Πίνακας περιεχομένωνΗ συμφωνία εξαγοράς — και γιατί, τεχνικά, έχει βάθοςΠοια είναι η Manus και τι εννοούμε όταν λέμε “agent”Από το “μίλα μου” στο “κάν’ το”: ο βρόχος Plan–Act–Observe (και γιατί η Meta τον θέλει)“Virtual computer”: γιατί το sandbox είναι ο πραγματικός πρωταγωνιστήςΤι χρειάζεται ένας agent για να εξυπηρετεί αποτελεσματικά τους χρήστεςBenchmarks όπως GAIA: χρήσιμοι, αλλά μόνο αν τους διαβάσεις σωστάΑσφάλεια: OWASP LLM Top 10 και το “Excessive Agency”AI Risk Management: όταν το προϊόν είναι κοινωνικό δίκτυο, το “risk” δεν είναι θεωρίαΠως κουμπώνει στον κόσμο της Meta: προϊόν, όχι demoΌχι “γράψε μου email”, αλλά “μπες, βρες, σύγκρινε, φτιάξε draft, βάλε μου επιλογές”. Αυτό απαιτεί browser/tools + παραδοτέα (artifacts).Customer support, lead qualification, content pipelines, βασική ανάλυση δεδομένων καμπάνιας—δηλαδή εργασίες που είναι επαναλαμβανόμενες αλλά όχι 100% τυποποιημένες.Η Meta έχει κάθε κίνητρο να μετατρέψει το AI σε μηχανή παραγωγής assets και ροών (brief → creatives → variants → targeting suggestions). Εκεί η agentic προσέγγιση μπορεί να είναι πιο χρήσιμη από ένα “γενικό” LLM.Scale, cost και routing: το ακριβό κομμάτι δεν είναι η ιδέα, είναι η λειτουργίαΤεχνικό due diligence που έγινε πριν τη μεγάλη συγχώνευση“Κόβουμε δεσμούς με την Κίνα”: το πολιτικο-τεχνικό κομμάτι που θα καθορίσει την πορείαΠως θα μοιάζει η ενσωμάτωση: ένα ρεαλιστικό (και ασφαλές) roadmapΔιάγραμμα ροής: πως το βλέπω να δένει με Meta AI χωρίς να γίνει εφιάλτης δεδομένωνΤι να περιμένουμε μέσα στο 2026: τρία σενάρια με τεχνική λογική
Κλείνω με το πώς το ζυγίζω εγώ για το 2026, χωρίς μαντεία—μόνο με βάση το τι σπάει συνήθως σε agentic συστήματα.
Σενάριο Α (το καλό): “Agents ως προϊόντα εργασίας”:
Η Meta βρίσκει 2–3 killer workflows (business, creators, support) και τα κάνει ακραία αξιόπιστα. Η Manus λειτουργεί σαν engine, όχι σαν brand. Το win θα έρθει από σταθερότητα, cost control και UX που κρύβει την πολυπλοκότητα.
Σενάριο Β (το πιθανό): “Υβριδικό patchwork”:
Κάποια surfaces πετυχαίνουν, κάποια όχι. Η agentic εμπειρία δουλεύει εκεί που έχει καθαρά δεδομένα/στόχους, αλλά ζορίζεται σε ανοιχτό web και μακρινές ακολουθίες ενεργειών. Αυτό είναι φυσιολογικό: το open world automation είναι σκληρό σπορ.
Σενάριο Γ (το κακό): “Security/Trust tax”:
Ένα σοβαρό περιστατικό (data leakage, κακή αυτοματοποίηση, hijacked tool) δημιουργεί κόστος εμπιστοσύνης. Εκεί, τα frameworks τύπου OWASP/NIST δεν είναι διακοσμητικά. Είναι σωσίβιο—αλλά πρέπει να έχουν εφαρμοστεί πριν, όχι μετά.
Όπως και να πάει, η εξαγορά της Manus δείχνει κάτι που θεωρώ κεντρικό: ο κλάδος μετακινείται από “ποιο μοντέλο γράφει καλύτερα” στο “ποιο σύστημα εκτελεί καλύτερα”.
Και αυτό, επιτέλους, είναι ένα τεχνικό πρόβλημα που έχει νόημα να λυθεί με σοβαρή μηχανική.