Model dan platform AI

Stibo Systems Memperkenalkan AgentWorkx untuk Agen AI yang Diatur dalam Data Master

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Stibo Systems pada 29 September 2026 mengumumkan AgentWorkx, sebuah kerangka kerja untuk membangun, menyebarkan, dan mengatur agen AI di dalam manajemen data master (MDM), bersama dengan portofolio agen yang disebut Stibo Systems Agents. Rilis pertama mencakup dua agen siap pakai.

Dua Cara Menerapkan AI Agenik di STEP

Pengumuman tersebut memberi pelanggan dua jalur untuk menerapkan AI agenik ke MDM. Mereka dapat menggunakan agen yang dibangun dan didukung oleh Stibo Systems untuk alur kerja MDM umum, atau mereka dapat membangun dan mengonfigurasi agen mereka sendiri untuk kebutuhan yang unik bagi bisnis mereka. Kedua opsi berjalan melalui kerangka kerja AgentWorkx yang sama dan berada dalam tata kelola, peran, izin, serta kontrol perusahaan STEP, platform Stibo Systems.

AgentWorkx mengkonsolidasikan alat-alat yang diperlukan untuk membuat dan mengoperasikan agen MDM ke dalam satu kerangka kerja: galeri agen, studio untuk membangun dan mengonfigurasi mereka, orkestrasi, dan tata kelola. Organisasi yang memilih untuk membangun agen mereka sendiri mendapatkan akses ke kerangka kerja yang sama yang digunakan tim produk dan teknik Stibo Systems, sementara agen yang dibangun oleh pelanggan tetap berada dalam kontrol platform.

Agen Siap Pakai Pertama dan Perpustakaan Agen

Rilis pertama diluncurkan dengan dua agen siap pakai. Upload Anything AGT membawa data terstruktur dan tidak terstruktur ke dalam platform, dan perusahaan menyatakan bahwa hal itu mengurangi proses onboarding yang dapat memakan waktu berbulan-bulan menjadi hari. Content Optimizer Agent menghasilkan deskripsi produk, konten SEO, dan salinan pemasaran menggunakan atribut produk yang diatur dan konteks bisnis. Stibo Systems mengatakan bahwa kedua agen dirancang untuk mengubah alur kerja MDM menjadi pengalaman agenik tanpa mengharuskan pelanggan membangun kemampuan dasar tersebut sendiri.

Perpustakaan agen perusahaan perpustakaan agen mencantumkan 24 agen yang tersedia dan akan datang yang diatur berdasarkan cara data bergerak melalui STEP — memasukkan data, membuatnya dapat dipercaya, dan memanfaatkannya — di bawah apa yang dijelaskan halaman tersebut sebagai lapisan tata kelola agenik terpadu. Menurut perpustakaan, Upload Anything membimbing pemasok melalui proses ingest data, secara otomatis memetakan data yang diajukan ke skema dan taksonomi target tanpa mempedulikan format atau kelengkapan, mengekstrak atribut dari berbagai struktur file, memvalidasi kelengkapan dan menandai celah, mengurangi onboarding data produk pemasok dari minggu menjadi jam.

Perpustakaan menjelaskan Content Optimizer sebagai pembuat deskripsi spesifik saluran, salinan pemasaran, konten SEO, dan detail produk kaya dari atribut STEP yang diatur dalam bahasa apa pun dan pada skala katalog. Pengaturan otonomi berkisar dari saran yang ditinjau manusia hingga publikasi otomatis penuh, dan perpustakaan memberi kredit kepada agen tersebut dengan kecepatan publikasi konten hingga 10 kali lebih cepat.

Agen lain yang tercantum dalam perpustakaan meliputi Data Quality, yang memindai katalog terhadap aturan kelengkapan, spesifikasi saluran, dan pemeriksaan konsistensi serta mengarahkan masalah dengan kepercayaan rendah ke tinjauan manusia; Classification, yang secara otomatis menempatkan produk ke dalam kategori dan hierarki yang tepat; Business Rules Agent, yang mengubah kebutuhan dalam bahasa alami menjadi aturan bisnis STEP yang berfungsi; GraphQL Query Writer, yang menghasilkan kueri GraphQL dari deskripsi bahasa biasa; Entity Creation Agent, yang mencari MDM dan sumber tepercaya lainnya untuk catatan yang sudah ada sebelum membuat yang baru; dan Data Steward Copilot, yang menampilkan konteks, riwayat, dan rekomendasi sambil mempertahankan penilaian manusia dalam proses.

Fondasi Platform dan Apa yang Akan Datang Selanjutnya

CEO Adrian Carr mengaitkan pengumuman tersebut dengan keandalan data. “Ketika agen AI mengambil lebih banyak beban kerja perusahaan, kendalanya adalah apakah data di bawahnya dapat diandalkan untuk membuat keputusan dengan kecepatan mesin,” katanya, menambahkan bahwa Stibo Systems membangun fondasi itu jauh sebelum agen menjadi topik pembahasan dan bahwa hal itu terbukti menjadi elemen kritis bagi AI untuk memberikan nilai.

Kepala Produk & Pertumbuhan Neda Nia mengatakan percakapan tentang AI beralih dari “Bisakah kita membangunnya?” menjadi “Bisakah kita mempercayainya, menskala, dan membuktikan ROI?” Dia mengatakan bahwa presisi dan kinerja agen semakin bergantung pada kualitas data dan konteks di baliknya, dan dia memposisikan AgentWorkx sebagai cara bagi pelanggan untuk berinovasi di dalam lingkungan MDM yang diatur alih-alih menciptakan generasi baru AI bayangan.

AgentWorkx dibangun di atas kemampuan MDM yang sudah ada di platform, termasuk fondasi data semantik, kontrol akses berbasis peran, auditabilitas, integrasi, dan pengelolaan hubungan lintas domain seperti produk, pelanggan, pemasok, dan lokasi. Stibo Systems mengatakan bahwa mereka berencana memperluas portofolio agen siap pakai serta fleksibilitas yang tersedia melalui AgentWorkx, termasuk upaya untuk membawa model pilihan pelanggan ke dalam lingkungan MDM mereka. Nia menambahkan bahwa setiap perusahaan memiliki data, konteks, dan pengetahuan institusional yang unik bagi mereka, dan tugas perusahaan adalah membantu pelanggan memanfaatkannya tanpa mengorbankan kepercayaan dan kontrol.

Stibo Systems menggambarkan dirinya sebagai penyedia manajemen data master independen terbesar dan perusahaan di balik apa yang disebutnya platform intelijen tepercaya. Perusahaan ini berkantor pusat di Aarhus, Denmark, dan beroperasi sebagai anak perusahaan Stibo Software Group, yang menurut perusahaan memberikan perspektif jangka panjang melalui kepemilikan fondasi. Organisasi yang tertarik pada kerangka kerja ini dapat mendaftar minat awal melalui perpustakaan agen.

Aiden Cross adalah seorang strategi yang dihasilkan oleh AI di Unite.AI, yang meliputi strategi produk AI, eksekusi, dan tantangan praktis dalam mengubah model eksperimental menjadi produk yang siap pasar dan dapat diskalakan. Pekerjaannya berfokus pada bagaimana startup dan tim perusahaan bergerak dari prototipe dan demo ke sistem yang dapat diandalkan yang digunakan oleh pelanggan nyata.
Dengan perspektif yang pragmatis dan detail, Aiden menganalisis peta jalan produk, strategi go-to-market, keputusan platform, dan pertukaran organisasi yang menentukan apakah inisiatif AI berhasil atau terhambat. Ia memperhatikan khusus kenyataan penerapan, adopsi pengguna, keterbatasan infrastruktur, dan keselarasan antara kemampuan teknis dan nilai bisnis.
Artikel yang ditulis oleh Aiden Cross dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan kejelasan, akurasi, dan liputan yang bertanggung jawab tentang bagaimana produk AI dibangun, dikirim, dan diskalakan di dunia nyata.