Когда ИИ-агенты согласны в данных, но не в том, что они означают
- Агенты, работающие с одними данными без общего бизнес-контекста, могут принимать противоречивые решения и вместе давать неверный результат.
- SAP предлагает бизнес-фабрику данных, которая связывает данные с семантикой, процессами и политиками и передаёт их агентам.
- По словам SAP, Business Data Cloud должна сделать доступными агентам уже накопленные в корпоративных системах процессы, мастер-данные и операционные правила.
Почему это важно: По словам Ирфана Хана из SAP, контекстные данные будут отличать эксперименты с ИИ от получения ощутимой ценности для бизнеса.
При поддержке SAP
Корпоративные ИИ-агенты, работающие с одними и теми же данными, всё равно могут принимать противоречащие друг другу решения, потому что сырые данные редко отражают бизнес-контекст — процессы, политики и приоритеты, определяющие, что эти данные значат для компании. По мере того как агенты берут на себя всё больше решений, справляться с такими пробелами в контексте становится всё труднее.
Когда несколько агентов действуют без общей бизнес-семантики, возникают три проблемы: одни и те же цифры приводят разные подразделения к разным выводам, агенты, корректно работающие по отдельности, в совокупности дают неверный результат, а точность снижается по мере накопления данных.
Годами предприятия загружали всё больше записей в централизованные платформы данных, попутно отрывая их от политик, процессов и бизнес-контекста, в которых они возникли. Именно этот разрыв лежит в основе проблемы, считает Ирфан Хан, президент и директор по продуктам SAP Data & Analytics.
«Если вы получаете данные из исходной среды без контекста, скорее всего, вы примете непродуманное решение», — поясняет он. «Пользователи учатся на истории только тогда, когда институциональные знания помогают им отделять сигнал от шума. У агента таких знаний изначально нет, если компания их не предоставит».
Разрыв в координации агентов в мультиагентных ИИ-системах
Традиционные стратегии работы с данными извлекают записи из исходных систем и централизуют их, отделяя данные от семантики и контекста процессов, которые они несли в источнике. Переход к разделению хранения и вычислений позволил компаниям масштабировать их независимо и подтолкнул многих к созданию нескольких озёр данных наряду с локальной инфраструктурой, плоскими файлами и объектными хранилищами. В результате данные оказались фрагментированы и всё сильнее оторваны от исходного бизнес-контекста.
В мультиагентных системах отсутствие контекста не остаётся лишь проблемой данных. Как только агенты делят между собой бизнес-процесс, оно превращается в сбой координации. Например, агент по закупкам договаривается о более длительных сроках оплаты, чтобы повысить маржу, казначейский агент откладывает платежи ради сохранения ликвидности, а агент по комплаенсу задерживает платежи до прохождения всех проверок. Каждый из них правильно выполняет свою задачу, но вместе они затягивают расчёты с поставщиками настолько, что ключевые вендоры начинают отодвигать компанию на второй план, — и ни одна внутренняя система не сигнализирует о неполадках.
К тому же лишь немногие бизнес-процессы от начала до конца выполняются одним агентом. Агент ввода заказов может передать задачу агенту, проверяющему запасы, а тот — другому, который оформляет заявку на закупку или списывает товар со склада. Если эти шаги выполняются не по порядку, один агент может списать средства со счёта ещё до того, как другой подтвердит наличие товара: задача будет выполнена, но результат всё равно окажется неверным. И нет причин, по которым агенты координировались бы лучше людей, если передачей задач никто не управляет, говорит Хан.
«Это почти как раздать задачу для клиента 20 разным людям, а потом понять, что никто не провёл общую встречу команды, — говорит он. — Никто не отслеживал, где вы были и на каком этапе процесса находитесь сейчас».
Бизнес-фабрика данных даёт агентам общий бизнес-контекст
Предоставление агентам доступа к распределённым корпоративным данным решает лишь часть проблемы. Им также нужно общее понимание того, как бизнес рассчитывает интерпретировать эти данные и действовать на их основе.
Архитектура бизнес-фабрики данных SAP призвана сохранять этот смысл при перемещении данных между системами, а не отрывать их от исходного бизнес-контекста. Она связывает данные и их семантику с процессами, политиками и другими бизнес-знаниями, определяющими использование данных, и при этом позволяет агентам получать информацию в распределённых средах.
Этот общий контекст включает то, что Хан называет «памятью компании»: KPI, операционные практики и накопленные бизнес-знания, которые компания хочет, чтобы её агенты применяли единообразно.
«Это почти как старейшина деревни, обладающий всем историческим знанием: вы бы обратились к нему, чтобы принять взвешенное решение, — сказал Хан. — В мире агентов такого нет, поэтому будем считать это памятью компании».
Смысл в том, чтобы дать агентам общую систему координат, а не позволять каждому изолированно оптимизировать свой участок рабочего процесса. Например, агент по запасам не должен принимать локально оптимальное решение, если оно противоречит более широкой бизнес-цели или политике. Общий уровень семантики и политик позволяет каждому агенту определить, остаётся ли он на верном пути выполнения — и когда ему следует отступить, а не действовать.
Для этого нужно закладывать не только цели, но и ограничения. Агенты должны понимать не только, чего они стремятся достичь, но и чего им никогда нельзя делать и какие условия нужно выполнить прежде всего, — например, подтвердить наличие товара перед разрешением отгрузки. В платформе бизнес-ИИ SAP среда управления агентами (agent harness) и агентный хаб (agent hub) обеспечивают уровень контроля для определения таких разрешённых действий и ограничений. Цель — не допустить, чтобы рациональное по отдельности решение агента привело к результату, нарушающему политики, требования к управлению или цели более широкого процесса.
Необходимый агентам бизнес-контекст уже существует
Хорошая новость в том, что предприятиям не нужно создавать весь этот контекст с нуля. Большая его часть уже есть в системах, с помощью которых они ведут бизнес. Бизнес-процессы, мастер-данные, операционные правила и политики управления — это годы накопленных знаний о том, как на самом деле работает компания.
Задача в том, чтобы сделать эти знания доступными агентам вместе с исходными данными. По словам Хана, у клиентов SAP десятилетия бизнес-процессов, мастер-данных и операционных правил уже хранятся в корпоративных системах. Business Data Cloud призвана связать этот существующий контекст между системами и приложениями, чтобы он сопровождал данные, которые используют агенты.
«Конечно, хорошо, что теперь можно получать доступ к данным в свободном режиме самообслуживания и промпт может обратиться практически к любым вашим данным, — говорит он. — Но вместе с контекстом передаются безопасность, управление и мастер-данные».
И именно этот контекст, утверждает Хан, будет всё сильнее отделять эксперименты с ИИ от реальной ценности для бизнеса.
«Недостатка в данных ни у кого нет, но настоящий приз — это контекстные данные, — говорит Хан. — Опора на этот контекст станет тем, что отличает успех в корпоративном ИИ от того, что происходит сегодня, когда все экспериментируют, но не получают ощутимой ценности».
Спонсорские статьи — это материалы, подготовленные компанией, которая либо платит за публикацию, либо имеет деловые отношения с VentureBeat; они всегда чётко помечены. За дополнительной информацией обращайтесь по адресу sales@venturebeat.com.
Полный текст статьи читайте на VentureBeat.ru
