世界

接続されたデータを介してインテリジェントエージェントのロックを解除します

エージェントAIは、人工知能の最新の概念の1つであり、初期の話題を超えて実際の牽引力を獲得しています。エージェントAIの継続的な進歩は、自律的なビジネスシステムの開発を加速し、機械学習の成果に基づいています。独立した「エージェント」として運営されているこのテクノロジーは、マルチモーダルデータとアルゴリズムロジックに基づいて情報に基づいた意思決定を行うために装備されており、経験を通じて「学習」して進化することができます。さらにエキサイティングなのは、独立して行動する能力です。エージェントAIを以前の世代と区別する人間の監視なしに複雑なタスクを適応、計画、実行するのはこのユニークな能力です AIツール。 あなたは好きかもしれません ヘスス・バラサソーシャルリンクナビゲーションたとえば、サプライチェーンでは、AIエージェントは市場活動と過去の需要の傾向を追跡して、在庫のニーズを予測し、補充プロセスの一部を自動化するなど、不足を回避するための措置を実装できます。これらのエージェントは、市場の状況の変化、効率とパフォーマンスの向上に対応して行動をシフトします。したがって、ビジネスリーダーの26％が、組織がエージェントAIを中心に戦略的アプローチを形成し始めていると報告していることは驚くことではありません。ただし、そのようなタスクをエージェントAIに外注するのは素晴らしいことと同じように、注意を払う側でも誤りを犯す必要があります。すべての自律力について、AIエージェントのアクションと出力はどのようにして完全に信頼できますか？エージェントAIに依存して洗練されたタスクを完成させる場合、現実世界や企業の世界観で何が起こっているのかに、その決定がどのようにして根ざしているのでしょうか？私たちの脳は観察と追加の入力を使用して結論を導き出すのと同じように、AIエージェントは、推論機能を強化するために多くの外部ソースとシグナルに依存する必要があります。このニーズは、収集して提示するソリューションとプラットフォームによって満たすことができます データ アクセスしやすく、取得可能な方法で。方法は次のとおりです。自律的なAIシステムにおけるトラストチャレンジ説明したように、エージェントAIを他のAIシステムと際立たせるのは、線形会話に従事するだけでなく、自律的に行動する能力です。エージェントが完了するタスクの複雑さは、通常、複数の動的な外部ソースを参照する必要があります。その結果、何かが間違っているリスクは自動的に増加します。たとえば、あなたは信頼するかもしれません チャットボット 請求または払い戻しのステータスに関する最新情報を提供するために、AIエージェントにクレジットカードの詳細を提供してフライトを予約するときに信頼できると感じるでしょうか？会話型AIから離れて、タスクベースのエージェントは、指定されたコンテキストに応じてアクションを計画し、変更します。彼らは、「チェーン」と呼ばれることが多いプロセスを通じて利用可能なさまざまなツールにサブタスクを委任します（1つのアクションの出力は次のアクションの入力になります）。これは、クエリ（またはタスク）をより小さなタスクに分解できることを意味し、それぞれがリアルタイムでデータへのアクセスを必要とし、ヒトの問題解決を模倣するために繰り返し処理されます。チェーン効果（決定が下される）は、監視されている環境、すなわちデータのソースによって通知されます。その結果、2つの理由で、チェーンの各ステップで説明可能で正確なデータ検索が必要です。まず、ユーザーは、AIエージェントが特定の決定に到達した理由を知る必要があり、それが基づいているデータソースの可視性を持っている必要があります。彼らは、実際にアクションが最も効果的で効率的であることを信頼できる必要があります。第二に、彼らは毎回可能な限り最高の結果を得るためにプロセスを最適化できる必要があり、出力の各段階を分析し、不満な結果から学習する必要があります。エージェントが複数の検索手順に基づいて洗練されたタスクを完了することを信頼するために、意思決定プロセスをサポートするために必要なデータの値は大幅に増加します。エージェントが信頼できるエンタープライズデータを利用できるようにする必要性が重要です。これが、企業がグラフの力をますます認識している理由です データベース それが提供する幅広い検索戦略のテクノロジーは、データの値を増やします。グラフテクノロジーがAI推論を強化する方法 エージェントAIがデータから決定を促進するため、これらの決定を支える洞察は正確で透明性があり、説明可能でなければなりません。 データベース 配信するためにユニークに最適化されています。 Gartnerは、Graphrag（検索拡張生成）が含まれるGenaiアプリケーションの重要な機能として知識グラフをすでに識別しており、検索パスに知識グラフが含まれているため、出力の精度を大幅に改善できます。「ノード」と「エッジ」で構成される知識グラフの一意の構造は、高品質の応答を導き出すことができる場所です。ノードはグラフ（人や場所など）内の既存のエンティティを表し、エッジはそれらのエンティティ、つまり互いにどのように接続するかを表します。このタイプの構造では、データが大きく複雑なほど、以前に隠された洞察を明らかにすることができます。これらの特性は、AIエージェントがより信頼性の高い便利な方法でタスクを完了しやすくする方法でデータを提示する際に非常に貴重です。ユーザーは、GraphRagの回答がより正確であるだけでなく、より豊かで、より速く、より完全で、その結果、より有用であることを発見しています。たとえば、Customer Serviceのクエリに対処するAIエージェントは、GraphRagを使用して上記の顧客に関する異なる情報を接続する結果として、顧客の完全な理解に基づいて、特定の割引ブロードバンドパッケージを提供できます。顧客はどのくらい会社にいましたか？現在、どのサービスを使用していますか？彼らは以前に苦情を申し立てたことがありますか？これらの質問に答えるために、ノードを作成して、 カスタマーエクスペリエンス 会社（以前のやり取り、サービスの使用、場所を含む）、およびエッジを使用して、それらのための最も安いまたは最高のサービスを表示します。データの断片化された分散ビューは、エージェントが予定されていないときに割引パッケージを提供し、ビジネスにコストの影響を与える可能性があります。KlarnaのCEOが述べたように、「企業データの分別、断片化され、分散した世界にLLMを供給することは、非常に混乱したLLMになります」。しかし、データがグラフで接続されている場合、結果は非常に異なります。GraphRAGの実装以来、一時的な解像度時間の中央値を28.6％短縮したLinkedInのカスタマーサービスチームのようなものによって肯定的な結果が報告されています。接続されたデータがエージェントAIの準備の鍵である理由すべての反復で、 LLMS AIエージェントの背後には迅速に前進しており、エージェントフレームワークは複雑でマルチステップのアプリケーションを簡単に構築できるようにしています。次の重要な動きは、エンタープライズデータを可能な限りリッチ、接続、文脈的に認識することであるため、これらの強力なエージェントが完全にアクセスできます。このステップを踏むことで、企業はデータの完全な値を解き放つことができ、より正確で効率的であるだけでなく、理解して説明しやすいエージェントを可能にします。これは、エージェントAIと知識グラフの統合が変換を証明する場所です。接続されたデータは、エージェントがより明確に考え、よりスマートな出力を生成し、より大きな影響を与えるために必要なコンテキストを提供します。最高の調査ツールのリストをまとめました。この記事は、TechRadarproのExpert Insights Channelの一部として制作されました。ここでは、今日のテクノロジー業界で最高で最も明るい心を紹介しています。ここで表明された見解は著者のものであり、必ずしもTechradarproまたはFuture PLCの見解ではありません。貢献に興味がある場合は、こちらをご覧ください。 https://www.techradar.com/news/submit-your-story-to-techradar-pro #接続されたデータを介してインテリジェントエージェントのロックを解除します