Prentis: Новая AI-лаборатория Хоффмана и Пинкуса привлекла $100 млн на создание AI-агентов для офисной рутины
Prentis, основанный Рейдом Хоффманом и Марком Пинкусом, привлек $100 млн при оценке $1 млрд. Стартап создает AI-агентов для автоматизации офисных задач и уже заключил контракты на $50 млн. Узнайте, как модель Hive-32B меняет подход к рутинной работе.
Что такое Prentis и почему о нем говорят
Prentis - новая AI-лаборатория, которая разрабатывает агентов для автоматизации офисной рутины. Компанию основали серийный предприниматель Ританкар Дас, сооснователь LinkedIn Рейд Хоффман и основатель Zynga Марк Пинкус. Стартап ведёт переговоры о привлечении $100 млн при оценке в $1 млрд.
Это не просто очередной AI-проект. Prentis уже заключил контракты на сумму до $50 млн с клиентами из здравоохранения и производства. Компания делает ставку на узкую, но крайне востребованную нишу: автоматизацию типичных офисных операций, которые ежедневно отнимают часы у сотрудников.
Главный сигнал для рынка - сдвиг фокуса AI с написания кода на повседневную работу с документами, системами и приложениями. Если раньше основные усилия разработчиков были направлены на создание инструментов для программистов, то Prentis утверждает: автоматизация рутинных компьютерных операций станет более массовым и востребованным применением искусственного интеллекта.
Какую проблему решает Prentis: от написания кода к офисной рутине
Большинство AI-лабораторий фокусируется на генерации кода, обработке естественного языка в чат-ботах или создании контента. Prentis выбрал другой путь. Его AI-агенты обучаются выполнять то, чем заняты миллионы офисных сотрудников: работать с документами, переносить данные между системами, заполнять отчёты, обрабатывать входящие заявки.
Такой подход решает конкретную боль бизнеса. Компании теряют огромные ресурсы на ручной ввод данных, сверку информации в разных программах и подготовку стандартной документации. Это медленно, дорого и чревато ошибками. AI-агент, который берёт эти задачи на себя, освобождает сотрудников для более сложной работы.
Конкуренты - OpenAI, Anthropic и Thinking Machines - предлагают более широкие или технически ориентированные решения. Например, Thinking Machines Lab, основанная экс-CTO OpenAI Мирой Мурати, недавно представила модель Inkling с акцентом на кастомизацию и платформу Tinker для дообучения под конкретные задачи. Но Prentis изначально заточен под офисную рутину, а не под универсальность.
Примеры автоматизации: что именно умеют AI-агенты Prentis
Контракты со здравоохранением и производством дают представление о сценариях использования. В медицине AI-агенты могут автоматически обрабатывать медицинские формы: извлекать данные из сканов направлений, заносить их в электронную карту пациента и отправлять уведомления в страховую компанию. То, на что у администратора уходит 20 минут, агент делает за секунды.
На производстве типичная задача - синхронизация данных между системами управления запасами, производственным планированием и бухгалтерией. Агент Prentis самостоятельно проверяет остатки на складе, сопоставляет их с графиком выпуска продукции и формирует заявку на закупку материалов, если обнаруживает нехватку.
Ещё один сценарий - подготовка отчётности для регуляторов. Компании тратят дни на сбор данных из разных источников, их проверку и оформление по строгим шаблонам. AI-агент выполняет эту работу за минуты, снижая риск ошибок из-за человеческого фактора.
Кто конкурирует с Prentis и в чем его преимущество
Рынок AI-агентов стремительно заполняется. OpenAI развивает платформу Presence для корпоративных голосовых и текстовых агентов. Anthropic строит экосистему вокруг Claude Code и MCP, привязывая пользователей к своей инфраструктуре. Thinking Machines Lab предлагает открытые веса и глубокую кастомизацию.
Prentis противопоставляет этому узкую специализацию и экономическую эффективность. Компания заявляет, что её модель Hive-32B превосходит решения конкурентов по ряду бенчмарков, работая в десять раз дешевле. Если это подтвердится независимыми тестами, у стартапа появится серьёзное преимущество: клиенты получат сравнимый или лучший результат за меньшие деньги.
Участие Хоффмана и Пинкуса добавляет проекту веса. Хоффман создал LinkedIn - платформу, которой пользуется почти весь деловой мир. Пинкус построил Zynga - компанию, которая превратила casual-игры в многомиллиардный бизнес. Их опыт в масштабировании продуктов и понимание потребностей массового пользователя могут помочь Prentis быстрее найти путь к широкому внедрению.
Модель Hive-32B: что известно о технологии
Hive-32B - это языковая модель с 32 миллиардами параметров, оптимизированная под конкретные рабочие процессы. Для сравнения: GPT-4, по разным оценкам, содержит более триллиона параметров. Меньший размер означает более низкую стоимость каждого запроса и более высокую скорость ответа.
Для пользователя параметры модели - абстрактная цифра. Важнее результат: быстрое и точное выполнение рутинных операций. Prentis утверждает, что Hive-32B справляется с офисными задачами лучше универсальных гигантов именно за счёт специализации. Модель не тратит вычислительные ресурсы на то, чтобы писать стихи или объяснять квантовую физику - она заточена под работу с документами и системами.
Что это значит для бизнеса и сотрудников
Появление AI-агентов для офисной рутины вызывает закономерный вопрос: заменит ли искусственный интеллект людей? Опыт предыдущих технологических сдвигов подсказывает другой сценарий. Электронные таблицы не уничтожили профессию бухгалтера - они изменили её, забрав рутинные вычисления и оставив человеку анализ, стратегию и принятие решений.
AI-агенты Prentis действуют похожим образом. Они берут на себя повторяющиеся операции: перенос данных, заполнение форм, сверку документов. Сотрудники получают возможность сосредоточиться на задачах, требующих человеческого суждения - общении с клиентами, поиске нестандартных решений, развитии продуктов.
Первые клиенты Prentis из здравоохранения и производства выбраны точно. Это отрасли с высокой долей документооборота, где автоматизация даёт быстрый и измеримый эффект. Медицинский администратор, освобождённый от бумажной работы, может принять больше пациентов. Инженер на производстве, избавленный от ручного ввода данных, успевает провести дополнительный контроль качества.
Компании, которые внедряют AI-агентов, меняют структуру занятости: сокращают рутинные позиции, но создают новые роли на стыке технологий и бизнеса. Спрос на специалистов, умеющих работать с AI-инструментами, растёт быстрее, чем сокращаются традиционные должности.
Стоит ли верить обещаниям: реалистичный взгляд на Prentis
Информация о Prentis основана на ограниченных данных. Переговоры о финансировании ещё не завершены - $100 млн и оценка в $1 млрд могут измениться. Заявления о превосходстве Hive-32B над конкурентами не подтверждены независимыми тестами. Бенчмарки, выбранные компанией, могут отражать именно те сценарии, под которые модель оптимизировали.
Рынок AI-стартапов перегрет. Громкие анонсы и многомиллионные раунды не гарантируют успеха. Венчурные инвесторы всё чаще говорят, что сама по себе модель - не преимущество. Важнее экосистема, интеграция в рабочие процессы и способность удерживать клиентов.
С другой стороны, участие Хоффмана и Пинкуса - серьёзный сигнал. Они не раздают свои имена и репутацию случайным проектам. Контракты на $50 млн с реальными клиентами из здравоохранения и производства тоже говорят о том, что продукт уже работает, а не существует в виде презентации.
Похожий путь прошли и другие AI-стартапы. Etched привлёк $300 млн на чипах для AI-вывода, сделав ставку на узкую специализацию вместо универсальности. Thinking Machines Lab с Inkling и платформой Tinker выбрала кастомизацию вместо гонки бенчмарков. Prentis движется в том же направлении: узкий фокус, конкретная боль клиента, измеримая экономия.
Следить за развитием Prentis стоит. Если компании удастся подтвердить заявленные характеристики Hive-32B и масштабировать контракты за пределами первых двух отраслей, рынок офисной автоматизации может измениться быстрее, чем ожидают скептики. Мы продолжим отслеживать эту историю.
