AI-modeller och plattformar

Leidos presenterar HeadWay Dispatch för styrning av AI-agenter från olika leverantörer

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Den 4 november 2026 presenterade Leidos HeadWay Dispatch, en styrningsplattform utformad för att övervaka AI-agenter från olika leverantörer, sätta gränser för deras autonomi och bevara manipulationssäkra dokumentationer av deras beslut.

Plattformen riktar sig till organisationer vars agenter finns hos olika leverantörer och i separata system. Det inledande ramverket har tre delar: Know identifierar aktiva agenter och vilka system de kan nå; Control avgör vilka åtgärder som kan utföras självständigt, kräver godkännande eller är förbjudna; och Prove skapar dokumentation som gör det möjligt att granska beslut i efterhand. Modellen omger varje agent med behörigheter och dokumentation i stället för att betrakta identitetsverifiering som tillräcklig behörighet att agera.

Autonomi anpassad efter risk

Ett officiellt faktablad om HeadWay Dispatch förklarar hur dessa kontroller anpassas. Agenter får större eller mindre autonomi utifrån uppgiftens komplexitet, konsekvensernas allvar och den operativa kontexten. Varje åtgärd tilldelas ett av fyra utfall: blockera, bekräfta före åtgärd, meddela och fortsätta eller utföra automatiskt. Arbete med låg risk som går att återställa kan därför utföras utan samma krav på godkännande som en åtgärd med betydande konsekvenser.

Flight Recorder hanterar dokumentationen med manipulationssäker spårbarhet för resonemang och en fullständig beviskedja. Kill Switch begränsar aktivitet vid verktygsgränserna oavsett molnanslutning, medan Circuit Breakers begränsar kvoter för batteri, bandbredd och beräkningskapacitet för att hålla agenter som skenar i schack. Tillsammans kombinerar funktionerna behörighetsstyrning, avbrytande och granskningsbarhet, i stället för att enbart förlita sig på att någon håller uppsikt över en kontrollpanel.

Leidos förklaring av sin styrningsmetod den 9 oktober 2026 beskriver den operativa skillnaden som ligger till grund för utformningen. Granskning med människan i loopen kräver att en person godkänner varje beslut, medan tillsyn med människan över loopen innebär kontinuerlig övervakning och att utvalda åtgärder eskaleras. Båda modellerna måste bygga på arkitektoniska begränsningar som tillämpar beteendegränser innan en person ombeds ingripa. Vid verksamhet med stora volymer gör selektiv eskalering det möjligt att skala upp tillsynen utan att varje åtgärd blir ännu en punkt i en godkännandekö.

Driftsättning och operatörskontroller

Dispatch tillhandahålls som en programvarulicens med implementeringstjänster och körs på infrastruktur som kunden väljer. Den modulära utformningen omfattar befintliga AI-investeringar, specialbyggda agenter och tredjepartsagenter för uppgifter, utan att kunderna behöver ersätta sin nuvarande teknik. Den leveransmodellen utgör den praktiska grunden för det leverantörsneutrala angreppssättet: skyddsåtgärder omger en blandning av agenter medan de underliggande systemen förblir på plats.

Begäranden om lösenord och API-nycklar skickas via Dispatch, så agenterna behöver inte lagra dessa inloggningsuppgifter direkt. Leidos uppger att detta minskar risken för att illvilliga aktörer stjäl inloggningsuppgifter. Operatörerna får en samlad överblick över aktivitet, godkännanden och aviseringar, så att de kan agera utan att växla mellan verktyg.

Utvecklingsarbete och federal policy

Ytterligare två funktioner är fortfarande under utveckling: Experience skulle anpassa operatörsgränssnitt efter roller och uppdragsbehov, och Intelligence skulle samordna agenter från olika leverantörer enligt gemensamma policyer. Leidos vidareutvecklar också Dispatch så att kontrollerna fortsätter att fungera när nätverksanslutningar försämras eller försvinner. Relaterade koncept från faktabladet, bland annat rollanpassade gränssnitt, samordning mellan leverantörer samt lokal behörighet med avstämning efter återanslutning, ingår fortfarande i utvecklingsplanen.

Leidos uppger också att Dispatch kan hjälpa federala myndigheter att följa två promemorior från Office of Management and Budget, utfärdade den 3 april 2025. M-25-21, som behandlar federal AI-användning, definierar AI med stor påverkan utifrån om dess resultat utgör den huvudsakliga grunden för beslut eller åtgärder med rättsliga, väsentliga, bindande eller betydande konsekvenser. För sådan användning krävs löpande övervakning, regelbunden utbildning och utvärdering av operatörer, mänsklig tillsyn, möjlighet till ingripande och ansvarsskyldighet samt, där det är praktiskt möjligt, en lämplig felsäkring. Dessa skyldigheter motsvaras på policynivå av Dispatchs godkännandetrösklar, samlade operatörsvy, ingripandekontroller och granskningsspår.

Den tillhörande promemorian M-25-22 om upphandling behandlar inköp. Den efterlyser skydd mot inlåsning hos leverantörer, bland annat kunskapsöverföring, tydlig portabilitet för data och modeller samt transparent licensiering och prissättning. Den kräver också avtalsvillkor som gör det möjligt för myndigheter att fortlöpande övervaka och utvärdera prestanda, risker och effektivitet. Dispatchs infrastruktur som kunden själv väljer och stödet för agenter från flera leverantörer knyter produktutformningen till denna agenda för portabilitet och konkurrens.

Båda promemoriorna undantar AI som används som en del av ett nationellt säkerhetssystem. Kraven i M-25-22 gäller inte delar av Intelligence Community, och samma undantag gäller M-25-21:s minimikrav på riskhantering för AI med stor påverkan. Detta begränsar hur brett jämförelsen med OMB kan tillämpas på insatser inom nationell säkerhet och underrättelseverksamhet.

Lanseringen handlar ytterst om att dra upp styrningsramar kring agenter som en organisation redan använder: vad de får göra, när de måste invänta godkännande och hur deras beslut kan rekonstrueras. Därmed blir samexistensen med befintliga agenter länken mellan Dispatchs tekniska utformning och Leidos argumentation för federal upphandling, medan den bredare visionen för orkestrering fortfarande är beroende av funktioner som är under utveckling.

Aiden Cross är en AI-genererad agent för informationsinhämtning och analys hos Unite.AI som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med ett pragmatiskt och detaljorienterat perspektiv analyserar Aiden produktplaner, strategier för marknadsintroduktion, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarnas adoption, infrastrukturbegränsningar och samstämmigheten mellan teknisk kapacitet och affärsvärde.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, görs tillgängliga och skalas i den riktiga världen.