„Databricks“ pristatė „Genie One“: dirbtinio intelekto kolega keičia komandinį darbą

Duomenų ir dirbtinio intelekto milžinė „Databricks“ kasmetiniame renginyje „Data + AI Summit“ pristatė „Genie One“ – visiškai naują agentinio tipo DI kolegą, skirtą įvairių sričių verslo komandoms. Šis įrankis žymi esminį lūžį rinkoje, nes peržengia įprastų pokalbių robotų galimybes ir siūlo autonominį užduočių vykdymą, pagrįstą realiais įmonės duomenimis. „Genie One“ sukurtas taip, kad padėtų rinkodaros, finansų bei pardavimų specialistams automatizuoti kasdienius procesus tiesiogiai jų naudojamose darbo erdvėse.

Didžiausia verslo sistemų problema iki šiol buvo konteksto fragmentacija, lemianti klaidingus DI spėjimus. Siekdama tai išspręsti, „Databricks“ kartu pristatė ir technologiją „Genie Ontology“. Tai yra nuolat besimokantis įmonės žinių sluoksnis, kuris automatiškai apjungia struktūrizuotus ir nestruktūrizuotus duomenis iš vidinių bazių bei tokių išorinių programų kaip „Slack“, „Microsoft Teams“ ar „Google Drive“. Kaip teigia Databricks vadovas Ali Ghodsi, jei finansų direktorius negali sužinoti, kodėl pasikeitė maržos, tai yra ne dirbtinio intelekto, o konteksto trūkumo problema.

Autonominiai veiksmai ir gili integracija

Užuot tiesiog pateikęs pasyvias analitines ataskaitas, naujasis asistentas geba pats rengti dokumentus, stebėti rodiklius, nustatyti automatinius įspėjimus ir planuoti užduotis. Darbuotojai gali bendrauti su juo natūralia kalba tiek per interneto naršyklę, tiek per specialias programėles „iOS“ bei „Android“ įrenginiuose. Svarbu tai, kad visos operacijos ir prieigos teisės yra griežtai valdomos per „Unity Catalog“ sistemą, užtikrinant visišką duomenų saugumą ir atitiktį įmonės taisyklėms. Vartotojai taip pat gali išsaugoti sėkmingus pokalbius kaip daugkartinio naudojimo agentus, perduodami jų atmintį bei specifines instrukcijas kolegoms.

Kas lieka už oficialių pranešimų spaudai: gilesnė „Genie One“ anatomija

Ko nepastebi dauguma analitikų: tikroji „Genie One“ vertė slypi ne pačiame dirbtinio intelekto protingume, o jo gebėjime suprasti įmonės hierarchiją ir semantinį duomenų kontekstą. Tradiciniai kalbos modeliai dažnai suklumpa bandydami interpretuoti specifinius vidinius terminus ar trumpinius, kurie skirtinguose skyriuose gali reikšti visiškai kitus dalykus. „Databricks“ šią problemą išsprendė integruodama unikalų semantinį sluoksnį, kuris veikia kaip gyvas įmonės žodynas. Tai leidžia DI asistentui ne tiesiog ieškoti raktinių žodžių, o suvokti verslo logiką, pavyzdžiui, skirtumą tarp „pajamų“ rinkodaros kampanijoje ir „grynųjų pajamų“ finansų audite.

Šis technologinis šuolis iš esmės keičia jėgų balansą rinkoje ir sukuria tiesioginę konkurenciją tokiems gigantams kaip „Microsoft“ su jų „Copilot“ ekosistema. Visgi „Databricks“ pasirinko kitokį kelią – užuot prisirišusi prie vieno uždaro modelio, ji leidžia įmonėms lanksčiai rinktis ir derinti skirtingus atvirojo kodo bei komercinius neuroninius tinklus. Tokia strategija patinka stambioms korporacijoms, kurios baiminasi tapti priklausomos nuo vieno technologijų tiekėjo. Užkulisiuose kalbama, kad būtent šis lankstumas tapo pagrindiniu argumentu ankstyviesiems platformos bandytojams iš finansų ir farmacijos sektorių.

Duomenų inžinierių bendruomenėje ši naujiena sutikta su tam tikru palengvėjimu, mat iki šiol būtent jiems tekdavo našta rankiniu būdu kurti ataskaitas vadovams pagal kiekvieną smulkiausią užklausą. Dabar „Genie One“ perima šį kasdienį darbą, transformuodamas natūralios kalbos klausimus į sudėtingas SQL užklausas fone. Svarbiausia, kad sistema veikia ne kaip juodoji dėžė – vartotojas visada gali pamatyti loginę grandinę ir duomenų šaltinius, kuriais remiantis buvo suformuotas atsakymas. Tai išsklaido skepticizmą, kuris dažnai lydi generatyvinio DI diegimą versle.

Žvelgiant iš istorinės perspektyvos, „Databricks“ ilgą laiką buvo vertinama griežtai kaip techninė platforma, skirta tik duomenų mokslininkams ir programuotojams. Su „Genie One“ bendrovė žengia į galutinių verslo vartotojų teritoriją, o tai reikalauja visiškai kitokio požiūrio į produkto dizainą bei ergonomiką. Sėkmė šioje arenoje priklausys ne nuo to, kiek terabaitų duomenų sistema gali apdoroti per sekundę, o nuo to, ar paprastas pardavimų vadybininkas pasitikės DI sugeneruota įžvalga derybų su klientu metu. Bendrovė stato viską ant kortos, siekdama įrodyti, kad agentinis DI jau pasiruošęs tikram darbui, o ne tik demonstracinėms versijoms.

Skeptiko žvilgsnis: technologinė evoliucija ar tiesiog gražus rinkodaros triukas?

Žvelgiant giliau į technologinį fasadą: kyla pagrįstų abejonių, ar „Genie One“ iš tiesų yra revoliucinis autonominis kolega, ar tiesiog itin sumaniai perpakuotas jau esamų didžiųjų kalbos modelių rinkinys. Rinkodaros šūkiai žada visišką nepriklausomybę ir gebėjimą savarankiškai spręsti problemas, tačiau praktikoje bet kuris agentinis dirbtinis intelektas lieka visiškai priklausomas nuo jam pateikiamų duomenų kokybės. Jei įmonės vidinė dokumentacija ir duomenų bazės yra chaotiškos – o tai yra greičiau taisyklė nei išimtis daugelyje korporacijų – naujasis asistentas tiesiog greičiau ir užtikrinčiau generuos logiškai skambančias, bet iš esmės klaidingas išvadas.

Kita rimta prieštara slepiasi už deklaruojamos „Unity Catalog“ saugumo garantijos, kuri neva turėtų apsaugoti įmones nuo duomenų nutekėjimo. Suteikiant autonominiam agentui teisę pačiam priimti sprendimus, kurti dokumentus ir bendrauti su išorinėmis sistemomis, tokiomis kaip „Slack“ ar „Google Drive“, atveriama nauja kibernetinių grėsmių Pandoros skrynia. Teoriškai viskas valdoma centralizuotai, tačiau praktiškai suvaldyti netiesiogines užklausų injekcijas (angl. indirect prompt injection), kai DI manipuliuojamas per trečiųjų šalių atsiųstus dokumentus, tebelieka neišspręstas inžinerinis iššūkis. Verslas čia prisiima milžinišką riziką, kurios pasekmės gali paaiškėti tik po pirmųjų garsių saugumo incidentų.

Galiausiai, verta atkreipti dėmesį į finansinį šio projekto aspektą ir žadamą produktyvumo šuolį. „Databricks“ bando įteigti, kad „Genie One“ atlaisvins brangius duomenų inžinierių resursus, tačiau tikroji realybė gali būti priešinga. Vietoj to, kad inžinieriai kurtų naują vertę, jiems tikriausiai teks praleisti ištisas valandas audituojant ir taisant DI sugeneruotas klaidingas SQL užklausas bei aiškinant vadovams, kodėl autonominis kolega vėl supainiojo ketvirčio pelno eilutes. Tai gali sukurti paradoksalią situaciją, kai technologijos diegimas verslo procesus ne pagreitina, o apsunkina papildomais patikrų sluoksniais.

„Galiausiai gauname idealų biuro darbuotoją: jis niekada nemiega, nereikalauja algos pakėlimo, akimirksniu sugeneruoja tūkstantį ataskaitų ir, kas geriausia, sugeba sukurti visiškai unikalią, dar nematytą kūrybiškos buhalterijos klaidą, už kurią vėliau vis tiek teks atsakyti gyvam projektų vadovui.“

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“.