CORPGEN: Новый подход Microsoft к многозадачности ИИ-агентов
Microsoft представила систему CORPGEN, которая позволяет ИИ-агентам эффективно справляться с десятками взаимосвязанных задач одновременно, повышая успешность выполнения в 3.5 раза.
Microsoft представила систему CORPGEN, которая позволяет ИИ-агентам эффективно справляться с десятками взаимосвязанных задач одновременно, повышая успешность выполнения в 3.5 раза.
5 мин

Microsoft Research представила новую систему под названием CORPGEN, которая призвана решить одну из главных проблем современных автономных агентов — неспособность эффективно работать в условиях хаотичной многозадачности. В то время как большинство текущих моделей хорошо справляются с последовательным выполнением простых поручений, они часто «ломаются», когда нужно удерживать в контексте десятки взаимосвязанных процессов.
CORPGEN позволяет агентам управлять множеством задач одновременно в симулированной рабочей среде. Это шаг от простых чат-ботов к полноценным цифровым сотрудникам, способным не просто отвечать на вопросы, а вести сложные проекты.
До сих пор развитие больших языковых моделей (LLM) шло по пути улучшения рассуждений в рамках одного диалогового окна или одной задачи. Если вы попросите современную модель написать код, она справится. Но если вы попросите ее написать код, параллельно проверяя почту, обновляя документацию и согласовывая встречи с командой, качество выполнения каждой отдельной задачи резко падает.

Diagram showing a digital employee's workday in three phases. Day Init on the left, where the agent loads memory and generates a daily plan. Execution Cycles in the center, where the agent repeatedly retrieves context, reasons and acts through a ReAct loop, and persists results across 50+ interleaved tasks. Day End on the right, where the agent generates a reflection and consolidates experience into long-term memory. Below the diagram, labels show the tiered memory architecture and experiential learning components.
Агенты часто теряют контекст или приоритеты, страдая от своеобразного «туннельного зрения». Они могут отлично выполнить одну задачу, но забыть о другой, которая была критически важна для общего результата. CORPGEN создана именно для преодоления этого барьера, имитируя реальную рабочую нагрузку, где переключение контекста — это норма, а не исключение.
Ключевая особенность CORPGEN заключается в архитектуре управления зависимостями. Система не просто ставит задачи в очередь, она понимает, как одна задача влияет на другую.
Согласно данным исследования, использование CORPGEN позволяет достичь показателей завершения задач, которые до 3.5 раз выше по сравнению с ведущими базовыми моделями (baselines). Это особенно заметно в сценариях с высокой нагрузкой, где агенту приходится жонглировать десятками поручений.
Входные данные также упоминают ряд сопутствующих исследований Microsoft, датированных 2025 и 2026 годами (что указывает на долгосрочную стратегию компании или футуристический контекст источника), включая мультимодальное обучение с подкреплением и агентные верификаторы. Это говорит о том, что CORPGEN — часть большой экосистемы инструментов для создания автономной рабочей силы.

Architecture diagram of the CORPGEN framework. At center is the Digital Employee with persistent identity, execution engine, cognitive tools, sub-agents, and context management. On the left, Hierarchical Planning decomposes strategic objectives into tactical plans and operational actions. On the right, Sub-Agents as Tools shows a Research Agent and Computer-Use agent (UFO2) operating in isolated contexts. At the bottom, the Tiered Memory Architecture spans working memory, structured long-term memory, and semantic memory via Mem0. Experiential Learning in the bottom right captures successful trajectories and routes feedback to UFO2. Multi-Employee Collaboration at the top shows async communication via Email and Teams with no shared state.
Переход от чат-ботов к агентам — это главный тренд ближайших лет. Однако бизнес не может полагаться на агентов, которые «зависают» или галлюцинируют при повышении сложности задач.
Технология, подобная CORPGEN, решает проблему надежности. Если агент может удерживать в «голове» сложную карту зависимостей задач, ему можно доверить не просто написание письма, а управление логистической цепочкой или поддержку клиентов полного цикла. Это приближает нас к автоматизации бюрократической и административной работы, которая ранее считалась слишком хаотичной для алгоритмов.
Мы видим четкий вектор развития: от моделей, которые знают (базы знаний), к моделям, которые делают (агенты). Следующим шагом после успешных симуляций станет внедрение таких систем в реальные корпоративные CRM и ERP-системы.
Вероятно, в ближайшем будущем мы увидим интеграцию архитектуры CORPGEN в продукты Microsoft 365 Copilot, где агент сможет самостоятельно управлять календарем, почтой и документами пользователя, понимая контекст всей рабочей недели, а не отдельного запроса.
Microsoft создала архитектуру CORPGEN, которая учит ИИ-агентов не теряться при выполнении множества параллельных задач, приближая их к уровню реальных сотрудников.
Главная проблема агентов сейчас не в «интеллекте» как таковом, а в «менеджменте» собственных ресурсов и внимания при переключении контекста.