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.
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.
Обманешь меня раз…
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:
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.
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.
Аналитические базы данных контекста — это семантическая эволюция семантических слоёв: они содержат определения и расчёты для таких метрик, как выручка или стоимость привлечения клиента.
Семантические слои сообщали ИИ, что означают данные. Аналитические базы данных контекста учат ИИ тому, как о них рассуждать.
Недавняя статья Стивена Тэлбота об архитектуре агентной аналитики Omni описывает:
механизм-координатор, который решает, какой инструмент использовать следующим, исходя из вопроса, результатов и того, что уже было опробовано.
Ключ как к операционным, так и к аналитическим базам данных контекста — не сами базы данных. Это петли обратной связи внутри них.
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.
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.
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.
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.