Что такое AIOS и зачем она бизнесуWhat an AIOS is and why a business needs one
Назовите «AI-операционную систему», и большинство представит чат-бота. Это сбивает с толку. Чат-бот ждёт, пока его спросят. Операционная система к шести утра уже разобрала входящие, пересчитала кассу после ночной выписки и оставила вам два-три вопроса, которые без вас не решить. Она работает, пока вы спите, а вы открываете ноутбук к готовому.
Пять слоёв
Собираются по порядку: без нижних верхние повисают в воздухе.
- Контекст. Система знает ваш бизнес: контрагентов, договоры, цифры, историю решений. Это постоянная структурированная память. «Загрузил документы в чат» не считается – завтра чат всё забудет.
- Данные. Письма, чаты, банковские выписки, 1С сами стекаются в одно место, без копипасты руками.
- Интеллект. Поверх данных работают модели: разбирают входящие, ищут риски, сверяют документы. Простое берёт локальная модель, сложное уходит в облако.
- Автоматизация. Отчёт собирается сам, дайджест приходит утром, а просроченный договор всплывает раньше, чем стал вашей проблемой.
- Сборка. Система растёт: новый процесс – это новый модуль за несколько дней, а не проект на полгода.
Чем AIOS не является
Слово новое, рядом стоят похожие – развожу, чтобы не путать. Не чат-бот: тот ждёт вопроса и забывает разговор, а AIOS работает по расписанию и помнит. Не SaaS: в SaaS данные вносят руками, AIOS собирает их сам. Не AI-агент: агент делает одну задачу в моменте, AIOS живёт между задачами как система из пяти слоёв с памятью. Не RPA: та повторяет клики по фиксированному сценарию, а AIOS понимает контекст и судит по нему – финальное решение остаётся за человеком.
Что это даёт на практике
Я меряю это «часами автономии»: сколько в сутках процессы крутятся без меня у экрана. Сейчас около двух часов, к декабрю хочу четыре. Раньше эти часы съедал разбор почты, сверка документов и вечное «а что там у нас по этому контрагенту».
Вторая метрика скучнее, зато её любят бухгалтеры: деньги. Вся система тратит на LLM-вызовы примерно полдоллара в неделю, потому что 81% запросов крутит локальная модель на моём же Mac. Как это устроено – в отдельном посте.
С чего начать
Точно не с выбора модели. Система, которая не знает ваш бизнес, выдаёт красивый текст ни о чём, какую умную модель ни подключи. Поэтому первый шаг любого внедрения скучный: собрать контекст. Кто вы, как устроены ваши процессы, где лежат данные, кто принимает решения. Модель подключается последней, и поменять её потом можно, не трогая всё остальное.
Say "AI operating system" and people picture a chatbot. A chatbot sits there until you ask it something. An operating system has already sorted your inbox by six in the morning, recalculated the cash position after the overnight statement, and left you the two or three questions that actually need you. It works while you sleep, and you open the laptop to finished work.
The five layers
They stack in order, or the top ones float. One by one:
- Context. The system knows your business: counterparties, contracts, numbers, the history of decisions. Permanent, structured memory. "I dropped the files into a chat" doesn't count – tomorrow the chat forgets all of it.
- Data. Emails, chats, bank statements, accounting feeds land in one place on their own, no copy-paste by hand.
- Intelligence. Models run on top of the data: sorting the inbox, hunting for risk, reconciling documents. The easy stuff goes to a local model, the hard stuff to the cloud.
- Automation. The report builds itself, the digest shows up in the morning, an expiring contract surfaces before it turns into your problem.
- Assembly. The system grows: a new process is a new module in a few days, not a six-month project.
What an AIOS is not
The word is new and sits next to similar ones, so let me draw the lines. Not a chatbot: it waits to be asked and forgets the conversation, while an AIOS runs on a schedule and remembers. Not SaaS: in SaaS you enter the data by hand, an AIOS gathers it itself. Not an AI agent: an agent does one task in the moment, an AIOS lives between tasks as a five-layer system with memory. Not RPA: that repeats clicks by a fixed script, while an AIOS understands the context and judges by it – the final call stays with the human.
What it gives you in practice
I track it as "autonomy hours": how much of the day the processes run without me at the screen. About two hours now, four by December. Those hours used to disappear into sorting mail, reconciling documents and the eternal "so where do we stand with this counterparty".
The second metric is duller, and accountants love it: money. The whole system spends around half a dollar a week on LLM calls, because a local model on my own Mac handles 81% of them. I wrote up how that works in a separate post.
Where to start
Not with the model. A system that doesn't know your business writes pretty text about nothing, no matter how clever the model behind it. So the first step of any rollout is the boring one: build the context. Who you are, how your processes run, where the data sits, who makes the calls. The model plugs in last, and you can swap it later without touching anything else.