WisdomAI зажигает проактивных агентов для BI
WisdomAI, базирующийся в Сан-Франциско стартап в области искусственного интеллекта, объявил в среду о запуске Proactive Agents — автономных систем ИИ, предназначенных для роли постоянно работающих дата-аналитиков, которые могут отслеживать бизнес-метрики, обнаруживать аномалии и проводить сложный анализ первопричин без участия человека.
Этот запуск знаменует собой сдвиг в бизнес-аналитике: переход от традиционных дашбордов и отчетных инструментов к системам ИИ, способным упреждающе выявлять проблемы и возможности в корпоративных данных. Технология призвана решить фундаментальную проблему масштабирования в современном бизнесе — узкое место, возникающее, когда операционные команды зависят от ограниченных ресурсов дата-аналитиков для извлечения ценных выводов из все более сложных данных.
«Дата-аналитики долгое время были привратниками к инсайтам, но их сложно масштабировать, и ни одна компания не может нанять неограниченное число аналитиков», — отметил Сохам Мазумдар (Soham Mazumdar), генеральный директор и соучредитель WisdomAI, в эксклюзивном интервью VentureBeat. «Proactive Agents меняют это. Они действуют как ИИ-напарники, которые масштабируют возможности вашей команды аналитиков, повышают продуктивность во всей организации и демократизируют доступ к работе аналитического уровня».
Как агенты ИИ проводят глубокий анализ первопричин, выходящий за рамки простых оповещений
Подход WisdomAI отличает от существующих систем обнаружения аномалий то, что компания называет возможностями «глубокого анализа». В то время как традиционные инструменты мониторинга, такие как Datadog, предупреждают пользователей, когда метрики превышают заранее определенные пороги, агенты WisdomAI проводят всесторонние расследования при возникновении аномалий.
«В Datadog мониторинг аномалий работает так: вы говорите: «Если эта метрика отличается от нашей базы более чем на 20%, отправьте мне письмо»», — рассказал Мазумдар изданию VentureBeat. «Наш подход иной. Мы говорим: «Если это произойдет, проанализируйте все сегменты — по полу, устройству, географии, — проведите комплексный анализ и скажите мне, какая именно группа ведет себя некорректно»».
Затем система изучает коррелирующие метрики и предоставляет исчерпывающий анализ потенциальных первопричин наряду с рекомендованными действиями. Эта возможность выходит за рамки простого оповещения и охватывает ту работу по расследованию, которую обычно выполняют аналитики-люди.
Базовая технология, предотвращающая галлюцинации ИИ в бизнес-данных
Центральное место в технологии WisdomAI занимает то, что компания называет «Knowledge Fabric» (Информационной тканью) — динамической системой маппинга, которая связывает разнородные источники данных, одновременно учитывая важнейший бизнес-контекст. Эта основа позволяет ИИ-агентам понимать организационные нюансы, недоступные обычным большим языковым моделям.
«Когда речь заходит о языковых моделях, они обучаются на внешних данных. Но именно организационные, внутренние данные управляют нашим бизнесом», — сказал Мазумдар. «Этот перевод между языковыми моделями и внутренними данными — как раз то, что мы создали».
Knowledge Fabric решает одну из самых серьезных проблем корпоративного ИИ: предотвращение галлюцинаций при работе с критически важными для бизнеса данными. Вместо того чтобы генерировать ответы напрямую, система WisdomAI создает программы — как правило, SQL-запросы или скрипты на Python, — которые извлекают данные из корпоративных систем.
«Мы не можем ничего выдумать, потому что в конечном итоге за этим стоит программа», — пояснил Мазумдар. «Программа должна выполняться. Во-вторых, программа — это очень, очень структурированный фрагмент текста, и ее можно проверить сама по себе».
Компании из списка Fortune 100 требуют 90% точности перед развертыванием ИИ
Подход WisdomAI к точности оказался решающим для внедрения в корпоративной среде. Крупнейший клиент компании, нефтегазовый гигант ConocoPhillips, выдвинул жесткие требования к точности в процессе продаж.
«Они буквально сказали: «Послушайте, нам это действительно нужно. Мы работали с некоторыми другими поставщиками языковых моделей и застряли на точности 50%. Я никак не смогу запустить это… если точность не достигнет 90%, то сделка ваша. В противном случае ничего не получится»», — вспоминает Мазумдар.
Теперь клиентская база компании включает в себя предприятия из списка Fortune 100, представляющие самые разные отрасли. В компании Cisco WisdomAI работает в финансовом отделе в рамках функции закупок, помогая специалистам анализировать расходы на поставщиков на сумму 8 миллиардов долларов для выявления переплат, возможностей оптимизации лицензий и неэффективности контрактов.
В ConocoPhillips горные инженеры используют систему для анализа данных датчиков и записей о техническом обслуживании. Типичный запрос может звучать так: «Я увидел этот показатель на датчике давления воды, что мне делать? И в радиусе 10 миль от этого места есть ли другие скважины, где это происходило, и проводилось ли какое-либо техническое обслуживание чего-либо из этого?»
Виктор Гарате (Victor Garate), директор по бизнес-аналитике в Homestory — компании по оказанию услуг в сфере недвижимости, ставшей одним из первых пользователей Proactive Agents, — сообщил о значительном росте производительности. «До WisdomAI нашим главным узким местом был человеческий капитал: мы были ограничены количеством аналитиков и тем, как быстро они могли работать», — сказал Гарате. «С Proactive Agents эти ограничения исчезают. Анализ и инсайты масштабируются автоматически, давая нашей команде рычаг влияния, которого мы просто не могли достичь раньше».
Почему традиционные инструменты бизнес-аналитики не справляются с 80% сценариев использования
Запуск WisdomAI происходит на фоне того, как компании все отчетливее осознают ограничения традиционных инструментов бизнес-аналитики при решении разнообразных аналитических задач. Хотя дашборды отлично подходят для отслеживания ключевых показателей эффективности руководства, они часто оказываются неэффективными для операционных пользователей, которым необходимо задавать сложные контекстуальные вопросы о своих данных.
«Потребности в аналитических данных невероятно разнообразны, и BI-инструменты решают лишь очень узкую их часть — они просто не работают для 80% сценариев использования», — отметил Мазумдар. «Хотя у каждой компании есть лицензии на BI, если посмотреть на реальное внедрение пользователями, уровень использования поразительно низок».
Стратегия компании заключается в первоначальной ориентации на операционные сценарии использования, с которыми традиционные BI-инструменты не могут справиться, а не в прямой конкуренции с устоявшимися решениями для дашбордов. Такой подход позволил WisdomAI закрепиться в организациях, уже использующих такие инструменты, как Tableau и Power BI.
Мазумдар отметил значительный сдвиг в отношении бизнеса к ИИ за последний год. «В прошлом году они относились к этому скептически: «Стоит ли мне доверять ИИ?» Я бы сказал, что за последний год это восприятие существенно изменилось. Я думаю, люди теперь верят, что ИИ в конечном итоге сможет это сделать — всё идет к тому, что это неизбежно».
Настройка ИИ-дата-аналитиков занимает считанные минуты с помощью команд на естественном языке
Несмотря на сложную лежащую в основе технологию, WisdomAI делает акцент на простоте развертывания. Пользователи могут создавать первоначальные конфигурации агентов, используя описания на естественном языке всего за несколько минут, хотя компания рекомендует этап тестирования перед полноценным внедрением.
«Если ваша кампания работает плохо и вы хотите понять, какой именно сегмент трафика отстает, вы можете описать необходимый вам анализ буквально в 80 словах», — сказал Мазумдар.
Система включает в себя изолированную среду (песочницу), где пользователи могут проверять и дорабатывать поведение агентов перед активацией непрерывного мониторинга. Этот подход отражает то, как организации обычно вводят в работу аналитиков-людей: с начальным периодом обучения, включающим изучение документации и контролируемую работу.
Рост популярности автономных агентов ИИ меняет стратегию работы с корпоративными данными
Появление WisdomAI отражает более широкие тенденции в корпоративном ИИ, где специализированные приложения набирают популярность по сравнению с универсальными инструментами. В мае компания привлекла 23 миллиона долларов в рамках посевного раунда финансирования под руководством Coatue Ventures при участии Madrona, GTM Capital и The Anthology Fund.
Этот раунд финансирования и последующие разработки продуктов выводят WisdomAI в растущую категорию «агентских платформ ИИ», способных действовать автономно в корпоративной среде. Это представляет собой эволюцию по сравнению с более ранними бизнес-инструментами на базе ИИ, которые требовали значительного контроля и вмешательства со стороны человека.
Что касается дата-аналитиков, то технология WisdomAI не представляет угрозы для их занятости, а скорее призвана расширить возможности человека. «Я искренне чувствую, что эта группа дата-аналитиков действительно может стать героями во внедрении технологий ИИ в организацию, вместо того чтобы бояться: «Ой, мы потеряем работу»», — сказал Мазумдар. «Та категория специалистов, с которой мы работаем, — я думаю, мы просто даем им возможность стать лидерами внутри своих организаций».
Поскольку предприятия борются с экспоненциально растущими объемами данных в рамках все более сложных технологических стеков, фундаментальный вопрос заключается уже не в том, изменит ли ИИ бизнес-аналитику, а в том, как быстро организации смогут развернуть автономные системы, соответствующие аналитическому мышлению человеческого уровня.
В мире, где конкурентное преимущество все больше зависит от скорости генерации инсайтов, компании вскоре могут обнаружить, что самые ценные аналитики в их командах никогда не спят, никогда не берут отпуск и никогда не пропускают критическую аномалию, скрытую в терабайтах оперативных данных.
Будущее бизнес-аналитики — это не просто лучшие дашборды или более быстрые запросы, это наличие армии неутомимых цифровых аналитиков, работающих круглосуточно, каждый из которых способен на тот вид глубокого контекстуального мышления, для освоения которого раньше требовались годы обучения и институциональных знаний.
