Universal Cognitive Architecture: Slik skal AI-modeller kunne byttes uten å ta med seg virksomhetens hukommelse

Starling Memory Works foreslår å plassere en virksomhets varige AI-minne et annet sted enn i selve språkmodellen. Selskapets Universal Cognitive Architecture (UCA) presenteres som en gratis, åpen standard under Creative Commons, mens Starling MX er den første betaversjonen. Prisen starter på 99 dollar i måneden for den første brukeren, med separat betaling for ekstra bruk.

Grunntanken er enkel: Språkmodellen skal være en utskiftbar motor for resonnering, mens virksomhetens autoritative kunnskap skal være strukturert, styrt og flyttbar.

Hva er Universal Cognitive Architecture?

UCA er en standard for klassifisering av kunnskap i naturlig språk. Den organiserer virksomhetsinformasjon rundt 11 såkalte «Organizational Cognates». Starling sier at tilbakevendende begreper får permanente semantiske adresser. Dermed skal mennesker og kompatible AI-systemer kunne be om en bestemt del av virksomhetens kunnskap ved hjelp av en kjent adresse, i stedet for å være helt avhengige av sannsynlighetsbasert søk.

Tilnærmingen kan sammenlignes med et bibliotekssystem. Språkmodellen kan byttes ut, mens katalogen og de underliggende postene blir liggende. I Starling-materialet brukes for eksempel adressen MA20 for konkurranseposisjon. Adressen skal være stabil selv om innholdet under den får nye versjoner.

UCA er altså ikke en ny språkmodell. Det er et foreslått organiseringslag for en Domain Language Model (DLM): en generell og tilstandsløs språkmodell som får tilgang til virksomhetens strukturerte minne når den skal løse en oppgave.

Slik beskriver Starling MX arkitekturen

Starling deler virksomhetens kunnskapslager i to hovedområder:

• Org Library: styrte og versjonerte poster som skal inneholde virksomhetens kanoniske kunnskap.
• Resources: kildemateriale, genererte dokumenter og arbeidsfiler som brukes som støtte og kontekst.

Forskjellen er viktig. Et forskningsnotat eller et utkast kan hjelpe AI-en med å løse en oppgave, men skal ikke automatisk bli virksomhetens «sannhet». Org Library er ment å bevare den godkjente versjonen, mens Resources brukes til referanser og produksjon.

Lageret er også tekstbasert. Starling sier at virksomhetens minne lagres som lesbar, tapsfri Markdown-tekst, ikke som en ugjennomsiktig tilstand inne i en modell. De oppgitte fordelene er at innholdet kan inspiseres, versjonshåndteres og flyttes, og at både mennesker og programvare kan lese det.

På maskinsiden skal et manifest sette sammen relevant kontekst fra lageret som virksomheten kontrollerer. Modellen mottar konteksten, utfører arbeidet og skal ikke beholde virksomhetens varige minne som sitt eget.

Hvor kommer MCP inn?

Starling peker på Anthropic’s Model Context Protocol (MCP) som forbindelseslaget som gir AI-modeller tilgang til ekstern virksomhetskontekst. UCA skal levere felles klassifisering og semantiske adresser, lageret skal levere de styrte postene, og MCP skal bidra til å koble denne konteksten til modellens arbeidsøkt.

I Starling-modellen er det dette skillet som i prinsippet gjør det mulig å bytte modell. Virksomhetens kunnskap skal ikke være låst til én leverandørs proprietære minnefunksjon eller samtalehistorikk. I stedet skal en kompatibel modell kunne kobles til det samme strukturerte lageret og få den konteksten som trengs for oppgaven.

Dette er imidlertid en arkitekturpåstand, ikke et bevis på universell kompatibilitet. Materialet som foreligger, beskriver Starling-arkitekturen og selskapets planlagte bruk av den. Det dokumenterer ikke uavhengig at alle modeller eller installasjoner vil fungere like godt med standarden.

Hvorfor kobles UCA til AI-suverenitet?

Administrerende direktør Chris Kincades argument er at AI-suverenitet handler om mer enn infrastruktur. Å eie GPU-er, drifte systemer lokalt eller velge en nasjonal modellleverandør sikrer ikke nødvendigvis kontroll over virksomhetens beslutninger, retningslinjer, opphav, tillatelser og operative kunnskap.

Med UCA skal disse varige verdiene bli liggende i et lager virksomheten selv kontrollerer. Hvis en modell oppgraderes, byttes ut, blir utilgjengelig eller avvises av hensyn til styring og etterlevelse, skal virksomheten fortsatt ha minnet sitt og kunne koble en annen modell til den samme kunnskapsbasen.

Det kan redusere avhengigheten av én AI-leverandør, fordi den mest verdifulle ressursen – virksomhetens klassifiserte og styrte kunnskap – ligger utenfor modellen. Det kan også gi større motstandsdyktighet ved at modellen er tilstandsløs når det gjelder virksomhetens langsiktige institusjonelle minne.

Det er dette Starling oppsummerer med formuleringen: «Modellen glemmer – organisasjonen husker.» Modellen håndterer resonneringen i en arbeidsøkt. Virksomheten beholder postene, adressene og styringen som gir arbeidet kontinuitet.

Hva betyr lanseringen av en åpen standard?

Selskapet sier at UCA skal være permanent gratis under en Creative Commons-lisens. Organisasjoner skal dermed kunne bygge videre på standarden uten lisens eller tillatelse fra Starling.

Det skiller UCA fra en minnefunksjon som bare finnes i én plattform. I teorien kan en åpen klassifiseringsstandard leve lenger enn produktet som først tok den i bruk. Organisasjoner kan strukturere kunnskapen etter standarden og senere vurdere ulike verktøy for lagring, gjenfinning og modelltilgang.

Den praktiske verdien vil likevel avhenge av utbredelse, implementering og styring. En permanent adresse hjelper bare dersom teamene er enige om hva den betyr, vedlikeholder den kanoniske posten og kontrollerer endringer nøye. Klassifisering kan gjøre kunnskap lettere å finne, men gjør den ikke automatisk riktig eller oppdatert.

Bruksområder og begrensninger i dokumentasjonen

Starling knytter arkitekturen til blant annet personlig coaching, markedsføring, byggeledelse og juridiske tjenester. Materialet inneholder også en anbefaling fra Brady Patterson i SelfOS, som sier at det å gi kunnskapen «et tydelig anker» reduserte tap av kontekst og datadrift.

Eksemplene bør likevel leses med en viss varsomhet. Kildene som foreligger, bekrefter ikke uavhengig forholdet til Wrks Onlines QuillOS, omfanget av eventuelle installasjoner eller målte resultater. SelfOS-uttalelsen er en anbefaling fra en bruker eller bransjeaktør, ikke en uavhengig validering av UCA-ens effekt.

Mer generelt bygger dokumentasjonen i stor grad på Starling’ egne produktbeskrivelser og omtale av lanseringen. Den underbygger hva selskapet har publisert og hvordan det beskriver arkitekturen, men viser ikke at UCA i virkelige installasjoner gir bedre presisjon, lavere kostnader, høyere sikkerhet eller større uavhengighet fra leverandører.

Konklusjonen

UCA bygger på ideen om at organisasjoner først bør etablere et varig, lesbart og styrt minnelag før AI-modeller skal resonnere over virksomhetskunnskap. Faste semantiske adresser skal gi systemet struktur, Org Library skal bevare den kanoniske kunnskapen, Resources skal inneholde støtte- og arbeidsmateriale, og MCP skal koble ekstern kontekst til modellens arbeidsøkter.

Starling MX er den første betaplattformen som er bygget rundt denne modellen, med en startpris på 99 dollar i måneden for den første brukeren. Arkitekturen gir et ryddig svar på utfordringen med leverandørlåsing og tap av institusjonell hukommelse: Hold virksomhetens kunnskap adskilt fra modellen, slik at modellene kan endres uten at organisasjonen må gi fra seg minnet sitt.

Om løftet holder i stor skala, er fortsatt et åpent spørsmål. Det vil kreve uavhengig dokumentasjon fra faktiske installasjoner.