Agentul Dvs. de Inteligență Artificială Știe Totul — și Nu Înțelege Nimic

“Ar trebui să ne alăturăm părinților mei în călătoria lor în Irlanda” — această afirmație aparent inofensivă mi-a trimis fiori pe șira spinării.

Soția mea și eu călătorim pe scară largă. Știm ce ne place. Părinții soției mele, pe de altă parte, rareori călătoresc la mai mult de câteva sute de mile de acasă și au părăsit țara împreună de un total de o singură dată — pentru nunta noastră.

Pentru a completa totul, această călătorie a fost un cadou de Crăciun de la socrul meu pentru soacra mea, astfel încât ea să poată merge și să viziteze familia ei, poate pentru ultima dată.

Îmi puteam imagina această călătorie desfășurându-se într-un singur cuvânt: dezastru. Cum aș fi putut sintetiza experiențe și așteptări atât de diferite, astfel încât să putem avea o călătorie uimitoare — sau cel puțin să nu ne urâm unul pe altul la sfârșitul ei?

Ca orice tehnolog pasionat, am apelat la tehnologie — în special la inteligența artificială.

Dar ceea ce nu m-am așteptat a fost că micul meu experiment de codare a unei aplicații de planificare a călătoriilor pentru familie, bazată pe inteligență artificială, îmi va învăța aproape tot ceea ce am nevoie să știu despre aplicarea inteligenței artificiale în IT-ul de întreprindere.

Cu Cât Se HRănește Mai Mult AI, Cu Atât Devine Mai Prost

Majoritatea implementărilor de inteligență artificială de întreprindere urmează un model previzibil. Organizațiile încep prin a oferi unui agent un set de instrucțiuni și prin a-l conecta la o sursă de informații, indiferent dacă este vorba de un cadru RAG (Retrieval-Augmented Generation), o bază de cunoștințe existentă sau chiar un server MCP. Următorul pas constă în adăugarea unui LLM și lăsarea lui să-și facă treaba.

Problema constă în faptul că LLM-urile, în esență, sunt proste. Ele nu știu cum să prioritizeze toate informațiile pe care le au la dispoziție, astfel încât tind să trateze fiecare piesă de context în mod egal. Un om trebuie să adauge o strat de curare, învățând modelul ce este important și ce nu. Fără curare, obțineți AI care știe totul și nu înțelege nimic.

Cele Trei Tipuri de Memorare Care Contă

O curare eficientă a inteligenței artificiale de întreprindere înseamnă a face cel mai bun uz din trei tipuri specifice de memorare.

Primul este memoria instituțională, care poate părea destul de de bază la început. Când cineva spune „servicii financiare”, agentul știe că se referă la divizia de Servicii Financiare a companiei și nu la întreaga industrie. Acest lucru devine cunoașterea organizatorică persistentă, plină de definiții, preferințe și convenții care nu se schimbă prea des. Pe măsură ce se extinde în cunoașterea instituțională despre prioritățile strategice, inițiativele cheie și dinamica organizațională, devine o sursă bogată de context instituțional.

Următorul este istoricul acțiunilor, care se concentrează pe deciziile semnificative, sarcinile și evenimentele. Când se depune un bilet de serviciu sau se implementează un sistem, agentul recunoaște acea acțiune și o înregistrează în istoricul acțiunilor. Acesta devine înregistrarea istorică care coase împreună contextul organizațional.

În cele din urmă, există contextul conversațional pe termen scurt. Gândiți-vă la el ca la interacțiunea de la moment la moment cu un agent. Este util în momentul respectiv, dar tendința este să-și piardă rapid relevanța.

Luându-le împreună, aceste trei tipuri de memorare creează sistemul de ponderare pe care modelele generice de AI lipsește. Acum, când cineva spune unui agent despre afacere, el clasifică și prioritizează toată această memorare și curăță informațiile importante. Acesta formează nucleul a ceea ce ar trebui să livreze AI: nu doar date de domeniu, ci și judecată de domeniu.

Ce Arată Memorarea Curată la Scară

Dar suficient despre cadrul de lucru, cum arată acest lucru în practică? Iată ce am descoperit în construirea acestor agenți.

Un scenariu IT obișnuit este trimiterea unui bilet de serviciu unui agent de asistență. Să zicem că Outlook nu funcționează, așa că tastați o descriere a problemei și așteptați ca agentul să revizuiască și să sugereze o soluție.

Dar cu memoria curată care lucrează în favoarea dvs., un proces mai bun ar putea implica realizarea unei capturi de ecran care arată eroarea Outlook și încărcarea acesteia în agent. Acum agentul (1) se bazează pe memoria instituțională pentru a înțelege mediul dvs. de lucru; (2) verifică istoricul acțiunilor pentru incidente legate; și (3) aplică judecata contextuală pentru o soluție specifică, nu doar un răspuns generic.

Rezultatul este un agent inteligent care nu trebuie să ghicească răspunsul pe baza unei capturi de ecran. El examinează toate informațiile curente și livrează un răspuns mai util. Agentul ar putea chiar să se extindă într-un efect de rețea sau roi, examinând alți utilizatori din sistem pentru a vedea dacă problema Outlook este doar a dvs. sau o problemă la nivel de întreprindere.

Contextualizarea istoricului sau a memoriei este factorul care face diferența. Dacă nu curățați memoria dvs. în mod eficient, veți rămâne în urma celor care o fac. Este esențial să aveți o arhitectură care știe cum să gestioneze aceste date în timp și să înțeleagă ce să păstreze, ce să afișeze și ce să lase deoparte.

Înapoi la Călătorie

Așadar, cum a schimbat planificatorul meu de călătorii bazat pe inteligență artificială perspectiva mea asupra inteligenței artificiale în IT-ul de întreprindere?

Ceea ce am construit a fost o aplicație care a acționat ca ghidul nostru personal de călătorie și a început prin a ne „interviewa” pe fiecare participant. Ne-am explicat toți ce ne-a păsat pe noi în călătorie: ce a fost o necesitate și ce am putut sări. Mai important, ne-a întrebat despre „de ce” — de ce a fost ceva important pentru noi, ce a însemnat pentru noi.

Folosind aceste informații, a făcut două lucruri. În primul rând, a curățat un plan de călătorie care a fost echilibrat pentru a oferi ceva pentru toată lumea — am putut vedea toți dorințele și preferințele noastre reprezentate în planul pe care l-a produs.

Dar, desigur, această primă itinerar a fost doar un proiect.

Și asta a fost momentul în care a apărut adevărata magie. Am întrebat agentul despre un hotel sau o atracție turistică sau o condus, iar răspunsurile pe care ni le-a dat au fost îmbogățite cu contextul situației noastre unice: „Ar fi o condus lungă pentru copii, dar socrul meu ar iubi castelul (și cafeneaua unică de lângă) — și acesta ar putea fi exact locul în care soția mea să-și facă masajul”.

Plin de această înțelegere bogată a ceea ce a fost important pentru noi, a putut să ne ajute să planificăm și să rafinăm călătoria noastră într-un mod în care nu cred că ar fi fost posibil în niciun alt mod.

Și a fost într-unul dintre aceste momente inițiale că am înțeles ce trebuia să construim pentru clienții noștri de întreprindere: sisteme inteligente care au fost atât de încărcate cu context organizațional, tranzacțional și personal, încât fiecare răspuns și fiecare interacțiune ar fi fost ca o amprentă: complet unică pentru acel moment și interacțiune, livrând un tip de valoare care nu ar fi putut apărea în niciun alt mod.