Microsoft stawia Windows na agentów AI

Windows 11 jako platforma dla agentów AI

Microsoft rozwija Windows 11 w kierunku systemu, który ma nie tylko uruchamiać aplikacje, ale też obsługiwać agentów AI działających częściowo lokalnie, a częściowo w chmurze. Firma stawia na podejście określane jako hybrid intelligence: część zadań ma być wykonywana na komputerze użytkownika, a bardziej wymagające obliczenia mają trafiać do chmury.

Co ważne, nie ogłoszono nowej wersji Windows. Fundamentem pozostaje Windows 11, a cała zmiana ma polegać na przebudowie sposobu pracy z AI w samym systemie i w narzędziach deweloperskich.

MXC: sandbox dla agentów z własną tożsamością

Najważniejszą nowością dla firm są Microsoft Execution Containers (MXC). To open source'owa sandboxowa warstwa wykonawcza, która wychodzi z wersji testowej do ogólnej dostępności na Windows 11.

MXC pozwala ograniczać dostęp agenta do:

• wybranych plików,
• określonych zasobów sieciowych,
• konkretnych narzędzi i środowisk uruchomieniowych.

Microsoft podkreśla, że agent nie powinien być traktowany jak zwykła aplikacja. Dlatego system przypisuje mu osobną tożsamość, oddzieloną od użytkownika. To ważne z punktu widzenia bezpieczeństwa: jeśli agent wykona niepożądaną operację, nie musi ona automatycznie dziedziczyć pełnych uprawnień człowieka, który z nim pracuje.

Firma pokazała też scenariusz, w którym agent GitHub Copilot próbuje wykonać polecenie ukryte w stronie internetowej. Zadziałał Microsoft Defender, a następnie odcięto agentowi dostęp do SharePoint, nie naruszając dostępu użytkownika. Ten przykład miał pokazać, że tożsamość agenta i tożsamość użytkownika są rozdzielone.

Jak działa izolacja

MXC ma być lekką alternatywą dla pełnych maszyn wirtualnych. Nie trzeba uruchamiać osobnego obrazu VM ani pobierać ciężkiego kontenera. Izolacja opiera się na natywnych mechanizmach danego systemu:

• ProcessContainer w Windows,
• Seatbelt w macOS,
• bubblewrap w Linuxie.

W praktyce sandbox można uruchomić poleceniem /sandbox w Copilot CLI albo włączyć dla konkretnego projektu w aplikacji GitHub Copilot. Domyślnie agent może zapisywać pliki w katalogu projektu, natomiast reszta systemu pozostaje w dużej mierze odseparowana lub tylko do odczytu.

Nie wszystko jednak działa wewnątrz MXC. Microsoft wskazuje dwa wyjątki:

• wbudowane narzędzia plikowe działają wewnątrz samego Copilota i nie są izolowane przez system w ten sam sposób,
• zdalne serwery MCP pozostają poza lokalnym sandboxem.

Lokalny model, większa kontrola nad tokenami

Drugim filarem ogłoszeń są modele działające lokalnie. Microsoft chce, by komputer przejmował część pracy zwykle wysyłanej do chmury. Ma to ograniczać koszty i zmniejszać zużycie tokenów.

Wśród zaprezentowanych zmian znalazły się:

• MAI Code 1.1 Flash – model kodujący Microsoftu z 137 miliardami parametrów, z czego 6,8 miliarda jest aktywnych. Wersja lokalna ma około 53 GB i jest skwantyzowana do około 3,3 bitu na wagę.
• 256 000 tokenów kontekstu w pełnej wersji lokalnej.
• Integracja lokalnych modeli z routingiem HydraFusion w GitHub Copilot, który dobiera model do zadania.
• Obsługa lokalnych modeli w Windows ML, z uwzględnieniem llama.cpp.

Microsoft zapowiada, że w aplikacji GitHub Copilot, w Copilot CLI oraz w Visual Studio Code pojawi się prewersja umożliwiająca korzystanie z modeli lokalnych. Użytkownik będzie mógł pozostawić tryb Auto, który sam rozdzieli zadania między lokalne środowisko i chmurę, albo ręcznie wymusić model lokalny.

Na komputerach Copilot+ nowy Copilot ma korzystać z plików zapisanych na urządzeniu, wykonywać działania na systemie i używać modeli lokalnych — oczywiście za zgodą użytkownika.

Problemem pozostaje pamięć

Lokalne uruchamianie dużych modeli ma jednak swoją cenę: wymaga bardzo dużej ilości pamięci. Na Surface Laptop Ultra model MAI Code 1.1 Flash przy kontekście 256 000 tokenów może zużywać nawet 75,5 GB pamięci. To oznacza, że maszyny z 64 GB RAM, takie jak niektóre PC RTX Spark, mogą musieć pracować z krótszym kontekstem.

Microsoft podał też wyniki wydajności wersji lokalnej:

• 70,8% na SWE-Bench Verified, wobec 72,6% dla wersji chmurowej,
• 66,29% na Terminal-Bench 2.1, wobec 62,9% dla wersji chmurowej.

Nowy sprzęt dla AI na biurko

Równolegle Microsoft uruchomił przedsprzedaż Surface Laptop Ultra z układem NVIDIA RTX Spark. Sprzęt ma oferować:

• do 128 GB pamięci unifikowanej,
• 15-calowy ekran dotykowy,
• cenę startową od 2 899 euro,
• pierwsze dostawy od 16 października.

Na końcówkę roku zapowiedziano też DGX Station dla Windows z układem GB300, przygotowaną przez Dell i HP. Ma ona obsługiwać 32 agentów jednocześnie lub więcej.

Szerszy problem: AI wymaga też ładu i kompetencji

Ogłoszenia Microsoftu wpisują się w szerszy trend, w którym firmy szybko wdrażają AI, ale nie zawsze nadążają z zasadami jej bezpiecznego użycia. Równolegle rośnie znaczenie szkoleń i governance.

Badania branżowe pokazują, że:

• tylko 32% specjalistów od digital trust uważa, że ich organizacje dobrze radzą sobie z ryzykami AI, takimi jak prywatność, bias czy bezpieczeństwo,
• 54% organizacji uczestniczy w onboardingu lub wdrażaniu rozwiązań AI, wobec 46% rok wcześniej,
• w części firm nie ma żadnych szkoleń z AI dla pracowników.

W odpowiedzi rozwijane są kolejne certyfikacje związane z audytem, bezpieczeństwem, ryzykiem i governance AI. To ważny sygnał: samo uruchomienie agentów nie wystarczy, jeśli organizacja nie potrafi kontrolować ich uprawnień, monitorować działań i rozdzielać odpowiedzialności.

Co to oznacza dla rynku

Microsoft wyraźnie pokazuje, że przyszłość Windowsa ma być nie tylko „AI-friendly”, ale wręcz zaprojektowana pod agentów. Z jednej strony firma dostarcza sandbox, własną tożsamość agenta i lokalne modele. Z drugiej — przesuwa ciężar odpowiedzialności na administratorów i zespoły bezpieczeństwa, które będą musiały kontrolować, gdzie agent może działać i z jakimi danymi może pracować.

To ważny krok, bo im bardziej autonomiczne stają się systemy AI, tym bardziej potrzebują tych samych rzeczy, których oczekujemy od ludzi: granic, nadzoru i jasno przypisanej odpowiedzialności.