Opkøb

Workday planlægger at opkøbe Honeydew for at samle AI-forretningsdefinitioner

Aiden Cross
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterHoneydew kompilerer forretningsdefinitioner til deterministiske forespørgsler, før…
Vis mere
  • Honeydew kompilerer forretningsdefinitioner til deterministiske forespørgsler, før nogen AI-model ser anmodningen.
  • Definitioner vil gælde direkte for live Workday Data Cloud-data i stedet for forældede lagerudtræk.
  • Tilladelser følger med forretningsdefinitioner, så uautoriserede anmodninger blokeres, før en forespørgsel kører.

Workday meddelte den 18. november 2026 på Workday Rising EMEA i Barcelona, at virksomheden har til hensigt at opkøbe Honeydew og integrere Honeydews semantiske compiler i Workday Data Cloud. Den planlagte integration skal give AI-agenter og business intelligence-værktøjer de samme styrede forretningsdefinitioner, så svarene er ensartede på tværs af agenter, værktøjer og modeller.

Workday forventer, at den foreslåede transaktion afsluttes i fjerde kvartal af virksomhedens regnskabsår 2027, der slutter den 31. januar 2027, forudsat at de sædvanlige betingelser for gennemførelse af transaktionen er opfyldt. Honeydews semantiske lag gør det muligt for teams at definere forretningsmålinger én gang og bruge dem på tværs af business intelligence-værktøjer og AI-agenter, mens virksomhedens compiler omsætter definitionerne til præcise, styrede forespørgsler.

Ensartede definitioner til agentforespørgsler

Workday illustrerer problemet med en forespørgsel om antallet af ansatte: Et dashboard kan tælle fuldtidsansatte alene, en chatløsning kan medregne kontraktansatte, og en agent kan tælle godkendte, men ubesatte stillinger som allerede besatte. Hvert svar kan være gyldigt ud fra sin egen definition, men de tre resultater giver ikke virksomheden ét ensartet tal.

Honeydew indsamler og kortlægger flere definitioner og vælger derefter den relevante ud fra, hvem der spørger – en person eller en agent – den konkrete anvendelse og den aktuelle kontekst. Dermed flyttes valget af definition til et fælles lag i stedet for at lade hver grænseflade træffe valget uafhængigt.

Workday beskriver de nuværende alternativer som specialudviklet kode, der opfanger forespørgsler til store sprogmodeller, forretningsregler, der er hardkodet i datapipelines, og overfyldning af prompts med skemaoplysninger, hvor dataordbøger, SQL-sammenføjningsregler og definitioner pakkes ind i prompts. Arbejdet kan skulle gentages, når teams skifter modeller eller platforme.

Med Honeydew flyttes forretningslogikken ud af prompten og kompileres til deterministiske forespørgsler, før en anmodning når frem til modellen. »En AI-model bør ikke improvisere beregningen bag et løntal«, sagde Gabe Monroy, Workdays teknologidirektør. Workday forventer, at tilgangen vil forbedre nøjagtigheden og effektiviteten, reducere tokenforbruget og omkostningerne samt bevare definitionerne, når kunder skifter værktøjer eller modeller.

Styringen omfatter også data i realtid

Workday skelner også mellem den planlagte implementering og semantiske lag, der arbejder med data, som allerede er udtrukket til et datalager eller en datasø, hvor svarene kun kan være så aktuelle som den seneste opdatering. Honeydew vil anvende kundernes definitioner direkte på live-data i Workday Data Cloud, så agenter kan bruge aktuelle oplysninger, f.eks. hovedbogen for samme dag.

Workday styrer allerede agenters identitet, verifikation, adgang og adfærd. Honeydew vil tilføje kontrol, når et spørgsmål på naturligt sprog bliver til en databaseforespørgsel. Adgangstilladelserne vil følge med forretningsdefinitionerne, så hver person eller agent kun får adgang til tilladte oplysninger uden særskilt administrerede dataudtræk. Ugyldige eller uautoriserede anmodninger vil blive blokeret, før en forespørgsel køres, i stedet for først at blive markeret bagefter.

Yasmeen Ahmad, senior vicepræsident og general manager for Workday Data Cloud, beskrev virksomhedskontekst som den centrale flaskehals for AI i virksomheder og den planlagte integration som en »levende semantisk graf«, der giver autonome agenter styret forretningskontekst.

Det planlagte opkøb placerer forretningsdefinitioner centralt i Workdays agentstrategi. Det samme lag skal afgøre, hvordan et spørgsmål fortolkes, hvilke data der kan besvare det, og om anmodningen må gennemføres, så styringen udvides fra agentens handlinger til de svar, som handlingerne afhænger af.

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.