Open Executive: open source AI jako wirtualny zarząd firmy

Open Executive to nowy projekt open source, który wpisuje się w coraz głośniejszą debatę o roli sztucznej inteligencji w zarządach firm. System, opracowany przez SenteLabs.ai, ma działać jako wirtualny zespół kadry kierowniczej — cyfrowy odpowiednik doświadczonego doradcy z wiedzą na poziomie Harvard MBA, dostosowanego do specyfiki konkretnej firmy. Sam tytuł projektu, powstałego w reakcji na przypadki zwalniania programistów „na rzecz AI”, ma wydźwięk ironiczny: deweloperzy odpowiedzieli na taką decyzję, tworząc darmowego, otwartego „AI CEO”.

Kluczowe wnioski

• Open Executive udostępnia jeden spójny „głos” wykonawczy, za którym stoi ośmiu wyspecjalizowanych agentów AI odpowiadających m.in. za strategię, finanse, HR, prawo, operacje, marketing, produkt i relacje z zarządem.
• System wykorzystuje model claude-sonnet-4–6 jako orkiestrator oraz claude-opus-4–7 do głębszego rozumowania w obszarach strategii, finansów, prawa i komunikacji z zarządem.
• Projekt jest w pełni open source, dostępny na licencji Apache 2.0, z kodem opartym na Pythonie 3.11, FastAPI oraz Next.js 15.
• Open Executive utrzymuje pamięć epizodyczną decyzji i inicjatyw między sesjami oraz posiada wbudowany harmonogram, który proaktywnie przypomina o działaniach wymagających uwagi.
• Narzędzie integruje się z popularnymi kanałami komunikacji — Slackiem, e-mailem, Telegramem, Google Chat i Discordem.

Osiem cyfrowych dyrektorów w jednym systemie

Sercem projektu jest architektura złożona z ośmiu wyspecjalizowanych agentów, którzy razem tworzą pełny „gabinet” kierowniczy. Chief Strategy Officer zajmuje się analizą konkurencji, fuzjami i przejęciami oraz ustalaniem celów (OKR). Chief Financial Officer odpowiada za modelowanie finansowe, pozyskiwanie kapitału i przepływy pieniężne. Kolejni agenci pokrywają obszary HR (rekrutacja, wynagrodzenia, kultura organizacyjna), prawa (umowy, własność intelektualna, zgodność z przepisami), operacji, marketingu, strategii produktowej oraz komunikacji z inwestorami i zarządem.

Co istotne, użytkownik nigdy nie widzi wewnętrznej struktury wieloagentowej — wszystkie odpowiedzi docierają jako jeden konsekwentny „głos” dyrektora generalnego. Taka architektura przypomina rozwiązania opisywane wcześniej w kontekście systemów wieloagentowych w rozwoju oprogramowania, gdzie wiele wyspecjalizowanych modeli współpracuje nad złożonymi zadaniami, zamiast opierać się na jednym uniwersalnym agencie.

Jak działa system pod maską

Zapytanie użytkownika trafia najpierw do orkiestratora działającego na modelu claude-sonnet-4–6, który równolegle uruchamia odpowiednich specjalistów za pomocą mechanizmu wywoływania narzędzi (tool use). Każdy z agentów sięga po kontekst z bazy wektorowej ChromaDB, łącząc dwie warstwy wiedzy: wbudowaną bazę wiedzy poziomu MBA (przechowywaną jako pliki Markdown śledzone w repozytorium git) oraz dokumenty przesłane przez konkretną firmę, przechowywane w osobnej kolekcji company_docs.

Po każdej odpowiedzi w tle działa dodatkowy przebieg oparty na modelu claude-haiku-4–5, który wyodrębnia kluczowe decyzje, inicjatywy i porady, zapisując je w bazie SQLite. Dzięki temu następna sesja zaczyna się od bloku z poprzednimi decyzjami — system „pamięta”, co zalecił miesiąc wcześniej.

Wbudowany harmonogram zadań przejmuje zaległe akcje za pomocą zapytania UPDATE… RETURNING, co zapobiega ich wielokrotnemu uruchomieniu. Autorzy projektu wyraźnie zaznaczają, że interfejs API musi działać jako pojedyncza instancja — skalowanie horyzontalne bez wcześniejszego zabezpieczenia harmonogramu może prowadzić do błędów. System prompt jest ustrukturyzowany tak, by persona dyrektora, profil firmy i indeks wiedzy były cachowane niezależnie od siebie, co pozwala uzyskać nawet 85% trafień w cache po kilku pierwszych turach rozmowy — żadna dynamiczna treść nie trafia jednak do cachowanego bloku.

Otwarty kod i praktyczne wdrożenie

Cały stos technologiczny opiera się na API Anthropic Claude, backendzie w Pythonie 3.11 z FastAPI, menedżerze pakietów uv, lokalnej i wbudowanej bazie wektorowej ChromaDB, pamięci epizodycznej w SQLite oraz interfejsie webowym napisanym w Next.js 15 z Tailwind. Repozytorium zawiera moduły odpowiadające za orkiestrację, agentów specjalistycznych, pipeline RAG, pamięć firmową, kreator wdrożenia (onboarding), integracje komunikacyjne, harmonogram zadań w tle, system alertów oraz logowanie audytowe.

Instalacja wymaga Pythona 3.11+ oraz Node 22+. Pierwsze uruchomienie polecenia make dev może potrwać kilka minut, ponieważ proces uv sync ściąga cięższe zależności ML (ChromaDB oraz sentence-transformers/PyTorch), a system dociąga model embeddingowy o wadze około 90 MB potrzebny do budowy lokalnego indeksu wektorowego. Kolejne starty aplikacji są już szybkie. Po skonfigurowaniu klucza API Anthropic w pliku .env interfejs użytkownika działa na porcie 3000, a API na porcie 8000.

Projekt obsługuje też integrację z Discordem — po utworzeniu aplikacji na platformie deweloperów Discorda i skonfigurowaniu odpowiednich zmiennych środowiskowych, bot startuje razem z procesem API, korzystając z tej samej bazy SQLite i wektorowego magazynu ChromaDB. Ta konstrukcja może zainteresować firmy testujące automatyzację i agentów AI w codziennych procesach zarządczych, choć wcześniejsze doświadczenia z „AI-szefami” pokazują, że ludzki nadzór wciąż bywa niezbędny przy podejmowaniu kluczowych decyzji personalnych.

Open Executive to przykład tego, jak społeczność deweloperska odpowiada na presję zastępowania ludzkiej pracy przez AI — nie protestem, a stworzeniem darmowej, otwartej alternatywy dla drogich, zamkniętych systemów korporacyjnego doradztwa opartego na sztucznej inteligencji.