Proton rozwija Lumo w kierunku pełnoprawnego agenta AI, który może korzystać z plików, aplikacji i firmowych narzędzi zamiast wyłącznie odpowiadać na pytania w oknie czatu. To naturalny kolejny etap po Lumo 2.0, które Proton przedstawił jako prywatną alternatywę dla ChatGPT, ale tym razem firma znacznie mocniej wchodzi w automatyzację codziennej pracy.
Desktopowa wersja Lumo trafia na Windows, macOS i Linux, a razem z nią pojawiają się konektory do lokalnych plików, Proton Mail, Google Drive, Jira, Confluence i innych usług, obsługa serwerów MCP, zaplanowane zadania oraz Skills zapisujące własne instrukcje użytkownika. Najważniejszym elementem pozostaje jednak prywatność, ponieważ im więcej danych przekazujemy agentom AI i im szerszy dostęp otrzymują do naszych aplikacji, tym istotniejsze staje się pytanie, kto może później wykorzystać te informacje i w jakim celu.
Najważniejsze informacje w skrócie:
- Proton udostępnił Lumo Desktop dla Windows, macOS i Linux,
- aplikacja otrzymała Connectors, Schedules oraz Skills,
- Lumo może pracować z lokalnymi plikami i wykonywać polecenia systemowe,
- dostępne są integracje między innymi z Proton Mail, Google Drive, Dropbox, Slack, Jira i Confluence,
- można podłączać lokalne i zdalne serwery Model Context Protocol,
- użytkownik ustala poziom uprawnień osobno dla działań konektorów,
- Schedules pozwalają wykonywać jednorazowe i cykliczne zadania,
- Skills zapisują instrukcje, szablony oraz pliki referencyjne do ponownego wykorzystania,
- Proton deklaruje, że rozmowy i dane z podłączonych usług nie są używane do trenowania modeli ani personalizowania reklam,
Lumo Desktop może pracować z plikami, pocztą i aplikacjami
Największą zmianą jest wprowadzenie Connectors, które pozwalają Lumo wychodzić poza zawartość pojedynczego okna rozmowy i korzystać z informacji przechowywanych w innych miejscach. Asystent może wyszukać dokument zapisany lokalnie, sprawdzić wiadomości w Proton Mail, przejrzeć pliki w Google Drive lub Dropbox, pobrać dane z Jira i Confluence albo korzystać z innych narzędzi udostępnianych przez użytkownika. Dostęp do lokalnego komputera obejmuje również system plików, wykonywanie poleceń powłoki oraz pobieranie treści internetowych.
Pod względem koncepcji jest to kierunek bardzo podobny do rozwijanego przez ChatGPT Work, który może korzystać z plików, aplikacji i przeglądarki, a następnie wykonywać wieloetapowe zadania prowadzące do przygotowania gotowego dokumentu, prezentacji czy arkusza. Najważniejsza różnica nie znajduje się więc w samej liście funkcji, lecz w sposobie, w jaki Proton chce obsługiwać informacje przekazywane agentowi.
Lumo obsługuje również Model Context Protocol, dzięki czemu użytkownik może dołączyć własny lokalny albo zdalny serwer MCP i udostępnić asystentowi kolejne narzędzia. To szczególnie istotne dla firm i bardziej technicznych użytkowników, ponieważ MCP staje się jednym z podstawowych sposobów łączenia modeli AI z zewnętrznymi źródłami danych i aplikacjami, a dzięki otwartemu mechanizmowi Proton nie musi samodzielnie przygotowywać osobnego konektora do każdego systemu.
Prywatność zaczyna mieć większe znaczenie, gdy AI dostaje dostęp do całego komputera
Proton od początku budował Lumo wokół prywatności i teraz ten argument staje się znacznie poważniejszy niż przy zwykłym chatbocie. Jeśli model otrzymuje dostęp do folderów na komputerze, poczty elektronicznej, dokumentów firmowych i usług chmurowych, problemem przestaje być wyłącznie treść pojedynczego promptu, ponieważ asystent może pracować z dużym fragmentem cyfrowego życia użytkownika.
Firma deklaruje, że rozmowy oraz informacje pochodzące z podłączonych plików i aplikacji nie są wykorzystywane do trenowania modeli ani serwowania spersonalizowanych reklam. Historia czatów jest chroniona szyfrowaniem typu zero-access, co według Proton oznacza, że treści zapisanych rozmów nie może odczytać nawet sama firma. Proton podkreśla również wykorzystanie europejskiej infrastruktury oraz działanie w ramach szwajcarskich przepisów dotyczących prywatności.
To mocny argument w momencie, w którym pozostałe firmy technologiczne coraz agresywniej rozbudowują możliwości agentów AI. Niedawno pisaliśmy o tym, że OpenAI zatrudniło zewnętrznych badaczy bezpieczeństwa do testowania integracji ChatGPT z aplikacjami, ponieważ właśnie połączenia z pocztą, chmurą, repozytoriami kodu i systemami biznesowymi tworzą kolejną warstwę potencjalnych podatności. Każdy nowy konektor zwiększa możliwości agenta, ale jednocześnie daje mu dostęp do kolejnego miejsca, w którym przechowywane mogą być poufne informacje.
Proton pozwala kontrolować działania Lumo, ale jedno ustawienie warto zmienić
Każdy konektor ma osobne uprawnienia, a użytkownik może zdecydować, które operacje zostaną wykonane automatycznie, które będą wymagały ręcznego zatwierdzenia, a które zostaną całkowicie zablokowane. Można więc przykładowo pozwolić Lumo przeszukiwać skrzynkę odbiorczą bez pytania o zgodę, jednocześnie wymagając potwierdzenia przed wysłaniem wiadomości i całkowicie uniemożliwiając jej usuwanie.
Sam model kontroli jest bardzo sensowny, szczególnie w przypadku agentów mogących wykonywać działania powodujące realne konsekwencje poza oknem rozmowy. Problem pojawia się jednak przy ustawieniach domyślnych. Dokumentacja Proton podaje, że wszystkie działania konektora są początkowo ustawione jako Auto-approve, a dopiero użytkownik może zmienić je na wymagające zatwierdzenia lub całkowicie zabronione.
Mam z tym pewien problem, ponieważ firma budująca produkt wokół bezpieczeństwa powinna moim zdaniem stosować bardziej konserwatywne ustawienia właśnie wtedy, gdy AI otrzymuje możliwość działania w innych aplikacjach. Automatyczne przeszukanie pliku jest czymś zupełnie innym niż wysłanie wiadomości, wykonanie polecenia systemowego albo operacja w firmowym narzędziu, dlatego warto po instalacji Lumo Desktop przejrzeć uprawnienia poszczególnych konektorów, zamiast zakładać, że domyślna konfiguracja będzie najbardziej bezpieczna.
Schedules zmieniają Lumo z chatbota w działającego samodzielnie agenta
Drugą dużą nowością są Schedules, czyli zaplanowane zadania uruchamiane jednorazowo albo według określonego harmonogramu. Użytkownik może poprosić Lumo o przygotowywanie porannego przeglądu wiadomości, cotygodniowego podsumowania poczty, analizowanie wydatków raz w miesiącu lub regularne sprawdzanie dokumentów dostępnych przez podłączone konektory.
Zadanie można utworzyć przez zwykłą rozmowę z Lumo albo skonfigurować ręcznie, określając instrukcje, częstotliwość, potrzebne konektory i poziom uprawnień. Agent może następnie wykonywać je automatycznie, a w przypadku operacji wymagających zgody zatrzymać proces i poprosić użytkownika o zatwierdzenie działania. Zadania można później edytować, zatrzymywać, uruchamiać ręcznie lub całkowicie usuwać.
To kolejny element coraz wyraźniejszej zmiany na rynku generatywnej AI. Największe firmy przestają rywalizować wyłącznie jakością odpowiedzi modeli, ponieważ kolejnym etapem jest zdolność do wykonywania rzeczywistej pracy bez konieczności ręcznego uruchamiania każdego kroku. Lumo idzie dokładnie w tę stronę, ale Proton próbuje przekonać użytkowników, że automatyzacja nie musi oznaczać oddawania firmie technologicznej kolejnej ogromnej porcji danych.
Skills pozwalają nauczyć Lumo własnego sposobu pracy
Trzecim elementem nowego Lumo są Skills, czyli zapisane instrukcje, które mogą być automatycznie wykorzystywane w kolejnych rozmowach. Zamiast za każdym razem tłumaczyć modelowi, jak powinien pisać wiadomości, wyglądać raport albo w jakim formacie przygotować dokument, użytkownik może stworzyć odpowiedni Skill i dołączyć do niego własne szablony oraz pliki referencyjne.
Proton podaje przykłady obejmujące zapisanie własnego stylu korespondencji, danych potrzebnych do przygotowywania aplikacji o pracę czy preferencji wykorzystywanych przy planowaniu posiłków. Lumo może zastosować kilka Skills podczas jednego zadania, a funkcja zastępuje wcześniejsze Custom Lumos, które mają zostać automatycznie przeniesione do nowego systemu.
Sama koncepcja przypomina rozwiązania rozwijane przez konkurencję, gdzie modele mogą zachowywać preferencje użytkownika i korzystać z zapisanych instrukcji podczas kolejnych zadań. Różnica ponownie sprowadza się więc do pytania, co dzieje się z informacjami przekazanymi asystentowi. Temat jest szczególnie istotny przy bardziej prywatnych danych, czego dobrym przykładem są Locked Chats w ChatGPT, gdzie OpenAI również zaczęło oddzielać bardziej wrażliwe rozmowy od zwykłej historii i zabezpieczać je dodatkowym PIN-em lub biometrią.
Lumo ma sens właśnie dlatego, że ChatGPT i Claude stają się coraz bardziej osobiste
Proton raczej nie pokona OpenAI czy Anthropic samą jakością modeli, skalą infrastruktury ani tempem wprowadzania kolejnych funkcji, ale nie musi tego robić, aby znaleźć dla Lumo sensowne miejsce na rynku. Im bardziej asystenci AI przejmują pocztę, dokumenty, kalendarze, przeglądarkę i lokalne pliki, tym ważniejsze staje się pytanie, komu właściwie powierzamy dostęp do tych informacji oraz w jaki sposób będą one później wykorzystywane.
Lumo Desktop dobrze pokazuje zmianę strategii Proton. Firma nie próbuje już oferować wyłącznie prywatnej alternatywy dla okna rozmowy z ChatGPT, ponieważ taki produkt miałby ograniczoną przewagę poza samym argumentem bezpieczeństwa. Connectors, Schedules i Skills tworzą z Lumo znacznie pełniejsze środowisko pracy, które może przeszukiwać dane, wykonywać zadania i regularnie wracać do nich bez ponownego wydawania tych samych poleceń.
I właśnie wtedy prywatność przestaje być dodatkiem wpisanym na stronie produktu, a zaczyna być jednym z podstawowych parametrów wyboru asystenta AI. Jeżeli model ma przeczytać kilka publicznych stron i odpowiedzieć na pytanie, różnice między dostawcami można sprowadzać przede wszystkim do jakości i ceny. Jeżeli ma natomiast dostęp do całej skrzynki pocztowej, lokalnych dokumentów i firmowych systemów, sposób przechowywania danych oraz zakres uprawnień zaczynają być równie istotne jak możliwości samego modelu.
Proton ma tutaj bardzo ciekawy argument, choć zaufanie trzeba będzie budować nie tylko deklaracjami dotyczącymi szyfrowania, lecz także jakością implementacji, audytami kodu i bezpiecznymi ustawieniami narzędzi agentowych. Publiczne udostępnienie kodu źródłowego jest dobrym początkiem, ale przy AI mającej możliwość wykonywania poleceń na komputerze właśnie szczegóły będą decydowały o tym, czy Lumo rzeczywiście okaże się bezpieczniejszą alternatywą.
Źródło: Proton. Opracowanie własne.
Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Codziennie publikujemy najważniejsze informacje z Polski i ze świata dotyczące technologii, sztucznej inteligencji, nowych rozwiązań cyfrowych oraz trendów technologicznych, które kształtują przyszłość.
Obserwuj nas na Facebooku, aby być na bieżąco z najważniejszymi wydarzeniami ze świata technologii.



