„Databricks“ pristatė „Genie One“: įmonių duomenis įdarbinantį dirbtinio intelekto kolegą

Duomenų ir dirbtinio intelekto milžinė „Databricks“ San Franciske vykstančiame metiniame renginyje „Data + AI Summit“ oficialiai pristatė „Genie One“ – visiškai naujos kartos autonominį DI bendradarbį įmonių komandoms. Tai nėra dar vienas paprastas pokalbių robotas, spėliojantis atsakymus iš fragmentuotų dokumentų; šis įrankis sukurtas veikti kaip pilnavertis komandos narys, gebantis automatizuoti užduotis ir valdyti tiek struktūrizuotus, tiek nestruktūrizuotus verslo duomenis. Sistemos pagrindą sudaro naujasis žinių sluoksnis „Genie Ontology“, kuris nuolat traukia bei atnaujina kontekstą iš vidinių duomenų bazių, el. laiškų, kalendorių bei kasdienių susirašinėjimo platformų, tokių kaip „Slack“ ar „Microsoft Teams“.

Tikrasis kontekstas vietoj spėlionių

Daugelis dabartinių korporatyvinių DI sprendimų dažnai kenčia nuo konteksto stokos ir demonstruoja apgaulingą pasitikėjimą savimi, pateikdami netikslius rezultatus. Kaip pastebi bendrovės vadovas Ali Ghodsi, finansų ar pardavimų vadovams netikslūs DI spėjimai padaro daugiau žalos nei naudos. „Genie One“ šią problemą sprendžia iš esmės: užuot pasikliovęs vien semantine paieška dokumentuose, agentas naudoja autoritetingus įmonės duomenis kaip absoliučią tiesą, tiesiogiai generuodamas SQL užklausas ir tiksliai paaiškindamas, pavyzdžiui, kodėl pasikeitė pelno marža ar kur slypi naujos pardavimų galimybės.

Lankstumas ir integracija į kasdienį darbą

Kartu su šiuo pristatymu „Databricks“ rinkai pateikia ir „Genie Agents“ bei „Genie App Builder“ įrankius, leidžiančius bet kuriai komandai kurti specifinius, daugiažingsnius autonominius agentus be gilaus programavimo žinių. Visa ekosistema veikia per centralizuotą „Unity Catalog“ valdymo sistemą, užtikrinančią griežtą saugumą, prieigos teisių kontrolę bei kaštų stebėjimą. Verslo vartotojai naująjį asistentą jau gali pasiekti ne tik per integruotas darbo programėles, bet ir per visiškai naujas vietines „iOS“ bei „Android“ aplikacijas.

Ką slepia užkulisiai: kova su „pasitikinčia savimi neteisybe“

Kas lieka už oficialių pranešimų ribų: didžiausias įmonių galvos skausmas integruojant generatyvinį dirbtinį intelektą į kasdienius procesus yra ne kas kita, o vadinamasis „šiukšlės vidun – pasitikinčios šiukšlės išorun“ (angl. Garbage In, Confident Garbage Out) fenomenas. Tradiciniai didieji kalbos modeliai nemato skirtumo tarp pasenusios finansinės ataskaitos ir vakar atnaujinto audito failo, todėl jie tiesiog sugeneruoja įtikinamai skambantį, bet visiškai klaidingą atsakymą. Sukurti sistemą, kuria verslo vadovai galėtų besąlygiškai pasitikėti priimdami milijoninius sprendimus, yra kur kas didesnis iššūkis, nei tiesiog prijungti pokalbių robotą prie duomenų bazės.

Štai kodėl „Databricks“ inžinieriai, kurdami šį sprendimą, nusprendė visiškai pakeisti žaidimo taisykles ir atsisakyti klasikinio dokumentų skenavimo metodo. Pagal Databricks technines gaires, naujasis agentas pirmiausia remiasi griežtai aprašyta semantika ir pačių įmonės duomenų analitikų suformuotais modeliais „Genie Spaces“ aplinkoje. Tai reiškia, kad vietoj chaotiško naršymo po vidinį tinklą, įrankis veikia lyg naujas, ką tik pasamdytas duomenų analitikas, kuris mokosi iš paruoštų pavyzdinių SQL užklausų ir vidinio žodyno specifikos, taip išvengdamas pavojingų interpretacijų.

Duomenų valdymas be chaoso

Patyrę technologijų architektai puikiai žino, kad dirbtinio intelekto nauda tiesiogiai priklauso nuo to, kaip tiksliai suvaldytas įmonės skaitmeninis turtas. Siekiant maksimalaus tikslumo, rekomenduojama neperkrauti sistemos tūkstančiais failų vienu metu, o pradėti nuo siaurai apibrėžtų, iki penkių pagrindinių lentelių turinčių erdvių. Kadangi įrankis natūraliai nuskaito stulpelių pavadinimus bei aprašymus tiesiai iš centralizuoto katalogo, duomenų kokybės užtikrinimas ir tvarkinga metaduomenų higiena tampa pamatine sėkmingo DI komandos nario integracijos sąlyga.

Šis evoliucinis šuolis keičia ir pačių duomenų inžinierių vaidmenį organizacijoje, nes jų kasdienis darbas transformuojasi iš nuolatinio ataskaitų braižymo į išmanų konteksto kuravimą. Užuot gaišę laiką rankiniu būdu atsakinėdami į tuos pačius rinkodaros ar pardavimų skyriaus klausimus, techniniai specialistai dabar koduoja verslo logikos taisykles bei išimtis tiesiai į agento atmintį. Tokiu būdu verslo vartotojai gauna momentinius atsakymus ir vizualizacijas naudodami paprastą šnekamąją kalbą, o organizacija išlaiko visišką duomenų judėjimo kontrolę bei saugumą.

Žvilgsnis pro rožinius akinius: kas slepiasi už skambių lozungų

Žvelgiant giliau į rinkos realybę: technologijų sektoriuje skambūs pažadai apie „autonominius bendradarbius“ jau tapo kasdienybe, tačiau realybė dažnai būna gerokai proziškesnė. „Databricks“ bando įtikinti rinką, kad „Genie One“ gali akimirksniu išspręsti įmonių duomenų fragmentacijos problemą, tiesiog sujungdamas skirtingas platformas. Vis dėlto, bet kuris IT vadovas patvirtins, jog didžiausias iššūkis yra ne pats dirbtinis intelektas, o dešimtmečiais kauptas duomenų chaosas, kurio joks autonominis agentas nesutvarkys savaime be milžiniškų rankinio darbo investicijų.

Ypatingo skepticizmo kelia idėja, kad šis įrankis leis visiškai atsisakyti tradicinių verslo analitikos (BI) platformų ar supaprastins inžinierių darbą. Paradoksalu, tačiau tam, kad „Genie One“ veiktų nepriekaištingai ir be haliucinacijų, įmonės privalo turėti idealią duomenų higieną ir itin tiksliai aprašytą metaduomenų struktūrą „Unity Catalog“ sistemoje. Tai reiškia, kad užuot sumažinus naštą techninei komandai, poreikis aukštos kvalifikacijos inžinieriams, kurie prižiūrės ir nuolat koreguos paties DI elgseną bei jo kuriamas SQL užklausas, tik suintensyvės.

Galiausiai, nereikia pamiršti ir ekonominės šio virsmo pusės bei priklausomybės nuo vieno tiekėjo rizikos. Nors galimybė kurti individualius agentus per „Genie App Builder“ skamba patraukliai, toks gilus įmonės procesų integravimas į „Databricks“ ekosistemą sukuria stiprius pančius, iš kurių išsivaduoti vėliau būna itin brangu. Autonominių sistemų bumas neabejotinai keičia korporatyvinę kultūrą, tačiau sėkmę čia lems ne technologijos naujumas, o įmonių pasirengimas investuoti į pamatinių duomenų kokybę, kur stebuklingų trumpesnių kelių tiesiog nebūna.

Galiausiai, didžiausias šio skaitmeninio kolegos privalumas tikriausiai yra tas, kad jis bent jau niekada neprašys atostogų vidury ketvirčio ataskaitų rengimo maratono – tiesa, tik su sąlyga, kad jūsų duomenų inžinieriai prieš tai neperdegė bandydami išmokyti jį skirti grynąjį pelną nuo apyvartos.

Vyr. redaktorius Artūras Malašauskas, DI sistemų integratorius, sukaupęs daugiau nei 20 metų patirties kuriant gamybinio lygio žiniatinklio inžinerijos sprendimus. Jis projektavo, diegė ir plėtė verslo klasės „Python“/„PHP“ sistemas logistikos, SaaS bei viešojo sektoriaus klientams. Pastaruosius metus jis specializuojasi išskirtinai DI integracijų srityje: diegia atvirojo kodo didžiuosius kalbos modelius (LLM), kuria generatyvinių medijų (vaizdo, garso, video) srautus bei projektuoja daugiagentines darbo eigas realioms gamybinėms aplinkoms. Jo standartas: atkuriamumas, saugumas ir ekonomiškai efektyvi išvestis – jokio „vaporware“. Artūras dokumentuoja bei vertina naujus DI įrankius, atskirdamas patvirtintas galimybes nuo rinkodarinio triukšmo. Techninis redaktorius svetainėse: ai-naujienos.lt, ai-verslas.lt, muza-ai.eu. Susisiekite per „LinkedIn“.