Inżynieria kontekstu staje się coraz bardziej krytycznym elementem budowania skutecznych agentów AI w przedsiębiorstwie. Ostatecznie będzie to najważniejszy czynnik wpływający na przyjęcie agentów AI w większości organizacji. Potrzebujemy agentów AI, którzy potrafią głęboko zrozumieć kontekst procesów biznesowych, do których są przypisani. Oznacza to dostęp do najważniejszych danych dla tego przepływu pracy, używanie odpowiednich narzędzi w odpowiednim momencie, posiadanie właściwych celów i instrukcji oraz zrozumienie dziedziny, w której się znajdują. Niektóre z kluczowych kwestii dla każdego, kto buduje agentów dla przedsiębiorstw, to: * Agenci wąscy vs. ogólni. Im mniejsze zadanie, tym łatwiej jest dostarczyć agentom AI odpowiedni kontekst do odniesienia sukcesu. Jednak im mniejsze zadanie, tym mniej wartościowe będzie. Znalezienie optymalnego rozmiaru zadania dla generowania wartości będzie ważnym czynnikiem w nadchodzących latach. * Wprowadzenie danych do systemu gotowego dla agentów. Dane przedsiębiorstw są często fragmentaryczne, rozproszone pomiędzy dziesiątkami lub setkami systemów, z których wiele nie jest przygotowanych na świat AI. Większość firm nadal będzie musiała zmodernizować swoje środowiska danych, aby w pełni skorzystać z agentów AI. * Uzyskanie dostępu do *właściwych* danych dla zadania jest kluczowe. Nawet gdy masz dane w nowoczesnym środowisku, idealne dopasowanie kontroli dostępu do tego, do czego agent AI będzie potrzebował dostępu, jest krytyczne. Ponadto, decyzja, co robić w trybie RAG, a co po prostu w ogólnym wyszukiwaniu, a co w pełni umieścić w oknie kontekstu, będzie miała ogromne znaczenie w zależności od zadania. * Wybór, co powinno być deterministyczne, a co niedeterministyczne. Jeśli wymagasz zbyt wiele od modeli, prawdopodobnie zauważysz spadek jakości. Jednak jeśli model będzie robił zbyt mało, to dramatycznie niedostatecznie wykorzystasz to, co jest możliwe z AI. Oczywiście jest to zmieniający się cel, ponieważ same modele poprawiają się w przyspieszającym tempie. * Odpowiedni interfejs użytkownika, aby głęboko uzyskać kontekst dla agentów AI, ma ogromne znaczenie. Połowa problemu z uzyskaniem kontekstu dla agentów wcale nie wygląda jak problem AI. Chodzi o to, gdzie agenci pojawiają się w przepływie pracy i jak użytkownik wchodzi z nimi w interakcję, aby dostarczyć im kontekst niezbędny do wykonania zadania. Wyścig w nadchodzących latach w AI w przedsiębiorstwie polega na tym, kto najlepiej dostarczy odpowiedni kontekst dla dowolnego danego przepływu pracy. To zdeterminuje zwycięzców i przegranych w wyścigu AI.