Почему агенты на базе ИИ дают уверенные неправильные ответы

У корпоративных ИИ-агентов появился новый тип сбоев в продакшене, и дело тут вовсе не в модели. По мере того как компании переходят от одноуровневого RAG к гибридным архитектурам поиска, те же самые базовые данные выдают разные ответы в зависимости от того, какой именно агент, инструмент или система задает вопрос. Понятие «выручка» означает одно в дашборде бизнес-аналитики (BI), несколько иное — в таблице SQL и совсем другое — в инструкциях для агента. Развертывание поисковой инфраструктуры в последние два года привело к появлению более быстрого и дешевого векторного поиска. Но оно не создало общего понимания того, что именно означают эти данные.

На конференции Snowflake Summit 26 в Сан-Франциско облачный провайдер делает серьезную заявку на решение этой проблемы, анонсируя управляемый потоковый сервис с поддержкой Kafka под названием Data Stream, улучшения адаптивных вычислений, расширенную совместимость с Apache Iceberg, а также обновления продуктов для кодинга и работы с агентами Cowork и CoCo. Фундаментом для всего этого выступает контекстный слой: Horizon Context и Cortex Sense — двухуровневая система, призванная обеспечить агентов контролируемым и общим определением бизнес-логики в различных поисковых стеках. Проблема контекста имеет критическое значение: данные отчета VB Pulse за первый квартал 2026 года издания VentureBeat, полученные на основе опроса организаций со штатом от 100 сотрудников, показывают, что интерес к гибридному поиску вырос почти втрое — с 10,3% в январе до 33,3% в марте, что делает его самой быстрорастущей стратегической позицией в наборе данных.

«Существует множество инструментов, которым можно задать вопрос и получить очень уверенный ответ, однако правилен он или нет — это уже другой вопрос», — отметил Кристиан Кляйнерман (Christian Kleinerman), исполнительный вице-президент по продуктам в Snowflake.

От фрагментированной бизнес-логики к управляемому контекстному слою

Проблема, на которую нацелен Horizon Context, носит вполне конкретный характер. Сегодня бизнес-логика распределена между SQL, BI-дашбордами и инструкциями для агентов, и ни одна отдельная система не владеет ее определением полностью. Когда несколько агентов или инструментов запрашивают одни и те же исходные данные, они оперируют разными схемами и возвращают разные ответы. Horizon Context — это попытка Snowflake исправить ситуацию на уровне каталога, а не на уровне агентов.

Horizon Context. Управляемый клиентом слой, созданный на базе приобретения компании Select Star. Он извлекает метаданные из Postgres, SQL Server, Tableau и Power BI в каталог Horizon Catalog, благодаря чему каждый агент, BI-инструмент и внешняя система опираются на единое регламентированное определение, а не выстраивают логику независимо на основе «сырой» физической схемы. Функция Semantic View Autopilot автоматически создает и уточняет семантические представления с течением времени, расширяя курируемую бизнес-логику без необходимости постоянного ручного вмешательства.

Cortex Sense. Слой, генерируемый самой платформой. Он автоматически строит и обогащает контекст на основе клиентских данных и паттернов использования в режиме реального времени, не требуя ручного создания семантических представлений. Кляйнерман охарактеризовал это как улучшение работы по умолчанию до того, как была произведена какая-либо явная кастомизация.

Различие между этими двумя слоями носит архитектурный характер, и Кляйнерман сформулировал его предельно точно. «Рассматривайте Horizon Context как все то, что является явным и заявляется клиентами, а Cortex Sense — как все неявное, что выводится нашей системой», — заявил он.

Оба слоя подключаются к существующей поисковой инфраструктуре Snowflake. Cortex Search, собственная реализация RAG компании, интегрируется в CoCo и Cowork в качестве инструмента, поэтому контекст, обогащенный на любом из уровней, поступает в рабочие процессы поиска.

Хотя Horizon Context является технологией Snowflake, ее главная цель — открытость и совместимость. Snowflake связывает эту технологию со стандартом Open Semantic Interchange, обеспечивая переносимость заданных клиентом определений между сторонними каталогами и инструментами.

«Мы на 100% преданы Horizon Context и возглавляем работу по обеспечению того, чтобы эта технология не была заперта в рамках одной экосистемы», — подчеркнул Кляйнерман.

Контекстные слои повсюду. Вопрос в том, какие из них действительно работают

Snowflake пополняет ряды все более многочисленных вендоров, решающих ту же задачу. Microsoft открыла свою бизнес-онтологию Fabric IQ через протокол MCP, благодаря чему агент любого производителя может использовать общий семантический слой. Компания Redis выпустила Iris — платформу контекста и памяти, которая располагается между агентами и их данными и работает на базе хранилища, переработанного под объемы поиска масштаба корпоративных агентов. Pinecone меняет позиционирование с векторной базы данных на интеллектуальный движок Nexus, который компилирует корпоративные данные в специализированные артефакты еще до того, как к ним обращаются агенты.

Девин Пратт (Devin Pratt), директор по исследованиям в IDC, отметил в интервью VentureBeat, что, по его мнению, Snowflake движется в правильном направлении и следует туда, куда направляется весь рынок.

«Агенты хороши ровно настолько, насколько хороши данные и семантика за их спиной, поэтому сейчас ключевым объектом внимания является именно контекстный слой, а не модель», — считает Пратт.

По мнению Пратта, сильная сторона подхода Snowflake заключается именно в разделении. Horizon Context охватывает то, что команды объявляют и курируют самостоятельно, а Cortex Sense берет на себя то, что платформа улавливает автоматически. Не менее важно и то, что Horizon Context интегрирован непосредственно в уровень каталога и управления данными, а не прикручен постфактум.

«Контекстный слой — это настоящее поле битвы за агентский ИИ. Доверие к агенту определяется исключительно качеством лежащих в его основе данных и семантики», — подчеркнул Пратт.

Майк Леоне (Mike Leone), вице-президент и главный аналитик Moor Insights and Strategy, согласился с тем, что разделение контекста на два уровня — верное архитектурное решение.

«Мне нравится, куда движется Snowflake. Они разделяют контекст на две категории: Horizon Context отвечает за то, что явно определяют клиенты, а Cortex Sense — за то, что платформа определяет самостоятельно, — рассказал Леоне в интервью VentureBeat. — Доверять этим двум вещам одинаково нельзя, поэтому разделение на уровни — абсолютно правильный шаг. Если Snowflake сможет показать, что эти два слоя чисто согласуются друг с другом и можно проследить происхождение каждого ответа, у них появится нечто по-настоящему ценное».

Что это значит для бизнеса

Для компаний, оценивающих контекстные слои, архитектурный вектор очевиден. Чего нельзя сказать об их реализации.

Агенты поднимают планку требований к старой проблеме. Сама идея семантического слоя существовала годами, но агенты меняют цену ошибки: когда агент масштабно выдает неверный ответ, ущерб наносится мгновенно. Леоне прямо говорит о том, что это означает для большинства вендоров, присутствующих сейчас на рынке.

«Большинство поставщиков, продающих готовые универсальные решения, дают пустые обещания, — говорит Леоне. — Внедрите такое решение в реальной компании — и оно в основном обнажит всю степень беспорядка в ваших данных и определениях, о чем многим организациям еще только предстоит узнать на собственном горьком опыте».

Критерии оценки вполне конкретны. Пратт выделил факторы, отличающие работающие контекстные слои от тупиковых: встроенные функции управления и прослеживаемости (lineage), позволяющие командам проводить аудит причин, по которым агент выдал именно такой ответ; переносимость, исключающая привязку контекста и политик к одному вендору; а также измеримая и пригодная для повторного использования точность в работе различных агентов и инструментов.

«Предприятиям не нужен еще один семантический бункер, — резюмировал Пратт. — Им нужен управляемый, переносимый и достаточно надежный для проведения аудита контекстный слой».