The Two Context Databases Powering Enterprise AI
Тангуз утверждает, что предприятия извлекли урок из облачных хранилищ данных, отдав и данные, и вычисления, после чего самый стратегический актив — то, как они работают, — стал чужим рычагом (что и создало возможность для Iceberg). Теперь компаниям нужна новая система записи для AI-агентов в виде базы данных контекста, и таких баз две: операционные (хранят стандартные операционные процедуры и институциональные знания — сброс пароля, проверка NDA юристами, вопросы HR о вестинге опционов) и аналитические (семантическая эволюция семантических слоёв с определениями и расчётами метрик вроде выручки или CAC). Ключ к обеим — не сами базы, а петли обратной связи внутри них: точность рождает доверие, доверие — внедрение, внедрение — больше обратной связи. В пример приводится статья Стивена Тэлбота об архитектуре агентной аналитики Omni с механизмом-координатором, который выбирает следующий инструмент и адаптируется на ходу. Базы контекста — это эволюция RPA, дополненная недетерминизмом, что позволяет обрабатывать исключения; переход от ручного контекст-инжиниринга к автоматизированным контекст-платформам автор считает неизбежным.
Enterprises learned a lesson from cloud data warehouses. They handed over both data & compute, then watched as the most strategic asset in their business, how they operate, became someone else’s leverage, which created an opportunity for Iceberg.
Предприятия извлекли урок из облачных хранилищ данных. Они передали и данные, и вычисления, а затем наблюдали, как самый стратегический актив их бизнеса — то, как они работают, — стал чужим рычагом, что создало возможность для Iceberg.
Fool me once…
Обманешь меня раз…
Leaders have recognized their companies need a new system of record for AI agents in the form of a context database. There are two different kinds of these context databases :
Руководители осознали, что их компаниям нужна новая система записи для AI-агентов в форме базы данных контекста. Существует два разных вида таких баз данных контекста:
Operational context databases store standard operating procedures & institutional knowledge : when a customer calls about resetting a password, when legal reviews an NDA with a new prospect, when HR answers questions about options vesting for a new hire.
Операционные базы данных контекста хранят стандартные операционные процедуры и институциональные знания: когда клиент звонит по поводу сброса пароля, когда юристы проверяют NDA с новым потенциальным клиентом, когда HR отвечает на вопросы о вестинге опционов для нового сотрудника.
All of these processes represent trade secrets & intellectual property, which are key assets for a business. Capturing them from employees ensures continuity in processes & builds a sustainable, defensible asset.
Все эти процессы представляют собой коммерческую тайну и интеллектуальную собственность, которые являются ключевыми активами для бизнеса. Извлечение их у сотрудников обеспечивает непрерывность процессов и создаёт устойчивый, защищённый актив.
Analytical context databases are a semantic evolution of semantic layers : they contain definitions & calculations for metrics like revenue or customer acquisition cost.
Аналитические базы данных контекста — это семантическая эволюция семантических слоёв: они содержат определения и расчёты для таких метрик, как выручка или стоимость привлечения клиента.
Semantic layers told AI what data meant. Analytical context databases teach AI how to reason about it.
Семантические слои сообщали ИИ, что означают данные. Аналитические базы данных контекста учат ИИ тому, как о них рассуждать.
Steven Talbot’s recent piece on Omni’s agentic analytics architecture describes :
Недавняя статья Стивена Тэлбота об архитектуре агентной аналитики Omni описывает:
a coordinator mechanism, which decides which tool to use next based on the question, the results, & what’s already been tried.
механизм-координатор, который решает, какой инструмент использовать следующим, исходя из вопроса, результатов и того, что уже было опробовано.
The key to both operational & analytical context databases isn’t the databases themselves. It’s the feedback loops within them.
Ключ как к операционным, так и к аналитическим базам данных контекста — не сами базы данных. Это петли обратной связи внутри них.
Steven’s system adapts mid-flight, retries when things break, or stops when it has something useful to show. This creates an ever-improving cycle of accuracy. Accuracy creates trust. Trust creates adoption. Adoption creates more feedback. Companies that develop the best feedback loops will build the most valuable context databases.
Система Стивена адаптируется на лету, повторяет попытки, когда что-то ломается, или останавливается, когда у неё есть что-то полезное, что можно показать. Это создаёт постоянно улучшающийся цикл точности. Точность рождает доверие. Доверие рождает внедрение. Внедрение рождает больше обратной связи. Компании, которые разработают лучшие петли обратной связи, построят самые ценные базы данных контекста.
Context databases enable the future of process automation, representing the real promise of AI within the workforce. It’s the evolution of RPA (robotic process automation), but it’s RPA & process discovery injected with non-determinism.
Базы данных контекста делают возможным будущее автоматизации процессов, представляя собой реальное обещание ИИ в составе рабочей силы. Это эволюция RPA (роботизированной автоматизации процессов), но это RPA и обнаружение процессов, в которые впрыснут недетерминизм.
This non-determinism is essential for the success of AI agents. It allows for exception handling, forestalling one of the failure modes of the first generation of RPA. AI agents are excellent at ingesting large volumes of content & reasoning about them.
Этот недетерминизм необходим для успеха AI-агентов. Он позволяет обрабатывать исключения, предотвращая один из режимов отказа первого поколения RPA. AI-агенты превосходно справляются с поглощением больших объёмов контента и рассуждением о нём.
The move from manual context engineering to automated context platforms is inevitable. Context databases will be sold as standalone products & bundled. Enterprises will come out of this transformation for the better : with evolving systems that improve over time.
Переход от ручного контекст-инжиниринга к автоматизированным контекст-платформам неизбежен. Базы данных контекста будут продаваться как самостоятельные продукты и в составе пакетов. Предприятия выйдут из этой трансформации в лучшем состоянии: с развивающимися системами, которые со временем улучшаются.