AI agenti mogu imati točne podatke — i ipak donijeti pogrešnu poslovnu odluku
Poslovni AI agenti ne mogu donositi pouzdane odluke samo zato što raspolažu potpunim i točnim podacima. SAP u tekstu koji predstavlja, pozivajući se na Yaada Orena, globalnog voditelja istraživanja i inovacija i direktora SAP Labs U.S., upozorava da agentima nedostaje razumijevanje poslovne strukture: odnosa među kupcima, dobavljačima, proizvodima i financijskim zapisima, procesa kroz koje ti zapisi prolaze te poslovnih pravila koja podacima daju značenje. Bez tog konteksta agent može, primjerice, blokirati valjanu uplatu računa jer sam račun ne otkriva odnos dobavljača s matičnom tvrtkom ni kreditne aranžmane koji se primjenjuju.
Oren razlikuje tri vrste poslovnog znanja koje opći veliki jezični modeli nemaju: kako su poslovni subjekti povezani, koji proces okružuje svaki zadatak i koje se iznimke i varijacije javljaju u stvarnom poslovanju. “Dohvat podataka samo s imenom kupca i ukupnim iznosom nije dovoljan,” kaže Oren. Agentu treba graf znanja koji mapira veze poput broja prodajnih naloga, zadovoljstva kupca, kašnjenja isporuka i proizvodnog pogona iz kojeg narudžbe dolaze. Procesni kontekst, dodaje, pokazuje na kojem je koraku agent, što je prethodilo i što slijedi, dok iznimke proizlaze iz ljudske prosudbe izvan poslovnih sustava.
Kontekst
Graf znanja može povezati sve račune u tvrtki, ali agent i dalje može dobiti proturječne signale ako različiti dijelovi poslovanja različito shvaćaju pojam “račun”. Za jedan odjel to je kupčeva uplata, za drugi povrat troška, a za treći dobavljačev račun. Ontologija rješava tu nejasnoću tako da svakom pojmu daje dosljedno poslovno značenje i prenosi ga kroz sustave i izvore podataka. SAP Business AI Platform (BAIP) zamišljena je kao upravljano okruženje koje okuplja podatke i poslovni kontekst, uključujući operativne uvjete kao što su ugovorene razine usluge, uvjeti plaćanja, porezne i sigurnosne politike, regionalna ograničenja i pravila anonimizacije podataka.
Ključne brojke
Izvor navodi tri vrste poslovnog znanja ključne za agente. Spominju se i modeli RPT-1.6 (Relational Pre-trained Transformer) te TabPFN-3.5 Plus iz Prior Labsa, SAP-ovog laboratorija za vrhunsku umjetnu inteligenciju. Riječ je o modelima namijenjenima radu sa strukturiranim poslovnim podacima, uključujući nedostajuće vrijednosti, mješovite tipove podataka i polja visoke kardinalnosti. U globalnim korporacijama sa stotinama tisuća ljudi zapisi se moraju povezivati i govoriti istim jezikom, navodi se u tekstu.
Što to znači
Kada agent pređe s odgovaranja na pitanja na poduzimanje radnji, rizik se mijenja. Loš odgovor može se pregledati ili zanemariti, ali pogrešno blokirana uplata, odbijena narudžba ili oznaka kreditnog rizika mogu odmah utjecati na dobavljača, kupca ili poslovanje. Zato je važno da agent razumije odnose, proces i iznimke te da zna kada je nešto odstupanje i kako ga vratiti u razumljiv kontekst. Vrijednost se, prema Orenu, stvara povezivanjem svega u kartu poslovanja pomoću grafa znanja i ontologije, jer iz toga dolazi inteligencija AI-ja.
Što slijedi
U fokusu ostaje ugrađivanje poslovnog konteksta u upravljano okruženje i proizvodne tokove rada. SAP navodi da njegova tabularna orkestracijska mogućnost u AI Coreu rukuje odabirom konteksta i pristupom podacima tijekom izvođenja kako bi se predikcije mogle uključiti u produkcijske procese. Time se naglašava da budući razvoj mora spojiti graf znanja, ontologiju, operativna pravila i modele prilagođene relacijskim i transakcijskim podacima, uz upravljanje rizicima kada agenti počnu djelovati.