Поскольку предприятия сталкиваются с распространением ИИ-агентов, xpander хочет, чтобы они сами управляли своими уровнями контроля и контекста

У корпоративного ИИ появилась новая инфраструктурная проблема: компании накапливают агентов быстрее, чем успевают разрабатывать системы для управления ими.

По оценкам Gartner, к 2028 году в среднем в каждой компании из списка Fortune 500 будет использоваться более 150 000 ИИ-агентов по сравнению с менее чем 15 в 2025 году. При этом, по данным исследовательской компании, лишь 13% организаций считают, что у них уже выстроено правильное управление ИИ-агентами.

Этот растущий разрыв формирует рынок инфраструктуры, которая располагается над отдельными моделями и агентами. Она берет на себя выполнение, управление правами, наблюдаемость, память, доступ к корпоративным системам и управление жизненным циклом, избавляя разработчиков от необходимости воссоздавать эти сервисы для каждого нового агента.

xpander.ai, стартап, основанный тремя бывшими главными инженерами AWS, — это последняя на данный момент компания, пытающаяся занять этот уровень.

Сегодня компания объявляет о широком запуске своей корпоративной платформы ИИ-агентов, позиционируя ее как независимую от конкретных вендоров плоскость управления (control plane) для создания, запуска и администрирования агентов на базе различных моделей, фреймворков и инфраструктурных сред.

В эксклюзивном интервью VentureBeat генеральный директор и соучредитель xpander.ai Дэвид Твицер (David Twizer) рассказал, что от корпоративных клиентов всё чаще поступают жалобы на три проблемы: агенты, работающие локально без централизованного управления; рабочие процессы агентов, остающиеся изолированными у отдельных пользователей; и инфраструктура, привязанная к единственному ИИ-провайдеру.

«Третья проблема — самая критическая: это зависимость от одного вендора, — сказал Твицер в интервью VentureBeat. — Всё, что вы делаете, фактически принадлежит компании, с которой вы решили работать — ее инструменты, ее дорожная карта, ее политические взгляды на то, как агенты должны реагировать на любые ваши действия».

Предостережение заключается в том, что независимость xpander от вендоров не устраняет зависимость как таковую: она переносит зависимость выше по стеку. Предприятия могут менять модели, фреймворки и инфраструктуру под xpander, но проприетарный универсальный жгут (Universal Harness) и панель управления xpander становятся тем слоем, который координирует выполнение, управление, идентификацию, память и проверяемость.

Это может создать новую форму привязки к поставщику (vendor lock-in), если эти конфигурации и операционное состояние окажется сложно перенести на другую панель управления. В публичной документации xpander пока не объясняется, насколько портативен этот слой в случае расторжения корпоративной лицензии клиентом.

Компания также объявляет о привлечении начального раунда финансирования (seed) в размере $7,5 млн под руководством Pico Venture Partners при участии Emerge Ventures, Samsung Next и SeedIL.

Однако xpander выходит на рынок, который уже значительно перерос простое разделение на проприетарные платформы гиперскейлеров и нейтральные альтернативы.

Битва смещается выше уровня модели

Портативность моделей становится всё более привычным делом в агентной инфраструктуре.

Например, инструмент LangSmith Deployment от LangChain предоставляет инфраструктуру для развертывания и управления рабочими агентами. Предприятия могут запускать его панель управления и агентские серверы полностью внутри собственной инфраструктуры Kubernetes, в том числе в изолированных (air-gapped) средах и средах с жесткими требованиями к локализации данных. LangChain также предлагает гибридные развертывания, при которых клиент управляет серверами агентов, а LangChain — панелью управления.

CrewAI движется в том же направлении. Ее корпоративное предложение включает централизованное управление, единый вход (SSO), ролевой контроль доступа, идентификацию рабочей нагрузки и политики, поддерживая при этом развертывание в облаке CrewAI, в VPC клиента или в собственной инфраструктуре клиента. CrewAI заявляет, что ее платформа способна работать с различными моделями и облаками, а также позволяет клиентам сохранять и модифицировать код, сгенерированный для их агентов.

Temporal подходит к решению проблемы с другой стороны. Вместо того чтобы предлагать среду управления агентами полного цикла, компания обеспечивает отказоустойчивое (durable) выполнение долгоиграющих ИИ-воркфлоу, включая восстановление после сбоев, повторные попытки, одобрение со стороны человека и сохранение состояния при сбоях. Ее ИИ-платформа может оркестровать рабочие процессы между различными моделями, инструментами и системами.

Между тем сами поставщики моделей и облачных решений расширяют свои возможности вверх по этому инфраструктурному слою. Платформа OpenAI Frontier предоставляет общий корпоративный контекст, разрешения, выполнение и управление агентами, в то время как платформа Gemini Enterprise Agent Platform от Google объединяет управляемую среду выполнения (runtime) с идентификацией агентов, централизованным управлением, памятью, трассировкой и обеспечением соблюдения политик при взаимодействии между агентами и инструментами.

Иными словами, конкурентным преимуществом xpander не может быть просто тот факт, что предприятия способны запускать агентов за пределами облака одного провайдера моделей. Несколько конкурентов уже предлагают аналогичные варианты такой гибкости.

Ее более масштабная ставка заключается в том, что предприятиям потребуется независимая от фреймворков панель управления, расположенная поверх всё более разнородной совокупности моделей, агентных фреймворков и ориентированных на сотрудников ИИ-интерфейсов.

Аргументация Твицера отчасти опирается на его семилетний опыт работы в AWS, где он наблюдал, как предприятия борются с предыдущим поколением инфраструктурной привязки к вендорам.

«Наша стратегия заключалась в том, чтобы принести прекрасную вещь под названием облачные вычисления, а затем попытаться создать бессерверные решения, которые по определению создают привязку к поставщику», — рассказал Твицер VentureBeat. Но, по его словам, в конечном счете предприятия потребовали возможности перемещать рабочие нагрузки между провайдерами.

«Я думаю, что ИИ ничем не отличается, — сказал он. — Мультиоблачность и мультиведорность — это обязательная стратегия».

Среда выполнения, созданная для выживания в условиях смены моделей

В центре платформы xpander находится то, что компания называет Universal Harness (универсальный жгут) — среда выполнения, не зависящая от конкретных моделей, фреймворков и облаков, предназначенная для запуска агентов как переносимых корпоративных рабочих нагрузок.

Компании могут использовать размещенную (hosted) среду xpander или, в рамках корпоративного предложения, развертывать ее самостоятельно на Kubernetes или локальной (on-premises) инфраструктуре. Компания также прямо указывает AWS, Google Cloud, Microsoft Azure, частные VPC и полностью изолированные локальные среды в качестве поддерживаемых целей развертывания.

Заявления относительно фреймворков столь же широки: xpander утверждает, что клиенты могут использовать агентов, созданных с помощью таких платформ, как LangChain, Strands и Agno, а также свои существующие промпты, правила и навыки. Поддерживаются проприетарные модели, модели с открытыми весами, а также кастомные модели, дообученные клиентами.

Для разработчиков xpander предоставляет три основных пути интеграции: REST API, не зависящий от языка программирования, для операций с панелью управления; SDK для Python для создания агентов и воркфлоу; а также поддержку протокола Model Context Protocol (MCP), которая открывает доступ к агентам и инструментам для MCP-клиентов вроде Claude Desktop и Cursor. REST-интерфейс включает операции по управлению и вызову агентов, задач и баз знаний, в то время как SDK добавляет обработку событий и абстракции жизненного цикла агента.

«Думайте об этом как об окружении Kubernetes, которое работает на ваших собственных мощностях, в вашем частном облаке или в нашем облаке xpander, — сказал Твицер VentureBeat. — Универсальный жгут может запускать любого агента любого вендора».

По словам Твицера, конечная цель состоит в том, чтобы сделать выбор модели более похожим на выбор вычислительных мощностей под конкретное приложение, а не на принятие обязательств организацией перед целой экосистемой ПО.

«Вы можете переходить от Claude к ChatGPT, к Kimi и к собственным дообученным моделям, — отметил он. — Все они будут использоваться так же, как вы используете процессоры. Вам на самом деле всё равно, кто их производит. Вам просто нужно, чтобы ваше приложение работало».

Такая архитектура призвана позволить базовым рабочим нагрузкам меняться, в то время как уровень оркестрации и операционный слой остаются относительно стабильными.

Это различие может стать еще более важным по мере того, как предприятия начинают использовать более одного ИИ-поставщика. Сама компания OpenAI заявляет, что корпоративный ИИ смещается от помощи к делегированной работе, выполняемой агентами, а ее последние корпоративные данные свидетельствуют о стремительном росте использования агентов в таких сферах, как юридическая деятельность, продажи, подбор персонала и маркетинг.

В то же время Google добавляет централизованное управление агентами, средства идентификации и шлюзового контроля специально для того, чтобы управлять взаимодействием между агентами и инструментами в больших масштабах. Эти инвестиции со стороны гораздо более крупных вендоров подкрепляют основную предпосылку xpander: управление моделью всё чаще является лишь частью задачи по выводу агентов в продакшен.

Что означает «управление» на практике

Твицер утверждает, что локально работающие агенты делают эту операционную проблему особенно острой.

«Вы устанавливаете Claude, ChatGPT, Codex или любую другую ИИ-систему на ноутбук сотрудника — и получаете черный ящик, — сообщил он VentureBeat. — Ничто не управляется, ничто не проверяется и ничто не контролируется».

Его беспокоит не просто то, что агент может получить доступ к локальным ресурсам, а то, что ИИ-продукты стремительно прошли путь от генерации текста до совершения реальных действий — и всё это без создания предприятиями сопоставимой инфраструктуры управления вокруг них.

«Буквально за ночь произошел сдвиг от концепции «Вот чат-бот, который помогает мне написать письмо» к концепции «Это ИИ-агент, который может управлять моей машиной и выполнять API-вызовы»», — сказал Твицер.

Документация xpander дает более конкретное определение того, что компания подразумевает под перенесением этой активности в контролируемую среду.

Панель управления позволяет определять, кому разрешено запускать агента, к каким ресурсам агент может получать доступ и какие действия требуют одобрения человека. В xpander заявляют, что агенты получают именованные идентификаторы, а действия можно проследить вплоть до вызвавшего их человека. Вызовы инструментов, запуски, трассировки, утверждения и сбои регистрируются в журналах, а затраты могут распределяться на уровне задач.

Особенно важной архитектурной деталью для команд безопасности является работа с учетными данными. По заявлению xpander, учетные данные внедряются из хранилища (vault) в момент выполнения вызова инструмента, а не передаются модели напрямую.

Компания заявляет о наличии сертификации SOC 2 Type II и соответствии требованиям GDPR. Ее корпоративный тариф также включает единый вход (SSO) и OIDC, шлюз частных моделей (private model gateway) и суборганизации с распределением использования по командам.

Пытаясь дистанцироваться от таких продуктов, как LangSmith и CrewAI, xpander рассматривает сам базовый агентный фреймворк как еще один заменяемый компонент, а не делает собственный фреймворк основной средой разработки.

Компания заявляет, что ее среда выполнения способна запускать нативные агенты xpander наряду с кастомными агентами, созданными с помощью других фреймворков. Эта более широкая независимость от фреймворков является заявлением компании и еще должна доказать свою состоятельность в продакшене, поскольку пересечения между этими платформами уже весьма значительны.

Цена самостоятельного создания агентного уровня

Для предприятий, которые хотят получить централизованное управление без внедрения инфраструктуры очередного вендора, альтернативой всё чаще становится самостоятельная сборка многих из этих компонентов.

Твицер утверждает, что именно здесь проявляется скрытая стоимость продакшен-агентов. Доступ к базовой модели сравнительно прост; воссоздание операционной инфраструктуры вокруг сложного управляемого агента — нет.

«Если вы хотите создать что-то вроде потрясающего [Anthropic] Claude Code в управляемом и безопасном виде, вам нужно построить весь этот жгут целиком, — сказал Твицер VentureBeat. — Вам нужно создать песочницу, аутентификацию, механизм участия человека в контуре (human in the loop), хранилище, управление сеансами и уровень памяти».

«Это как инвестировать два года работы инфраструктуры только ради того, чтобы запустить этого агента безопасным образом», — добавил он.

В документации компании указано, что ее жгут справляется с долгосрочными задачами и задачами с использованием множества инструментов, выполнением кода в песочнице, постоянной (persistent) памятью и восстановлением при сбоях или отклонениях в задачах. Это важный контекст для аргументации Твицера: xpander предлагает не просто шлюз, меняющий один API модели на другой, а пытается упаковать множество сервисов среды выполнения, которые в противном случае предприятиям пришлось бы обслуживать самостоятельно наряду с этими API.

Твицер сообщил, что к xpander обращались правительственные организации и финансовые институты, использующие ее технологии в продакшене, которые отмечали: именно это бремя инфраструктуры мешало им развертывать агентов подконтрольным образом.

На веб-сайте компании отдельно представлены логотипы таких организаций, как Lenovo, Intel, Workday, Siemens, Nvidia, Intuit, SAP, PagerDuty, Mozilla и Salesforce с пометкой «Используется командами в».

Ответ компании заключается вовсе не в том, что предприятия должны отказаться от продуктов Anthropic, OpenAI или других ИИ-провайдеров. Вместо этого Твицер доказывает, что компании должны сохранять эти модели, перенося при этом права доступа, мониторинг и выполнение в инфраструктурный слой, который они контролируют.

«Речь идет не о том, чтобы «не использовать Claude», — говорит он. — Речь о том, чтобы «использовать Claude, но так, чтобы вы следили за ним, обеспечивали его безопасность, контролировали его»», обладая рычагами управления авторизованными навыками и доступом к конкретным ресурсам.

Делаем агентов организационными, а не личными

xpander также добавляет уровень совместной работы под названием Multiplayer AI (многопользовательский ИИ).

Основная идея заключается в том, что корпоративным агентам всё чаще необходимо переживать один сеанс чата с конкретным пользователем. Рабочий процесс может включать сбор данных агентом, выполнение действия другой системой, одобрение сотрудником и возобновление процесса другой командой спустя часы или дни.

Твицер утверждает, что локально развернутые ассистенты имеют еще один недостаток: экспертные знания, которые сотрудники накапливают с помощью своих агентов — промпты, навыки, рабочие процессы и контекст — имеют свойство оставаться у этих конкретных людей.

«Вы делаете ИИ-агентов лучше, но вы не делаете лучше саму компанию, — заявил он VentureBeat. — Все данные, все промпты, все рабочие процессы, все навыки, в которые вы теперь инвестируете в этой экосистеме, оказываются заперты внутри этого вендора, и ими очень трудно поделиться с другими коллегами».

Кроме того, сложная корпоративная работа редко аккуратно укладывается в рамки одного сеанса чата.

«Работа — это не одиночная игра. Это мультиплеер, — подчеркнул Твицер. — Она происходит в течение нескольких дней и даже недель. Рабочие процессы, имеющие значение для предприятий, — это не чат-боты».

Общие чаты xpander призваны удерживать такие взаимодействия в постоянных ветках с ограниченными правами доступа. Агент может быть опубликован единожды для использования во всей организации, в то время как сотрудники могут взаимодействовать с агентами через Slack, Teams, ChatGPT, Claude и собственный интерфейс xpander.

Согласно документации компании, последующие действия могут идентифицироваться как действия конкретного человека, вызвавшего агента, посредством сквозной аутентификации с использованием OIDC — потенциально важное отличие для организаций, которым необходимо сохранять пользовательский уровень идентификации и авторизации по мере прохождения работы через агента.

Требование постоянного (persistent) выполнения уникально не только для xpander. Temporal сделала долгоиграющие, устойчивые к сбоям рабочие процессы основой своего ИИ-предложения, в то время как LangSmith поддерживает постоянное развертывание агентов и наблюдаемость в продакшене.

xpander же пытается объединить эту инфраструктуру среды выполнения с корпоративной совместной работой и управлением в единую, портативную, гибкую и независимую от вендоров панель управления.

Omni проверяет гипотезу жгута на прочность

Компания также делает общедоступным своего предсозданного агента Omni.

Называть Omni просто агентом общего назначения — значит преуменьшать то, что продает xpander. В документации Omni описывается как передовой инженер ИИ на передовой (AI forward-deployed engineer), который превращает запрошенный бизнес-результат в то, что компания называет «агентным приложением» (Agentic Application): бэкенд-агент в сочетании с фронтенд-интерфейсом, который может включать чат, интерактивные элементы пользовательского интерфейса, отчеты, дашборды и визуализации.

Пользователь может описать желаемый результат, после чего Omni помогает создать приложение, подключить его модель, навыки, инструменты и данные, выполнять работу в виде отслеживаемых задач, а также поддерживать файлы и многократно используемый контекст в рабочем пространстве агента (Agent Workspace). Полученным приложением затем можно поделиться с коллегами.

Например, в документации xpander показано, как пользователь просит Omni создать анализатор Redshift. Omni собирает требования, проектирует интерфейс, создает бэкенд-агент, подключает соответствующие коннекторы и инструменты, а также генерирует первую рабочую поверхность приложения.

В документации в качестве каналов Omni также перечислены Slack, WhatsApp, Telegram и электронная почта, в то время как в общих материалах по платформе xpander в качестве способов доставки работы к агентам упоминаются Teams, Claude, ChatGPT, API, вебхуки, CLI и MCP. Поскольку в материалах компании для Omni и более широкой платформы указаны немного разные наборы каналов, предприятиям следует проверять поддержку своего конкретного интерфейса и конфигурации развертывания.
Omni также может работать вместе с настольными ИИ-продуктами, а не заменять их. По словам Твицера, сотрудники могут продолжать использовать предпочитаемые ими десктопные агенты, в то время как Omni выступает в роли навыка, предоставляющего доступ только к одобренным предприятием данным и коннекторам. Когда требуется фоновое выполнение, Omni может создать централизованно управляемого агента для выполнения работы.

По заявлению xpander, Omni набрала 90,9% в бенчмарке GAIA, продемонстрировав высокие результаты даже в самых сложных задачах. Этот результат заявлен самой компанией и должен рассматриваться скорее как доказательство общей концепции xpander, нежели как независимая валидация платформы.

Твицер отметил, что компания намеренно тестировала жгут на смеси моделей, а не оптимизировала его под одну проприетарную систему.

«Мы взяли Opus, мы взяли Sonnet, мы взяли Kimi, мы взяли GPT — и на этом бенчмарке получили 90,9%», — рассказал он VentureBeat.

По мнению Твицера, этот результат подтверждает тезис о том, что производительность агента всё больше зависит от инфраструктуры, окружающей базовую модель.

«Это просто доказывает, что ценность заключается в слое жгута, а не в слое модели, — сказал он. — Ценность в том: как вы обрабатываете долгосрочные задачи? Как вы управляете вызовом инструментов? Как вы делаете песочницу? Как вы держите фокус? Как вы заставляете агентов концентрироваться на задаче?»

Результаты бенчмарка находятся в открытом доступе, что позволяет другим изучить методологию компании, однако общий вывод остается интерпретацией собственных результатов со стороны xpander.

Эта идея находит всё больше сторонников по всей индустрии. Разногласия касаются лишь того, кто должен контролировать этот слой.

OpenAI и Google превращают его в часть более широких ИИ-платформ. LangChain и CrewAI расширяют свои экосистемы разработки до корпоративных сред выполнения. Temporal атакует проблему выполнения на уровне инфраструктуры.

xpander же делает ставку на то, что предприятия захотят, чтобы эта панель управления оставалась независимой от всех трех выборов: модели, облака и агентного фреймворка.

Теперь компании предстоит доказать, что дополнительная абстракция достаточно ценна, чтобы оправдать появление еще одной платформы в и без того переполненном корпоративном стеке ИИ.

Цены и доступность

Платформа xpander и Omni теперь доступны повсеместно, причем для команд, использующих хостинговый сервис xpander, и предприятий, запускающих платформу на собственной инфраструктуре, предусмотрены две существенно различающиеся коммерческие модели.

Самообслуживаемый тариф Team не имеет платы за рабочие места (seat charge) и оценивается в кредитах на основе активности агентов. xpander определяет один кредит как один цент, то есть за $100 можно купить 10 000 кредитов. Каждое событие или сообщение, пробуждающее агента, стоит один кредит за весь цикл взаимодействия (turn), независимо от того, как долго он длится, а каждый вызов инструмента или API стоит еще один кредит. Токены моделей оплачиваются отдельно в кредитах по настроенным тарифам для выбранной модели.

Это делает структуру затрат более детальной, чем может показаться из описания Твицера об оплате «вывода» (output) агентов. Само долгоиграющее выполнение, судя по опубликованным ценам, не влечет за собой почасовую оплату, однако воркфлоу может накапливать расходы за счет повторяющихся вызовов, вызовов инструментов и потребления токенов моделей.

Новые аккаунты получают 1 000 бесплатных кредитов вместо ограниченного по времени бесплатного пробного периода, а зарегистрироваться можно с помощью кредитной карты. Согласно xpander, тарифный план Team разрешает неограниченное количество агентов, воркфлоу и рабочих мест.

Использование моделей может составлять значительную часть общих расходов, и компания публикует примеры, призванные облегчить расчет этих затрат. На ее странице ценообразования указаны разные тарифы для входящих и исходящих токенов отдельных моделей; эти расходы на модели встроены в кредитную систему, что избавляет хостинговых клиентов от необходимости получать отдельный счет от провайдера моделей. Таким образом, реальные расходы сильно зависят от выбранных моделей, объемов токенов и количества вызовов инструментов.

Для предприятий, использующих самостоятельное размещение (self-hosting), предусмотрен другой порядок. План Enterprise от xpander представляет собой годовую лицензию, начинающуюся от 50 агентов, и поддерживает развертывание на инфраструктуре Kubernetes клиента или на локальных мощностях (on-premises). Он включает SSO и OIDC, суборганизации с пулами кредитов и отчетностью об использовании по командам, подключение к шлюзу частных моделей, адаптацию (onboarding) и поддержку первого уровня. Клиенты также могут приносить собственные ключи API моделей и использовать собственные согласованные тарифы от провайдеров моделей.

xpander не публикует стоимость этой годовой корпоративной лицензии в долларах, поэтому потенциальные клиенты не могут рассчитать общую стоимость развертывания на частных или изолированных мощностях только на основе публичной информации. В ценовых материалах также не указана публичная долларовая сумма для минимального порога в 50 агентов. Для таких развертываний требуется связаться с xpander для получения индивидуального расчета.

«Вы платите только за ту работу, которую выполняет агент, — рассказал Твицер VentureBeat о хостинговой модели. — Никакой платы за подписку, никакой платы за рабочее место, никакой платы за место разработчика, ничего. Вы просто платите за фактический результат работы агентов».

Для корпоративных покупателей это различие важно: заявление xpander об отсутствии платы за рабочие места прямым образом относится лишь к ее хостинговому предложению на основе использования. Организации, которым необходимо самостоятельно владеть средой развертывания, вместо этого оценивают нераскрываемую годовую лицензию, затраты на инфраструктуру и собственные расходы на поставщиков моделей.

В результате xpander выступает с простым, но всё более оспариваемым предложением по мере того, как предприятия сталкиваются с разрастанием числа агентов (agent sprawl): продолжайте использовать те модели, фреймворки и интерфейсы, которые сотрудники считают полезными, но перенесите инфраструктуру, контролирующую действия этих агентов, в общий слой, которым организация может управлять.

Захотят ли предприятия в конечном итоге получить этот слой от независимого стартапа, компании-разработчика агентных фреймворков или от тех же гиперскейлеров и поставщиков моделей, которых xpander стремится абстрагировать — это становится еще одним полем битвы в стеке корпоративного ИИ.

Сравнение xpander с другой агентной инфраструктурой

Пересечения становятся более очевидными при прямом сравнении продуктов. Несколько конкурентов теперь поддерживают нескольких поставщиков моделей, контролируемую клиентом инфраструктуру или и то, и другое. Различия всё сильнее касаются того, какую часть агентского стека каждая платформа пытается взять под свой контроль — предоставляет ли она фреймворк разработки агентов, нейтральную среду выполнения, инфраструктуру долгоиграющих воркфлоу или набор управляемых облачных сервисов.

Такое сравнение усложняет простое продвижение идеи независимости от вендоров. Например, AWS AgentCore поддерживает модели за пределами Bedrock и такие фреймворки, как LangGraph, CrewAI и ADK от Google, в то время как LangSmith прямо называет себя независимой от фреймворков. CrewAI предлагает развертывания под контролем клиентов и широкий выбор моделей. Temporal позволяет компаниям полностью размещать уровень отказоустойчивого выполнения самостоятельно, хотя он решает более узкую инфраструктурную проблему, не предлагая полноценную панель управления агентами.

Это делает потенциальное дифференцирование xpander более специфичным. Она пытается объединить переносимость фреймворков и моделей с корпоративной идентификацией, управлением, инфраструктурой среды выполнения и слоем совместной работы для сотрудников, а не конкурировать исключительно за счет возможности менять модели или развертываться за пределами SaaS-окружения вендора. xpander также тарифицирует свою хостинговую платформу в зависимости от индивидуальных запусков агентов и вызовов инструментов, а не рабочих мест, хотя предприятиям, которым требуется самостоятельное размещение, приходится сталкиваться с нераскрываемой годовой лицензией, начинающейся от 50 агентов.