AtScale spúšťa AtScale pre AI s cieľom zlepšiť presnosť podnikovej AI

AtScale, popredný poskytovateľ univerzálnej sémantickej vrstvy pre podnikovú AI a analytiku, oznámil spustenie AtScale pre AI. Táto nová sada je navrhnutá tak, aby pomohla podnikom prekonať medzeru v presnosti v ich systémoch umelej inteligencie (AI) tým, že poskytuje komplexné riešenie na definovanie obchodných otázok, výpočet dôveryhodných odpovedí a neustále testovanie a zlepšovanie presnosti AI.

Generálny riaditeľ AtScale, Chris Lynch, zdôraznil, že podniková AI často zápasí s “problémom obchodnej logiky.” Jednoduchá otázka ako “Aké boli naše príjmy za posledný štvrťrok?” si vyžaduje dohodnutú definíciu príjmov, správne obdobie vykazovania a riadený výpočet. Schopnejšie modely samy o sebe nemôžu poskytnúť obchodné definície, ktoré podnik nikdy výslovne neuviedol.

AtScale for AI spája otázky v prirodzenom jazyku so zdieľanými definíciami podnikov a výpočtami, čím AI agentom poskytuje rovnaké riadené metriky, na ktorých už firma funguje. Tento prístup zabezpečuje, že AI odpovede sú presné, konzistentné a spoľahlivé, namiesto toho, aby prinášali odlišné výsledky podľa toho, ako niekto položí otázku.

Balík poháňa AI Computation Engine (ACE) od AtScale a spája tri kľúčové schopnosti: AtScale Ava, AtScale CoModel a AtScale Canary. AtScale Ava prepája otázky v prirodzenom jazyku s riadenými metrikami ešte pred začiatkom výpočtu, čím zabezpečuje presné odpovede na svoje obchodné otázky. AtScale CoModel pomáha tímom využívať AI na tvorbu a udržiavanie sémantických modelov, pričom prekladá obchodný kontext do spoločných definícií metrík, dimenzií a vzťahov.

AtScale ACE aplikuje riadené definície metrík a výpočtovú logiku na podnikové dáta, čím poskytuje konzistentné výsledky naprieč AI agentmi, aplikáciami a analytickými nástrojmi a zároveň optimalizuje výkon dotazov a výpočtové náklady. AtScale Canary je navrhnutý tak, aby pomáhal podnikom hodnotiť AI odpovede voči overeným výsledkom pomocou rámca založeného na benchmarku BIRD-Interact a vlastných obchodných pároch otázok/odpovedí.

Schopnosti AtScale pre AI sú prepojené v cykle neustáleho zlepšovania. Otázky, ktoré rieši Ava, môžu informovať o zlepšeniach prostredníctvom CoModelu, pričom ľudská kontrola riadi zmeny v definíciách a logike podnikania. Tento prístup zabezpečuje, že presnosť sa stáva niečím, čo firmy môžu merať, zlepšovať a požadovať.

Dr. Kevin McLafferty, Head of Data & Analytics v HSBC UK Commercial Banking, zdôraznil dôležitosť riadených metrík v analytike riadenej AI. Poznamenal, že odpoveď AI, ktorá je takmer správna, je stále nesprávna, a že výzvou nikdy nebola modelová inteligencia, ale skôr zabezpečiť, aby každý agent presne a presne vypočítal metriky.

Nicolas Treanton, Data & Analytics riaditeľ v Carrefour, zdôraznil potrebu jednotnej verzie pravdy v podnikovej AI. Sémantická vrstva AtScale, ktorá riadi tisíce KPI naprieč podnikom, umožňuje agentom používať rovnaké definície ako analytici a BI nástroje, namiesto toho, aby vytvárali odlišné odpovede podľa toho, ako niekto položí otázku.

Záväzok AtScale k otvorenej, nezávislej sémantickej vrstve posilňuje podpora pre Apache Ossie (predtým Open Semantic Interchange), ktorá posúva spoločné sémantické štandardy, aby organizácie mohli zachovať obchodnú logiku pri zavádzaní nových AI modelov, agentov a dátových platforiem. Spoločnosť tiež zverejnila zistenia zo svojho hodnotenia siedmich LLM pomocou BIRD-Interact, ktoré ukazujú, že pridanie sémantickej vrstvy AtScale zlepšilo presnosť naprieč každým testovaným modelom.