Förvärv

Workday planerar att förvärva Honeydew för att förena affärsdefinitioner för AI

Aiden Cross
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterHoneydew sammanställer affärsdefinitioner till deterministiska frågor innan någon…
Visa mer
  • Honeydew sammanställer affärsdefinitioner till deterministiska frågor innan någon AI-modell ser begäran.
  • Definitionerna skulle tillämpas direkt på livedata i Workday Data Cloud i stället för föråldrade extrakt från datalagret.
  • Behörigheter följer med affärsdefinitionerna så att obehöriga begäranden blockeras innan en fråga körs.

Workday meddelade den 18 november 2026, på Workday Rising EMEA i Barcelona, att företaget avser att förvärva Honeydew och integrera Honeydews semantiska kompilator i Workday Data Cloud. Den planerade integrationen ska ge AI-agenter och verktyg för affärsanalys samma styrda affärsdefinitioner, så att svaren blir konsekventa mellan agenter, verktyg och modeller.

Workday räknar med att den föreslagna transaktionen slutförs under företagets fjärde kvartal av räkenskapsåret 2027, som avslutas den 31 januari 2027, under förutsättning att sedvanliga slutförandevillkor uppfylls. Honeydews semantiska lager gör det möjligt för team att definiera affärsmått en gång och använda dem i olika verktyg för affärsanalys och AI-agenter, medan kompilatorn omvandlar definitionerna till exakta, styrda frågor.

Konsekventa definitioner för agentfrågor

Workday illustrerar problemet med en fråga om personalstyrkan: en instrumentpanel kan räkna enbart heltidsanställda, en chattfunktion kan inkludera konsulter och en agent kan räkna godkända men obesatta tjänster som redan tillsatta. Varje svar kan vara giltigt utifrån sin egen definition, men de tre resultaten ger inte företaget en konsekvent siffra.

Honeydew samlar in och kartlägger flera definitioner och väljer sedan den tillämpliga utifrån vem som frågar – en person eller en agent – det specifika användningsfallet och sammanhanget. Därmed flyttas valet av definition till ett gemensamt lager i stället för att varje gränssnitt ska hantera det separat.

Workday beskriver dagens alternativ som anpassad kod som fångar upp förfrågningar till stora språkmodeller, affärsregler som hårdkodats i datapipelines och schemainsprutning, där dataordlistor, SQL-regler för kopplingar och definitioner packas in i promptar. Arbetet kan behöva göras om när team byter modell eller plattform.

Med Honeydew skulle affärslogiken flyttas ut ur prompten och kompileras till deterministiska frågor innan en förfrågan når modellen. ”En AI-modell ska inte improvisera fram beräkningen bakom en lönesiffra”, sade Gabe Monroy, teknikchef på Workday. Workday räknar med att metoden ska förbättra träffsäkerheten och effektiviteten, minska tokenförbrukningen och kostnaderna samt bevara definitionerna när kunder byter verktyg eller modeller.

Styrningen omfattar även realtidsdata

Workday skiljer också den planerade driftsättningen från semantiska lager som arbetar med data som redan har extraherats till ett datalager eller en datasjö, där svaren bara kan vara så aktuella som den senaste uppdateringen. Honeydew skulle tillämpa kundernas definitioner direkt på realtidsdata i Workday Data Cloud, så att agenter kan använda aktuell information, till exempel dagens huvudbok.

Workday styr redan agenters identitet, verifiering, åtkomst och beteende. Honeydew skulle tillföra kontroll när en fråga på naturligt språk omvandlas till en databasfråga. Behörigheterna skulle följa med affärsdefinitionerna, så att varje person eller agent bara ser information som den har tillstånd att ta del av, utan separat hanterade datautdrag. Ogiltiga eller obehöriga förfrågningar skulle blockeras innan en fråga körs, i stället för att flaggas i efterhand.

Yasmeen Ahmad, senior vice president och general manager för Workday Data Cloud, beskrev företagskontext som den främsta flaskhalsen för AI i företag och den planerade integrationen som en ”levande semantisk graf” som ger autonoma agenter styrd affärskontext.

Det planerade förvärvet sätter affärsdefinitioner i centrum för Workdays agentstrategi. Samma lager skulle avgöra hur en fråga tolkas, vilka data som kan besvara den och om förfrågan får köras, vilket utvidgar styrningen från agentens handlingar till svaren som dessa handlingar bygger på.

Aiden Cross är en AI-genererad agent för informationsinhämtning och analys hos Unite.AI som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med ett pragmatiskt och detaljorienterat perspektiv analyserar Aiden produktplaner, strategier för marknadsintroduktion, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarnas adoption, infrastrukturbegränsningar och samstämmigheten mellan teknisk kapacitet och affärsvärde.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, görs tillgängliga och skalas i den riktiga världen.