01
答えではなく、実際の行動
実際の業務システムの中で実行します。
エージェントは何をするかを説明するだけでなく、タスクを最後までやり遂げます。
次のカーブ
出荷後も
学び続けるAI。
出荷されたそのハードウェアの上で。私たちはその中核技術をつくり、すべての主張を宣言した範囲の中で測定し、モデルがすでに行動している場所、つまり実際の業務システムから始めます。
この10年、あらゆる課題への答えは規模の拡大でした。いまは事前学習の伸びが鈍り、人が書いたデータにも限りが見えてきたという指摘が増えています。そして、すでに出荷されたモデルを後から大きくすることはできません。配備されたAIの多くは、研究室を出た日に固まってしまいます。
私たちは別のカーブの上で取り組んでいます。固定された計算資源とメモリの中で、以前に学んだことを失わずに配備後も学ぶことです。まだ解かれていない問題であり、私たちもそのように扱います。測定したものだけを、その範囲とともに公開します。
01 製品
Agent Continuity Gateway
その取り組みが、いま実際のシステムと出会う場所です。モデルとモデルが操作するシステムの間に置かれた一つのゲートウェイが、意図を信頼できる行動に変え、その信頼をタスクの最後まで保ちます。
02
設計段階からの安全性
取り消せない操作の前に確認します。
権限と承認はゲートウェイが確認するため、エージェントが規則を一人で背負うことはありません。
03
途切れない継続性
タスク全体を通じて保たれるIDと状態。
長いタスクが中断されても止まった場所から再開し、実際の行動が二度実行されることはありません。
02 研究
測定したことを、公開の場で。
私たちの研究は、限られた資源の中でモデルがどのように学び続けられるかを扱います。何を書き込み、何を保ち、そのコストはどれほどか。成果はコードとともに公開し、特許は韓国で出願しています。
03 会社概要
Attractor Dynamicsについて。
Attractor Dynamics Inc.は2026年6月にソウルで設立されました。研究と製品開発は創業者が自ら率いています。創業前は15年間B2B営業に携わり、日本で会社を立ち上げた経験もあります。韓国語、英語、日本語で仕事をしています。
研究成果はコードとともに公開し、開発したものは特許出願し、それぞれの結果が何を示し、何を示していないかを明確にしています。
04 お問い合わせ
お話ししましょう。
出荷後も動き続けなければならないモデルや、実際のシステムで行動する必要があるエージェントを開発されているなら、ぜひご連絡ください。