AI-modeller og platforme

Starburst introducerer et kontekstlag til virksomheder for AI-agenter

Aiden Cross
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterContext Studio centraliserer forretningsregler og målinger, så agenter holder op med at…
Vis mere
  • Context Studio centraliserer forretningsregler og målinger, så agenter holder op med at udlede betydning fra spredte kilder.
  • Den private forhåndsvisning markerer al kontekst som certificeret, mens stewardstyrede gennemgange stadig er under udvikling.
  • Context Studio gik i privat forhåndsvisning den 5. oktober 2026 før annonceringen af paraplyen Enterprise Context Layer.

Starburst Data introducerede sit Enterprise Context Layer på Launch Point 2026 den 18. november 2026 og præsenterede Context Studio og AI-klare dataprodukter som en måde at give AI-agenter en styret forretningsmæssig forståelse sammen med adgang til distribuerede virksomhedsdata.

Starburst siger, at de seneste forbedringer af AIDA, virksomhedens AI Data Assistant, udvider, hvilke spørgsmål agenter kan besvare, hvilke data de kan tilgå, og hvilke arbejdsgange de understøtter, samtidig med at kundernes egne agenter kan bruge den samme styrede kontekst. Målet er mere præcise, ensartede og sporbare svar baseret på distribuerede virksomhedsdata.

Sådan fungerer Context Studio

Virksomheders skemaer lokaliserer og beskriver data, men indkoder ikke pålideligt de regler, der ligger til grund for et forretningsspørgsmål. En sagsregistrering, der er markeret som afventende, tæller måske som åben, måske ikke, og et kolonnenavn kan ikke forklare, hvordan nettoeksponering beregnes, eller hvem der kvalificerer sig som aktiv kunde. Starbursts dokumentation til Context Studio forklarer, at agenter derfor må udlede betydningen, som kan være spredt på tværs af dataprodukter, kodelagre, metadatalagre, ustrukturerede kilder og analytikeres viden. Det kan føre til forskellige svar på det samme spørgsmål.

Context Studio samler ordlistebegreber, målepunkter, forretningsregler, synonymer, sammenføjningsnøgler og dataprodukter i ét styret lager. Context Studio as Code API modtager kontekst fra lagre og datapipelines, mens en Galaxy-dataindsamler, der følger med som standard, udleder enheder fra eksisterende Starburst Galaxy-dataprodukter og forespørgselshistorik. Lageret registrerer hver enheds oprindelse. Da hver overførsel fra en kilde beskriver den pågældende forbindelses fuldstændige aktuelle tilstand, fjernes en enhed fra lageret, hvis den udelades i en senere overførsel.

En navngiven dataansvarlig kan gennemgå og certificere poster via Context Studios brugerflade eller certificerings-API, og agenter prioriterer certificeret kontekst. Under den private forhåndsvisning registreres al kontekst dog som certificeret, mens Starburst videreudvikler denne funktionalitet. AIDA, Claude og andre agenter, der understøtter Model Context Protocol (MCP), en standard til at forbinde AI-applikationer med Galaxy-data, kan bruge Context Studios MCP-server. De anvender certificerede definitioner, målepunkter, regler og sammenføjningsnøgler, når de skriver og udfører forespørgsler, mens Starburst Galaxy håndhæver den enkelte brugers adgangspolitik hver gang.

Historik for forhåndsvisningen og adgangskrav

Annonceringen på Launch Point omfatter mere end den første udgivelse af Context Studio. Starburst Galaxys versionsnoter angiver, at understøttelsen i den private forhåndsvisning begyndte den 5. oktober 2026, og nævner Galaxy-dataindsamleren, Context Studio as Code API og MCP-adgang til certificeret kontekst. Den nyere udvikling er det overordnede Enterprise Context Layer og introduktionen af AI-klare dataprodukter som en del af det – ikke at Context Studio nu bliver tilgængeligt.

Context Studio er stadig i privat forhåndsvisning. Organisationer skal have en Galaxy-konto, der er tilmeldt forhåndsvisningen, administratoradgang til kontoen samt adgang til den agent eller AI-klient, de vil forbinde. Starburst beder interesserede kunder om at kontakte deres kundeteam for at få adgang og oplysninger om den aktuelle status for forhåndsvisningen. Brugsgrænser oplyses under introduktionsforløbet og kan ændre sig.

For virksomheder, der bruger flere agenter, samler designet forretningsordforråd og forespørgselslogik centralt, samtidig med at datakontroller på brugerniveau bevares. Den vigtigste udfordring ved afviklingen er certificeringsarbejdsgangen: Den delte kontekst kan allerede distribueres til MCP-klienter, men i forhåndsvisningen markeres alle elementer som certificerede, så den gennemgang, der styres af dataansvarlige, fortsat er et centralt element under udvikling.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomhedsteams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med et pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktroadmaps, strategier for markedsintroduktion, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnerer. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastrukturbegrænsninger og sammenhængen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.