企业人工智能代理的可靠性取决于其背后最混乱的文档

企业人工智能在很大程度上是围绕上下文工程构建的。团队连接企业系统、生成块和嵌入、构建检索管道并组装各个人工智能应用程序所需的上下文。虽然这种方法对于孤立的助理和副驾驶员来说效果很好，但它将企业知识视为特定于应用程序的上下文，而不是共享的企业资产。 随着组织部署更多 人工智能应用程序和代理 ，这种模式开始崩溃。不同的团队处理相同的文档，维护单独的嵌入和索引，并创建相同业务知识的不一致的表示。挑战不再是简单地为人工智能系统提供上下文，而是管理企业知识本身。 当今企业人工智能的常见方法是为各个应用程序构建上下文。团队连接企业系统，处理所需的信息，生成块和嵌入等检索表示，并在运行时组装代理所需的上下文。虽然这适用于单个应用程序，但它不会将企业知识作为共享企业资产来管理。 随着组织部署更多的人工智能应用程序，这种方法开始崩溃，原因有三。 首先，知识变得不一致。企业知识分布在许多具有不同模式、业务定义和更新周期的独立系统中。同一个产品、客户或业务流程可能在不同的文档、Jira票证、源代码、CRM系统和元数据中有不同的描述，甚至相互矛盾。将这些信息提取到上下文中并不能解决这些不一致;它只是将它们转移到AI应用程序中，导致不同的代理对业务产生不同的理解。 其次，变化变得难以传播。企业知识不断发展，但每个应用程序都维护自己的上下文管道。随着文档、代码和业务定义的变化

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。