Публикувано на 11 август 2026 г.Ако преди две години разговорите около AI бяха за възможностите, които технологията може да отключи, то днес организациите вече са преминали отвъд етапа на експериментите и активно създават и интегрират AI агенти в реални продукти и процеси.
Именно тогава започват истинските въпроси – какво всъщност прави агентът между подадения prompt и крайния резултат? Колко струва работата му? Къде нещата могат да се счупят? И най-важното – как можем да измерим дали AI действително създава стойност?
Това са въпроси, които софтуерните екипи в Progress Software все по-често започват да си задават. В разговорите си с клиенти, които също разработват софтуер, екипът на компанията забелязва, че независимо от индустрията организациите се сблъскват с едни и същи предизвикателства, породени от недетерминистичната природа на големите езикови модели. Така постепенно се ражда идеята за Progress AI Observability Platform, решение за наблюдение, анализ и оптимизация на AI системи и агенти, разработвано изцяло от екипа на Progress в България.
Повече за пътя, изминат от идентифицирането на проблем до създаването на работещ и печеливш продукт, разказват Александър Златков, директор „Продуктов мениджмънт – нови продукти“, и Любомир Атанасов, старши продуктов мениджър, част от екипа зад AI Observability Platform.
Когато всички знаци сочат в една посока
В началото на 2025 г. създаването на подобен продукт не е част от продуктовата стратегия на Progress. В работата си по съществуващото портфолио от софтуерни решения екипът забелязва повтарящи се казуси, свързани с наблюдението и управлението на AI системи и агенти в пазара и развитието на технологиите, в разговорите с други разработчици и в собствената си работа като продуктов екип, който борави с AI ежедневно. Това им дава знак, че тези проблеми заслужават да бъдат разгледани в детайл.
Преди да започнат да създават каквото и да било, те искат да разберат как потенциалните им потребители изграждат AI приложения, къде срещат най-сериозни затруднения и защо съществуващите решения невинаги покриват нуждите им.
„Започнахме с фокус върху наблюдение и анализ на разходите, които генерират AI агентите. Много скоро стана ясно, че това не е достатъчно“, сподели Александър. „Все повече компании изграждат собствена инфраструктура и залагат на отворени модели, водени от изисквания за сигурност и контрол върху данните и инфраструктурата. В същото време динамиката при ценообразуването на моделите прави планирането все по-трудно.“
Така първоначалната идея постепенно прераства в цялостна AI Engineering платформа, която покрива все повече етапи от жизнения цикъл на AI агентите. За екипа това означава непрекъснато учене, адаптация и готовност да пренарежда приоритетите си според нуждите на клиентите.
Loading …Как работи платформата на практика?
Тя е създадена за .NET екипи, но има и нейтив поддръжка за Python и TypeScript, което я прави приложима за широк кръг организации, работещи с LLM модели.
Представете си екип, който разработва AI-базиран финансов асистент за кандидатстване за кредит. Агентът използва различни инструменти, достъпва бази данни и генерира препоръки към потребителите. В подобна ситуация е критично да се знае как агентът е стигнал до дадено решение, защо една заявка е по-скъпа от друга или дали не съществува риск от изтичане на чувствителна информация. Именно тук идва ролята на платформата – тя проследява целия процес, позволява оценка на резултатите в реално време и дава ясна картина за разходите.
„Платформата преди всичко дава увереност“, каза Любомир. „Когато пуснете агент в продукция, знаете как се държи, колко струва и дали наистина върши работа.“
Засиленият интерес към платформата се дължи и на факта, че много екипи изобщо нямат представа колко харчат за AI и каква е реалната възвръщаемост от употребата му. В момента, в който тези данни се видят ясно, разговорът около AI се променя от „колко ни струва той“ към „къде си струва да го използваме и къде – не.“
Explore more
Следващата стъпка
Платформата беше пусната на пазара през юни 2026 г. и вече има активни клиенти, а посоката за развитие е ясна – да се разрасне отвъд мониторинг в цялостно AI Engineering решение, което покрива целия жизнен цикъл на агента – от изграждане и наблюдение до оптимизация, управление на паметта и непрекъснатото им усъвършенстване.
AI индустрията все още пише и пренаписва собствените си правила. Именно затова най-ценният ресурс в нея не са моделите, инфраструктурата или инструментите, а хората с дълбока техническа експертиза и усет за индустрията, които умеят да разбират сложните проблеми, да вземат решения при липса на достатъчно информация и да превръщат нововъзникващите нужди в работещи решения.
Зад AI Observability Platform стои точно такъв екип от професионалисти. И може би това е най-доброто доказателство, че големите технологични истории не започват непременно в Силициевата долина. Понякога стартират в София с няколко правилно зададени въпроса и един любопитен екип, който не спира да търси отговори и се осмелява да задава тон в индустрията.
