Зараз клієнти сніжинки мають єдину платформу для обробки та пошуку як структурованих, так і неструктурованих даних з високою точністю поза межами. Уніфіковане управління в кінці, від прийому до застосування, дозволяє командам доставити нову хвилю агентів даних. Клієнти можуть будувати масштабовані рішення, при цьому забезпечуючи контроль доступу та конфіденційності.
Потреба в агентах даних
У Snowflake ми вважаємо, що агенти AI незабаром будуть важливими для робочої сили підприємства, підвищуючи продуктивність для команд у підтримці клієнтів, польових техніків, аналітики, інженерії тощо. Вони звільнять цінний час працівників, щоб зосередитись на проблемах з більш високою цінністю, що стоять перед бізнесом. Агенти даних, спеціалізована категорія агентів ШІ, поєднують дані та інструменти для надання більш точних, заземлених уявлень, ефективно вибираючи потрібні джерела даних та інструменти для пошуку.
Для того, щоб агенти AI працювали в масштабі, їм потрібен безпечний зв’язок з даними підприємств та єдиним управлінням для управління їх доступом, подібно до існуючих контрольних засобів для ваших команд. Вони повинні дотримуватися політики даних, ефективно отримати доступ до декількох джерел та отримувати точну інформацію, щоб забезпечити надійні, високоцінні результати.
Однак ми розуміємо, що це агентне майбутнє має проблеми, пропорційні його потенціалу. Незважаючи на те, що якість моделі збільшується, а витрати на висновок зменшуються, ми бачимо той самий набір проблем серед компаній, які намагаються розгорнути надійні агентські системи в масштабах:
-
Точність: Щодо якості, у програмах Enterprise є висока смуга для агентського виходу; Маржа помилок низька, особливо у критичних для бізнесу функцій, таких як фінанси чи інженерія.
-
Довіра та безпека: Оскільки клієнти будують більш інтенсивні дані про AI, все більш складнішим є відповідність політики безпеки та управління.
-
Доступ до даних: Агентам потрібен доступ до найрізноманітніших джерел даних, щоб вони могли надійно працювати в бізнес -контексті, включаючи як неструктуровані (наприклад, текст, аудіо) та структуровані (наприклад, таблиці, переглядів) джерела даних – які часто розповсюджуються по декількох системах.
Ключовим фактором масштабування агентських робочих процесів, які використовують дані, є безшовна взаємодія між моделями та даними, зберігаючи точність, довіру та відповідність. Наприклад, фінансовим аналітиком може знадобитися поєднання даних про дохід (структуровані) з фінансовими звітами та дослідженнями ринку (неструктуровано). Ці випадки використання підприємств потребують безпечного доступу до даних та способу повернення правильної інформації до AI з кінцевим управлінням.
Щоб вирішити цю проблему, ми раді запустити Cortex Agents, повністю керовану послугу, яка спрощує інтеграцію, пошук та обробку структурованих та неструктурованих даних-допомагає клієнтам сніжинки будувати високоякісні агенти в масштабах.
Cortex Agents: приведення AI на підприємства
Cortex Agents, тепер доступні в публічному попередньому перегляді, оркеструвати у структурованих та неструктурованих джерелах даних – будь то таблиці сніжинок або PDF -файли, що зберігаються в об'єктному сховищі – для надання розуміння. Вони розбивають складні запити, отримують відповідні дані та генерують точні відповіді, використовуючи пошук кори, аналітик кори та LLMS. Це забезпечує точність, ефективність та управління на кожному кроці.
Що таке агенти кору?
Агенти Cortex планують завдання, використовують інструменти для їх виконання та розмірковують над результатами для поліпшення відповідей. Доступний як зручний API REST, агенти Cortex можуть безперешкодно інтегруватися в будь -яку програму. Агенти використовують аналітик кори (структурований SQL) та пошук кори (неструктуровані дані) як інструменти, а також LLMS для аналізу та генерування відповідей. Робочий процес включає чотири ключові компоненти:
1. Планування: Програми часто перемикаються між обробкою даних із структурованих та неструктурованих джерел. Наприклад, розглянемо розмовний додаток, призначений для відповіді на запити користувачів. Бізнес -користувач спочатку може попросити провідних дистриб'юторів за доходом (структурованим), а потім перейти на запит про договір (неструктурований). Cortex Agents може проаналізувати прохання про організацію плану та дістатися до відповіді:
- Дослідіть варіанти: Коли користувач ставить неоднозначне запитання (наприклад, “Розкажіть мені про приладдя ACME”), агент вважає різні перестановки – продукти, місцезнаходження або персонал з продажу – розмежовувати та підвищити точність.
- Розділити на підзадачі: Агенти Cortex можуть розділити завдання чи запит (наприклад, “Які відмінності між умовами контракту для приладдя ACME та канцтоварів ACME?”) У кілька частин для більш точної відповіді.
- Маршрут по інструментах: Агент вибирає інструмент – аналітик кори, пошук кори або генерацію SQL з природної мови – для полегшення керованого доступу та забезпечення дотримання політики підприємств.
2. Використання інструментів: За допомогою плану агент може ефективно отримувати дані. Виписки пошуку кори з неструктурованих джерел, тоді як аналітик Cortex генерує SQL для обробки структурованих даних. Вичерпна підтримка ідентифікації інструментів та виконання інструментів дозволяє доставити складні програми, засновані на даних підприємств.
3. Роздуми: Після кожного використання інструменту агент оцінює результати, щоб визначити наступні кроки – прохання про роз'яснення, ітерування або генерування остаточної відповіді. Ця оркестрація дозволяє йому обробляти складні запити даних, підвищуючи точність і продовжуючи підтримувати контроль за дотриманням у безпечному периметрі сніжинки.
4. Монітор та повторення: Після розгортання клієнти можуть відстежувати показники, аналізувати ефективність та вдосконалювати поведінку для постійних вдосконалень. На розробниках клієнтських додатків можуть використовувати Trulens для моніторингу взаємодії агента. Постійний контроль управління та вдосконалення управління, підприємства можуть впевнено масштабувати агенти AI, зберігаючи безпеку та дотримання.
У поєднанні з іншими пропозиціями сніжинки, Cortex Agents тепер забезпечують кінцеве рішення для отримання, обробки та регулювання як структурованих, так і неструктурованих даних у масштабі.