-centryczne AI”.

Obecne AI: samotni geniusze w świecie zespołów

Dzisiejsze modele językowe błyszczą w zadaniach solo – podsumowują raporty, piszą kod czy rozwiązują zadania matematyczne z precyzją maszyny. Ale przenieś je do realnego biura, gdzie pięć osób ciągnie w różne strony, a decyzje wiszą miesiącami, i nagle robi się klapa. Brakuje im tej iskry koordynacji: śledzenia priorytetów, alignowania opinii i pamiętania kontekstu na przestrzeni tygodni.

Weźmy przykład: w zespole marketingowym ktoś proponuje nowy layout strony, inny logo w stylu retro, trzeci wciska memy. Standardowy chatbot powie „to fajne”, ale nie pogodzi frakcji ani nie przypomni o deadline’ie. Firmy jak Anthropic czy OpenAI pchają agentów, ale workflows wciąż zawodzą – modele są kompetentne, lecz nie radzą sobie z ludzkim bałaganem. Reid Hoffman, twórca LinkedInu, niedawno napisał, że prawdziwa moc AI tkwi w warstwie koordynacji: dzieleniu wiedzy i prowadzeniu spotkań, a nie izolowanych eksperymentach.

To nie przypadek, że ludzie czują się przytłoczeni – AI miało ułatwić życie, a dodaje chaosu. Humans& widzi tu lukę i wchodzi z hukiem.

Humans&: elita z Doliny Krzemowej i rekordowy seed

Firma wystartowała trzy miesiące temu, ale zebrała 480 milionów dolarów w rundzie seed przy wycenie 4,48 miliarda – druga największa w historii AI. Inwestorzy? Nvidia, Google Ventures, Jeff Bezos, SV Angel i jeden z założycieli, Georges Harik. Nieźle jak na brak produktu.

Zespół to dream team: Eric Zelikman, CEO i ex-xAI (przyczynił się do danych treningowych Grok-2), Andi Peng z Anthropic (specjalistka od uczenia ze wzmocnieniem i dopracowywania Claude 3.5-4.5), Yuchen He z OpenAI, Noah Goodman (profesor Stanfordu) i inni z Meta czy DeepMind. Peng mówi:

 „Koniec ery skalowania modeli do odpowiedzi na pytania w niszach, wchodzimy w falę, gdzie zwykli użytkownicy pytają: co z tym zrobić?”.

Oni nie chcą być przejęci – odrzucili oferty od gigantów. Celują w „firmę pokoleniową”, która zmieni interakcje człowiek-AI. Ironia? Kolejny startup z ex-labów Elona i Sama, ale z hasłem „empowerment ludzi, nie zastępowanie”. Brzmi znajomo, lecz kasa sugeruje, że ktoś uwierzył.

Inteligencja społeczna: model nie asystent, a kolega z zespołu

Humans& nie buduje kolejnego chatbota – celuje w architekturę modelu podstawowego zoptymalizowaną pod inteligencję społeczną. Zamiast wyszukiwania informacji czy generowania kodu, fokus na komunikacji i współpracy: model ma rozumieć motywacje, umiejętności i potrzeby każdego, by balansować dla dobra grupy.

Zelikman podaje przykład: decyzja o logo startupu. Zamiast wrzucać wszystkich do sali, AI pyta jak kumpel – nie nachalnie, lecz z sensem, pamiętając kontekst. Dziś chatboty bombardują pytaniami dla lajków i poprawności, bez zrozumienia wartości. Ich model ma pamięć o sobie i tobie, ewoluując z interfejsem.

To „centralny układ nerwowy” gospodarki człowiek+AI – tkanka łączna dla firm z tysiącami ludzi czy nawet rodzin. Nie wtyczka do istniejących narzędzi, lecz własna warstwa współpracy. Peng dodaje: projektujemy produkt z modelem, by ich zachowania pasowały idealnie.

Trening modelu: ludzie i AI w symulowanym tańcu

Kluczem jest nietypowy trening: nacisk na interakcje ludzi z AI w symulacjach współpracy. Stosują uczenie ze wzmocnieniem z długim horyzontem planowania – model planuje, działa, koryguje plan i dopina sprawy przez dni lub tygodnie, a nie tylko jednorazowo. Do tego dochodzi wieloagentowe uczenie ze wzmocnieniem: środowiska z wieloma AI i ludźmi, które optymalizują wyniki dla całej grupy.

He wyjaśnia:

„Trenujemy inaczej, z ludźmi i AI współpracującymi razem. Model musi pamiętać o sobie, o tobie – lepsza pamięć to lepszy user understanding”.

To wpisuje się w akademickie trendy – prace na arXiv pokazują, jak duże modele językowe idą ku systemom koordynującym akcje wieloetapowo. Przykłady z NeurIPS: planowanie długoterminowe dla robotów wieloagentowych czy MAGRPO dla grup LLM-ów. Humans& przenosi to na poziom najpotężniejszych modeli (tzw. frontier models), przepalając fortunę na moce obliczeniowe.

Zastosowania: od Slacka po decyzje strategiczne

Produkt ma zrewolucjonizować narzędzia do pracy grupowej, takie jak Slack, Google Docs czy Notion. Oto kluczowe scenariusze, w których to rozwiązanie zmienia zasady gry:

• Kluczowe decyzje grupowe – AI moderuje wymianę opinii, identyfikuje odmienne stanowiska i proponuje kompromisy, oszczędzając godziny zbędnych spotkań.
• Koordynacja agentów – tam, gdzie poszczególne modele są kompetentne, ale zawodzą w ustalaniu priorytetów, system zapewnia niezbędny ład i synergię.
• Skala Enterprise i Consumer – od korporacji zatrudniających 10 tysięcy osób, po rodziny planujące wspólne wakacje.

Dla firm to game-changer: AI zna kompetencje każdego pracownika i spójnie układa priorytety. Konsumencko? Grupa przyjaciół wybiera film – bez scrollowania godzinami. Podobnie ManusAI w wyścigu agentów pokazuje trend ku multi-agentom.

Timing idealny: firmy przechodzą od prostych czatów do autonomicznych agentów, ale wciąż brakuje im »kleju«, który spajałby te działania. Rynek aż wrze – przykładem jest Granola, inteligentny notatnik do pracy zespołowej, który zebrał 43 mln dolarów przy wycenie sięgającej 250 mln.

Wyzwania: giganci i pustynia compute’u

Ryzyka? Ogromne. Trening modelu tej klasy to studnia bez dna – mimo dostępu do układów Nvidii, walka z OpenAI czy Google o zasoby GPU jest mordercza. Zelikman przyznaje: „ufamy sobie i zespołowi”, ale giganci nie śpią. Anthropic wprowadza Claude Cowork, Gemini integruje się z Workspace, a OpenAI stawia na orkiestrację wieloagentową.

Rynek obawia się utraty miejsc pracy, na co Humans& odpowiada hasłem „empowerment” (wzmocnienie). Pytanie tylko: to realna wizja czy czysty marketing? Brak gotowego produktu budzi sceptycyzm – czy model poradzi sobie z sytuacjami skrajnymi, jak choćby konflikty emocjonalne w zespole? Do tego dochodzi presja na przejęcia (M&A): Meta i OpenAI polują na talenty, ale ekipa z Humans& deklaruje niezależność.

Koordynacja to obecnie najsłabszy punkt AI – jeśli to wypali, zmienią się nasze procesy pracy. Ironią losu kolejny startup „ludzkocentryczny” może być pierwszym, który faktycznie nas wzmocni, a nie tylko zastąpi. Albo po prostu stanie się kolejnym unicornem na sprzedaż. Warto obserwować.

Źródła: TechCrunch (główny artykuł), Crunchbase News, Reuters, New York Times, Bloomberg, humansand.ai, arXiv (prace o multi-agent RL), strony założycieli (zelikman.me, andipeng.github.io)