Oracle tambah lapisan semantik perniagaan untuk asaskan ejen AI

Apa yang berlaku

Oracle telah memperluas platform Autonomous AI Lakehouse dengan Business Semantic Layer, lapisan baharu yang memberi ejen AI takrifan data perusahaan yang seragam. Menurut laporan InfoWorld yang memetik kenyataan rasmi Oracle, matlamat langkah ini ialah menjadikan cerapan yang dijana AI lebih tepat.

Oracle turut menyatakan bahawa keupayaan tambahan akan disediakan dalam tempoh 12 bulan. Ini menunjukkan bahawa ciri tersebut masih dalam fasa pembangunan dan pelaksanaannya akan berlaku secara berperingkat.

Pengumuman ini memberi tumpuan kepada satu cabaran yang sering dihadapi organisasi: apabila ejen AI menjawab soalan berdasarkan data, makna sesuatu istilah dalam setiap sistem boleh berbeza. Dengan lapisan semantik perniagaan, konteks itu didefinisikan sekali dan dikongsi merentasi aplikasi.

Mengapa ini penting

Bagi pemimpin dalam bidang pengalaman, AI dan transformasi digital, perkara utama dalam berita ini ialah kualiti jawapan yang diterima oleh pengguna dalaman mahupun pelanggan. Jika dua jabatan mentakrifkan "pelanggan aktif" secara berbeza, ejen AI boleh memberi jawapan yang kelihatan meyakinkan tetapi tidak selaras. Kepercayaan terhadap perkhidmatan berasaskan AI bergantung pada ketekalan seperti ini.

Dari sudut seni bina, berita ini menunjukkan bahawa pengurusan semantik semakin dianggap sebagai lapisan asas dan bukan tambahan pilihan. Organisasi yang sedang membina ejen AI perlu mempertimbangkan di mana takrifan perniagaan disimpan, siapa yang mengurusnya, dan bagaimana ia dikemas kini apabila proses berubah.

Pandangan Renascence

Ramai yang akan menumpukan perhatian pada keupayaan model AI itu sendiri. Namun, pengalaman pelanggan biasanya gagal bukan kerana model kurang bijak, tetapi kerana maklumat yang digunakan tidak mencerminkan realiti perniagaan.

Prinsip reka bentuk perkhidmatan di sebalik berita ini ialah ketekalan makna: pelanggan dan pekerja mahu menerima jawapan yang sama tanpa mengira saluran atau sistem yang digunakan. Walaupun lapisan semantik tidak akan menyelesaikan semua masalah data, ia memaksa organisasi menjelaskan definisi mereka sendiri, dan langkah itu sering lebih sukar daripada membeli teknologi. Pengendali yang berorientasikan pelanggan sepatutnya bermula dengan memetakan istilah yang paling kerap menimbulkan kekeliruan, kemudian mengukur sama ada jawapan AI berubah apabila istilah itu ditakrifkan semula. Jangan tunggu sehingga ciri ini tersedia sepenuhnya untuk mula memikirkannya.