Agentul tău AI 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 mult. Știm ce ne place. Părinții soției mele, pe de altă parte, rareori călătoresc mai mult de câteva sute de mile de la casa lor și au părăsit țara împreună o singură dată în total — la 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-și viziteze familia, poate pentru ultima dată.

Îmi imaginam această călătorie desfășurându-se într-un singur cuvânt: dezastru. Cum am fi putut să îmbinăm experiențe și așteptări atât de diferite, astfel încât să avem o călătorie extraordinară — sau cel puțin să nu ne urâm unul pe altul la sfârșitul ei?

Ca orice pasionat de tehnologie care se respectă, am apelat la tehnologie — în special la inteligența artificială.

Dar nu m-am așteptat ca micul meu experiment de creare prin vibe coding a unei aplicații de planificare a călătoriilor pentru familie, bazată pe inteligență artificială, să mă învețe aproape tot ce trebuie să știu despre aplicarea inteligenței artificiale în IT-ul de întreprindere.

Cu cât hrănești mai mult inteligența artificială, cu atât devine mai prostă

Majoritatea implementărilor de inteligență artificială din întreprinderi 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, fie că este vorba de un cadru RAG (Retrieval-Augmented Generation), o bază de cunoștințe existentă sau chiar un server MCP. Apoi, se adaugă un model lingvistic de mari dimensiuni și se lasă să-și facă treaba.

Problema este că modelele lingvistice de mari dimensiuni, în esență, sunt proaste. 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 un strat de selecție și organizare a informațiilor, învățând modelul ce este important și ce nu. Fără această selecție, obțineți inteligență artificială care știe totul și nu înțelege nimic.

Cele trei tipuri de memorie care contează

Selectarea și organizarea eficientă a informațiilor pentru inteligența artificială din întreprindere înseamnă valorificarea la maximum a trei tipuri specifice de memorie.

Primul tip este memoria instituțională, care poate părea destul de elementară la început. Când cineva spune „servicii financiare”, agentul știe că se referă la divizia de Servicii Financiare a companiei și nu la întreaga industrie. Aceasta devine o cunoaștere organizațională 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 o solicitare de asistență sau se implementează un sistem, agentul recunoaște acea acțiune și o înregistrează în istoricul acțiunilor. Acesta devine înregistrarea istorică care conectează 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.

Luate împreună, aceste trei tipuri de memorie creează sistemul de ponderare care le lipsește modelelor generice de inteligență artificială. Acum, când cineva spune unui agent despre afacere, el clasifică și prioritizează toată memoria și selectează și organizează informațiile importante. Acesta formează nucleul a ceea ce ar trebui să ofere inteligența artificială: nu doar date de domeniu, ci și judecată de domeniu.

Cum arată memoria selectată și organizată la scară largă

Dar suficient despre cadrul de referință, cum arată acest lucru în practică? Iată ce am descoperit construind noi înșine acești agenți.

Un scenariu obișnuit în IT este trimiterea unei solicitări de asistență către un agent de asistență. Să zicem că Outlook nu funcționează, așa că tastați o descriere a problemei și așteptați ca agentul să examineze și să sugereze o soluție.

Dar cu memoria selectată și organizată 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 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 oferă un răspuns mai util. Agentul ar putea chiar să se extindă într-un efect de rețea sau de 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 selectați și nu organizați eficient memoria dvs., 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

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

Ce am construit a fost o aplicație care a acționat ca ghidul nostru personal de călătorie și a început prin a „intervieva” fiecare participant. Am explicat cu toții ce conta pentru noi în călătorie: ce trebuia neapărat să facem și ce puteam omite. Mai important, ne-a întrebat despre „de ce” — de ce a fost ceva important pentru noi, ce a însemnat pentru noi.

Utilizând aceste informații, a făcut două lucruri. În primul rând, a alcătuit 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, acel prim itinerar a fost doar o schiță. Mai erau multe întrebări de răspuns.

Și atunci a avut loc adevărata magie. Am întrebat agentul despre un hotel, o atracție sau un drum cu mașina, și răspunsurile pe care le-a oferit au fost îmbogățite cu contextul situației noastre unice: „Ar fi un drum lung cu mașina 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.”

Cu această înțelegere bogată a ceea ce era important pentru noi, aplicația 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 tocmai într-unul dintre acele momente inițiale am înțeles ce trebuia să construim pentru clienții noștri de întreprindere: sisteme inteligente care erau 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, oferind un tip de valoare care nu ar fi putut apărea în niciun alt mod.