Kontext: Budování důvěryhodného datového základu pro agentní AI

Kontext je pro naši komunikaci klíčový. Poznámky vytržené z kontextu mohou působit, jako by znamenaly přesný opak toho, co bylo zamýšleno. Když někoho potkáme mimo kontext, můžeme mít problém ho poznat. Kontext je pojivem, které spojuje mezilidské vztahy a umožňuje nám nacházet smysl v sociálních interakcích.

Totéž platí pro agenty AI. Právě kontext umožňuje agentům odstraňovat nejednoznačnost – například rozlišit mezi Apple (technologickou společností), Apple (hudebním vydavatelstvím) a apple (ovocem). 

Toto rozlišení je zásadní, protože podniková AI rozhoduje a jedná rychlostí blesku: označuje transakce, schvaluje úvěry a spouští upozornění. Pokud agenti nebudou rozumět entitám, s nimiž jejich pracovní postupy pracují, budou jednat dál, ale můžete si být jistí, že budou dělat chyby. 

Vzhledem k tomu, že některé odhady naznačují, že typická velká společnost bude využívat až 1 600 agentů do konce letošního roku, budou se tyto chyby rychle násobit.

Složitost sjednocování digitálních identit

Agentní AI právem vyvolává velké nadšení, ale dokud agenti nebudou schopni skutečně rozumět entitám ve svých datových souborech, riskujeme, že budeme stavět na písku. 

Tohle není snadný problém. Jeden zákazník se může například v různých podnikových databázích objevovat pod různými jmény (J. Bloggs, Jane Bloggs, Bloggs atd.). Podobně může být jedna společnost samostatně evidována v každé z několika svých dceřiných společností. Jak mohou agenti poznat, že tyto zdánlivě odlišné entity ve skutečnosti patří k jednomu profilu? 

V současnosti to často nedokážou. Je to důsledek způsobu, jakým jsou agenti vytvářeni. Agent je v jádru systém, který přijímá vstupy a vrací výstupy. Kolik dat bychom ale měli agentům přesně poskytnout? Výzkumy ukazují, že příliš dlouhá kontextová okna vedou k halucinacím agentů. Naopak, pokud poskytneme příliš málo dat, agent učiní sebejisté rozhodnutí a bude jednat na základě nepřesných informací. Podniky musí najít správnou rovnováhu a systému poskytovat právě tolik kontextu, kolik potřebuje – ani více, ani méně. 

Klíčem je integrace dat

Objem dat je jen jednou částí problému. Podniky musí zohlednit také kvalitu a integraci dat. Nekvalitní kontext vzniká v důsledku špatně propojených dat. K halucinacím může docházet, když jsou data, která agent potřebuje k rozhodnutí, roztříštěna napříč řadou izolovaných databází, aplikací a obchodních jednotek. Přibližně 80–90 % obchodního kontextu se nachází v izolovaných a nestrukturovaných souborech v odpojených systémech. Bez přístupu k těmto informacím budou výstupy AI vycházet z neúplných předpokladů. 

Navzdory všem těmto problémům pokračuje zavádění agentů AI rychlým tempem. Pokud vedoucí pracovníci firem nemohou svým agentům důvěřovat, že dospějí ke správným rozhodnutím a budou jednat správně, budou muset investovat do intenzivnějšího lidského dohledu, než by jinak bylo nutné. Namísto autonomních a vysoce efektivních agentů, v které doufali, tak podnikům zůstanou nedůvěryhodné nástroje, nad nimiž budou muset neustále dohlížet. Alternativou je zvýšit podnikatelská rizika a pracovní zátěž týmů odpovědných za dodržování předpisů a právních záležitostí. 

Budování datového základu s kontextem

Co je tedy třeba udělat? Klíčem je vybavit agenty přesným a ověřeným datovým základem. Tento základ sjednocuje roztříštěná data z interních i externích zdrojů a uplatňuje jednotnou správu strukturovaných i nestrukturovaných dat. Následně doplňuje kontext, aby data předávaná AI odrážela vztahy v reálném světě, nikoli izolované záznamy. Díky tomu mohou agenti propojit osobu s jejími aliasy nebo dceřinou společnost s její mateřskou společností. 

Se zavedeným datovým základem s kontextem jsou operace řízené AI přesné, vysvětlitelné a umožňují přijímat rozhodnutí s jistotou. Podniky mohou svým agentům důvěřovat, místo aby nad nimi musely neustále dohlížet, a využívat tak všechny výhody automatizace pomocí agentní AI bez nutnosti nadměrného dohledu. 

Z technického hlediska zajišťují kontext dvě schopnosti. První je rozlišování entit. Propojuje záznamy, které se vztahují ke stejné entitě, přestože jsou tyto odkazy rozptýlené napříč různými systémy a typy dat. Záznamy se sjednocují do jediného spolehlivého přehledu osob, organizací a aktiv. Tím se odstraňuje duplicita a nejednoznačnost, které často zhoršují kvalitu dat a vedou k chybným výstupům AI. 

Druhou schopností jsou znalostní grafy. Ty doplňují kontext modelováním vztahů mezi entitami: jak se zákazníci propojují s účty, jak transakce souvisejí s chováním a jak se rizika šíří napříč sítěmi. Znalostní grafy v kombinaci s rozlišováním entit vytvářejí přesný obraz dat tak, jak existují v reálném světě, a poskytují agentům AI základ, který potřebují k úspěšnému fungování ve velkém měřítku. 

Přínosy přesahující agentní AI

Samozřejmě, AI agenti nejsou jedinými uživateli dat v podniku. Datový základ obohacený o kontext zajišťuje, že jednotný a přesný obraz světa přináší podobný užitek také provozním pracovníkům, týmům zajišťujícím soulad s předpisy, podnikovým analytikům, personálním týmům i všem ostatním uživatelům dat. 

To může následně přispět ke zlepšení zákaznické zkušenosti. Pokud například firma vede několik profilů téhož zákazníka, mohou ho různé týmy kontaktovat opakovaně. Taková zkušenost může zákazníky přinejmenším frustrovat. Data obohacená o kontext zlepšují zákaznickou zkušenost, protože organizacím umožňují lépe porozumět zákazníkům a zajistit, aby s nimi komunikovaly správným způsobem. Jde o přístup, který klade větší důraz na člověka a může firmám ušetřit čas i peníze. 

Jak zajistit poctivost AI

Gartner předpovídá, že 40 % podnikových aplikací bude letos využívat specializované AI agenty pro konkrétní úkoly, oproti méně než 5 % v roce 2025. Éra agentické AI je tady. 

Plné výhody pracovních postupů využívajících agentickou AI však nebudou mít všichni, kdo do této technologie investují, stejné. Organizace, které si připraví půdu a zajistí jednotný datový základ bohatý na kontext, budou moci důvěřovat výsledkům AI a rychle přejít k zavádění ve velkém měřítku. Ostatní budou ztrácet čas a úsilí neustálým dohledem nad svými novými systémy. Úspěch tedy závisí na tom, zda do technologického stacku agentické AI od prvního dne začlení průběžně se aktualizující kontextovou vrstvu.