Stibo Systems lancerer AgentWorkx til styrede AI‑agenter i masterdata

Stibo Systems den 29. september 2026 annoncerede AgentWorkx, en ramme til at bygge, implementere og styre AI‑agenter inden for master data management (MDM), sammen med en portefølje af agenter, den kalder Stibo Systems Agents. Den første version indeholder to klar‑til‑brug agenter.

To måder at anvende agentisk AI i STEP

Meddelelserne giver kunderne to veje til at anvende agentisk AI i MDM. De kan bruge agenter, der er bygget og understøttet af Stibo Systems til almindelige MDM‑arbejdsprocesser, eller de kan bygge og konfigurere deres egne agenter til krav, der er unikke for deres forretning. Begge muligheder kører gennem den samme AgentWorkx‑ramme og inden for governance, roller, tilladelser og virksomheds‑kontroller i STEP, Stibo Systems‑platformen.

AgentWorkx samler de værktøjer, der kræves for at skabe og drive MDM‑agenter, i én ramme: et galleri af agenter, et studie til at bygge og konfigurere dem, orkestrering og governance. Organisationer, der vælger at bygge deres egne agenter, får adgang til den samme ramme, som Stibo Systems’ produkt‑ og ingeniørteams bruger, mens de kundebygget agenter forbliver inden for platformens kontroller.

Første klar‑til‑brug agenter og agentsbiblioteket

Den første version leveres med to klar‑til‑brug agenter. Upload Anything AGT bringer strukturerede og ustrukturerede data ind i platformen, og virksomheden sagde, at den reducerer onboarding‑processer, som kan tage måneder, til dage. Content Optimizer Agent genererer produktbeskrivelser, SEO‑indhold og marketing‑tekster ved hjælp af styrede produktattributter og forretningskontekst. Stibo Systems sagde, at begge agenter er designet til at omdanne MDM‑arbejdsprocesser til agentiske oplevelser uden at kræve, at kunderne selv bygger de underliggende kapaciteter.

Virksomhedens agentsbibliotek viser 24 tilgængelige og kommende agenter organiseret omkring, hvordan data bevæger sig gennem STEP — indsamling af data, sikring af pålidelighed og anvendelse — under det, som siden beskriver som et samlet agentisk governance‑lag. Ifølge biblioteket guider Upload Anything leverandører gennem data‑indtag, kortlægger automatisk indsendte data til mål‑skemaet og taksonomien uanset format eller fuldstændighed, udtrækker attributter fra forskellige filstrukturer, validerer fuldstændighed og markerer huller, hvilket reducerer leverandørens produkt‑data onboarding fra uger til timer.

Biblioteket beskriver Content Optimizer som at generere kanal‑specifikke beskrivelser, marketing‑tekster, SEO‑indhold og detaljeret produktinformation fra styrede STEP‑attributter på ethvert sprog og i katalog‑skala. En autonomi‑indstilling spænder fra menneskeligt gennemgåede forslag til fuld auto‑publicering, og biblioteket tilskriver agenten en op til 10‑gange hurtigere indholds‑publicering.

Andre agenter, der er opført i biblioteket, omfatter Data Quality, som scanner katalogen mod fuldstændighedsregler, kanalspecifikationer og konsistenskontrol og dirigerer lav‑tillids‑problemer til menneskelig gennemgang; Classification, som automatisk tildeler produkter til den korrekte kategori og hierarki; Business Rules Agent, som konverterer krav i naturligt sprog til fungerende STEP‑forretningsregler; GraphQL Query Writer, som genererer GraphQL‑forespørgsler ud fra beskrivelser i almindeligt sprog; Entity Creation Agent, som søger i MDM og andre betroede kilder efter eksisterende poster, før en ny oprettes; og Data Steward Copilot, som frembringer kontekst, historik og anbefalinger, mens menneskelig dømmekraft forbliver i kredsløbet.

Platformens grundlag og hvad der kommer herefter

CEO Adrian Carr knyttede meddelelsen til datapålidelighed. “Når AI‑agenter overtager mere af virksomhedens arbejdsbyrde, er begrænsningen, om de underliggende data kan stole på for at træffe beslutninger med maskinhastighed,” sagde han og tilføjede, at Stibo Systems byggede dette grundlag længe før agenter blev et diskussionsemne, og at det viste sig at være det kritiske element for, at AI kan levere værdi.

Chief Product & Growth Officer Neda Nia sagde, at AI‑diskussionen skifter fra “Kan vi bygge det?” til “Kan vi stole på det, skalere det og bevise ROI?” Hun sagde, at agenters præcision og ydeevne i stigende grad afhænger af kvaliteten af dataene og konteksten bag dem, og hun placerede AgentWorkx som en måde for kunder at innovere inden for det styrede MDM‑miljø i stedet for at skabe en ny generation af skygge‑AI.

AgentWorkx bygger på MDM‑funktioner, der allerede findes i platformen, herunder dens semantiske datafundament, rollebaserede adgangskontroller, sporbarhed, integrationer og styring af relationer på tværs af domæner såsom produkter, kunder, leverandører og lokationer. Stibo Systems sagde, at de planlægger at udvide både deres portefølje af klar‑til‑brug agenter og den fleksibilitet, der er tilgængelig via AgentWorkx, herunder arbejde med at bringe kundernes foretrukne modeller ind i deres MDM‑miljø. Nia tilføjede, at hver virksomhed har data, kontekst og institutionel viden, der er unikt deres egen, og at virksomhedens opgave er at hjælpe kunder med at sætte dem i arbejde uden at opgive tillid og kontrol.

Stibo Systems beskriver sig selv som den største uafhængige leverandør af master data management og virksomheden bag det, de kalder en betroet intelligensplatform. Den har hovedkontor i Aarhus, Danmark, og opererer som et datterselskab af Stibo Software Group, som virksomheden siger giver et langsigtet perspektiv gennem ejerskab af fundamentet. Organisationer, der er interesserede i rammeværket, kan registrere tidlig interesse via agentbiblioteket.