Przedsiębiorstwa nie potrzebują jednego, uniwersalnego botu AI. Potrzebują systemów agenta domeny, które rozumieją kosze detaliczne i promocje, depozyty bankowe i flagi ryzyka, prędkość SKU i dostawcę OTIF, komórki sieciowe i kohorty przerw, podróże pacjentów i odchylenia protokołów. Język biznesowy rozwiązuje metryki kanoniczne, dozwolone połączenia, jednostki i linie, a system blokuje zakres w metryce, czasie, segmencie i geografii przed wykorzystaniem jakichkolwiek obliczeń. Ontology-first grounding. Rozważania wielokrotne przechodzą przez stelaż weryfikacyjny z podwójnymi sędziami, jednym krytykiem LLM dla struktury i jasności oraz jedną złotą warstwą danych dla prawdy liczbowej. Reliability over autonomy. Przez ponad dekadę firmy wlewały pieniądze do magazynów i tablic, podczas gdy opóźnienie podejmowania decyzji pozostawało uparte. Problemem ostatniej mily nie jest luki w wizualizacji. Jest to luki w rozumowaniu. Zamknięcie wymaga systemów, które wyjaśniają intencje, kształtują i testują hipotezy, mapują roszczenia do danych zarządzanych i zwracają zalecenia gotowe do podejmowania decyzji z audytowanym śladem. To jest punkt Milky Way, agencki system decyzyjny Praveen i zespół zbudowali dla analizy opisowej i diagnostycznej. Traktuje rzeczywistość przedsiębiorstwa tak, jak jest, z przesadzonymi warunkami, częściowymi danymi, kruchym łączem i wymaganiami audytu. "W handlu detalicznym agent, który nie może mówić o koszyku, UPC, promocji i sklepie tygodniowym, nie ma biznesowego pisania SQL." - Praveen Satyanarayana „Budujemy gwiazdy agentów, a nie maskotów, każdy zna swoją domenę, narzędzia i strażników” – Praveen Satyanarayana What makes this different Co sprawia, że jest inaczej Agentic AI to oprogramowanie, które wybiera działania i wykorzystuje narzędzia do dążenia do celu w obrębie straży. Wkład Praveena polega na tym, aby ta idea była wymierna i zarządzana dla analityki. Zamieszczanie terminów na podmioty, metryki, synonimy, linie i dopuszczalne ścieżki połączenia. Skompiluj plany w strzeżone połączenia narzędziowe z czasami, retryami, przełącznikami i kontrolami struktury SQL na wariantach schematu. Generuj konkurencyjne wyjaśnienia, wiążąc każde z nich do pól, połączeń, przekształceń, testów i wizualnych, a następnie klasyfikuj według wcześniejszej prawdopodobieństwa, kosztów do zweryfikowania i oczekiwanego zysku informacji. Pozwól modelowi krytycznemu osiągnąć jasność i zasięg, podczas gdy sklep z złotem sprawdza liczby, połączenia, filtry i roszczenia statystyczne. Zapewnij tabele, liczby, zaufanie i linki do pełnej ścieżki audytu. Why now Dlaczego teraz Składanie błędów jest niewybaczalne. Skromne wskaźniki błędów na krok powodują, że niezawodność końcówek w wielostopniowych przepływach pracy spada, dlatego ważne są ograniczone kroki, weryfikacja i ludzkie bramy. Długość konwersacji napędza również koszt tokenów i opóźnienie, więc praktyczne systemy preferują zadania krótkotrwałe z wyraźnymi punktami kontrolnymi. „Krótkie, sprawdzone kroki pokonują długie, inteligentne rozmowy.” – Praveen Satyanarayana A crisp domain-native playbook Atrakcje w pobliżu Domain-Native Playbook System nie wysyła jednego szablonu. Wysyła pakiety domen, które zawierają ontologię i wykres wiedzy, sprawdzony zestaw narzędzi, bibliotekę początkową hipotez i metryki akceptacji. Retail, BFSI, Supply Chain, Telecom, Healthcare i Travel wszystkie korzystają z tego samego kręgosłupa, ale instalują różne pakiety. „Najszybszym sposobem na utratę zaufania jest szybka odpowiedź z niewłaściwymi danymi”. Prawdziwa Satyanarayana Knowledge graph and ontology operations Graf wiedzy i operacje ontologiczne Wykresy ontologii i wiedzy działają jako umowa między językiem a danymi.Kodują relacje między jednostkami, linię metryczną, dołączają do nich dopuszczalność, synonimy i znaczniki polityki.Oni również niosą koszty ścieżki i etykiety jakości, dzięki czemu planodawcy preferują krótkie, niezawodne ścieżki.Operacje na tej warstwie obejmują: Monitory Drift wykrywają zmiany schematu, zmiany definicji, niezgodności jednostek i zerwania relacji. Adaptery i programy nauczania.Zapewnij adaptery domeny dla nowych tabel i skorzystaj z zadań programu nauczania, które wzmacniają słabe punkty. Utrzymanie kompaktowego magazynu terminów obsługiwanych przez osadzenia do odzyskiwania i surowe zasady precyzji. Uruchamianie kontroli wstępnych i testów strukturalnych SQL na ukrytych wariantach schematu przed wykonaniem. Przejrzystość liniowania Zapis tabeli, połączeń, filtrów i reguł agregacji w śladzie, który można zbadać według roli. Custom evaluations and rubrics Oceny indywidualne i rubryki Generyczne tabele przywódcze nie mierzą wiarygodności przedsiębiorstwa. Milky Way wykorzystuje niestandardowe rubryki i testy akceptacji, które przekształcają zachowanie w sygnały do uczenia się i na żywo. Określanie liczby, precyzja blokady zakresu, brakujące żądania informacji, wykrywanie typu zadania oraz przerwanie lub przesunięcie dostępności. Sygnały wyrównywania ontologii. dokładność mapowania pola w stosunku do złotej krótkiej listy, współczynnik ważności na wykresie ontologii, zgodność reguły agregacji z liniowaniem i opóźnienie eskalacji, gdy brakuje wymaganych danych. Sygnały planu i wykonania: kompletność planu, adekwatność testów statystycznych, poprawność strukturalna SQL, współczynnik sukcesu wykonania i głębokość eksploracyjna w dystrybucjach, kohortach, outlierach i kontrolkach. Pewność przyczynowego przypisywania, czas prowadzenia działania, osobowość odpowiednia dla konsumpcji wykonawczej i analitycznej oraz wskaźnik przejrzystości śladu. Sygnały uczenia się. role-shaped nagradza, że wyjaśnienia kredytowe dla poprawy zakresu blokady, maperów dla dokładności pola i przyłączenia ważności, wykonawców dla poprawności strukturalnej, a reporterów dla osobowości i przejrzystości, z bonusem zespołu na zamknięcie na czas powyżej progu zaufania. Oceny te są uruchamiane w trybie offline w przypadku zadań syntetycznych, które odzwierciedlają rzeczywisty schemat i są uruchamiane w trybie online jako przepływy cieni lub zamknięte. How multi-turn reasoning actually runs Jak w rzeczywistości działa rozważanie wielokrotne Wyjaśnienie zbiega się do blokady zakresu z minimalnym obciążeniem dla użytkownika. Silnik hipotezy sieje kandydatów z biblioteki domeny i odzyskiwania w poprzednich przypadkach i oznacza współistnienie lub konkurencję. Maper wiąże każdą hipotezę do pól i łączy się i wytwarza mapę czynników. Wykonawca uruchamia SQL i testuje w czasie i przełącznikach i śledzi głębokość eksploracyjną. Krytycy i sędziowie złota powtarzają na temat jakości narracyjnej i prawdy liczbowej. Dziennikarz zbiera narracje specyficzne dla roli z dowodami, zaufaniem i następnymi działaniami. Każda faza emituje metryki, które odżywiają zarówno ocenę, jak i uczenie się Reliability and economics by design Rzetelność i ekonomia w projektowaniu Pudełko rejestruje podpisy narzędzi, politykę skutków ubocznych i koszty. Narzędzia zwracają strukturalne informacje zwrotne, które obejmują sukces, częściowy sukces, próbkę i koszty. Destrukcyjne operacje są zamknięte. Pamięć jest epizodyczna i semantyczna, a nie niekończąca się transkrypcja. Narzędzia bezpaństwowe są preferowane tam, gdzie to możliwe. Adoption that earns trust Adopcja, która zdobywa zaufanie Zespoły zaczynają od człowieka w łańcuchu, w którym analitycy weryfikują blokadę zakresu i pierwsze zalecenia. Postępują do człowieka w łańcuchu, w którym rutynowe ścieżki są automatycznie uruchamiane, a wyjątki wymagają przeglądu. Następnie zezwalają na selektywną autonomię dla wąskich, wysoce zaufanych przepływów pracy z zwrotem i pełnym audytem. Open work, stated plainly Praca otwarta, wyraźnie określona Ontologia i utrzymanie grafu wiążą się z rzeczywistymi kosztami. Wykrywanie przepływów i programy nauczania w domenie są w toku. Gry nagradzające są możliwe i muszą być sprawdzane za pomocą audytów krzyżowych i wariantów niespodzianek. Luki syntetyczne w stosunku do rzeczywistości utrzymują się i korzystają z ukierunkowanych biegiów cienia na wydarzeniach na żywo. Przydzielanie kredytów w długich ścieżkach jest hałaśliwe, więc nagrody w kształcie roli i bonusy zespołu poprawiają stabilność. Why this vision is credible Dlaczego ta wizja jest wiarygodna Podejście Praveena łączy w sobie orkiestrację agentyczną, używanie narzędzi, odzyskiwanie i uczenie się od sygnałów, a następnie zakłada je w ograniczeniach przedsiębiorstwa. Stanowisko jest opiniowane tam, gdzie musi być z bramami ontologicznymi i złotym sędzią i modułowym, gdzie powinno być z wymiennymi narzędziami i adapterami domenowymi. „Narrativa jest tylko tak silna, jak jej ślad; wysyłamy ślady i odpowiedzi.” Prawdziwa Satyanarayana References Referencje Oracle, Co to jest sztuczna inteligencja agentów, 2025 Gartner, Top Strategic Technology Trends for 2025, Agentic AI, 2024. Google DeepMind, Wprowadzenie Gemini 2.0 do ery agentów, 2024 r. Utkarsh Kanwat, Dlaczego obstawiam przeciwko agentom AI w 2025 roku Navin Chaddha, AI-First Professional Services: The Great Equalizer nadchodzi, 2025. Pokrycie przemysłu w zakresie wdrażania agentów i przyjmowania przedsiębiorstw, 2025. Ta historia została rozpowszechniona jako wydanie przez Kashvi Pandey w ramach programu blogowania biznesowego HackerNoon. Ta historia została rozpowszechniona jako wydanie przez Kashvi Pandey w ramach programu blogowania biznesowego HackerNoon.
