Инженерия контекста становится все более критически важным компонентом для создания эффективных AI-агентов в предприятиях в настоящее время. В конечном итоге это станет основным препятствием для принятия AI-агентов в большинстве организаций. Нам нужны AI-агенты, которые могут глубоко понимать контекст бизнес-процесса, к которому они привязаны. Это означает доступ к наиболее важным данным для этого рабочего процесса, использование соответствующих инструментов в нужный момент, наличие правильных целей и инструкций, а также понимание области, в которой они находятся. Некоторые из основных открытых вопросов для всех, кто создает корпоративные агенты: * Узкие против Общих агентов. Чем меньше задача, тем легче дать AI-агентам правильный контекст для успешного выполнения. Но чем меньше задача, тем меньше будет ценность. Найти оптимальный размер задачи для генерации ценности станет важным фактором в ближайшие несколько лет. * Перенос данных в систему, готовую к агентам. Корпоративные данные часто фрагментированы между десятками или сотнями систем, многие из которых не подготовлены к миру AI. Большинству компаний все еще нужно модернизировать свои данные, чтобы получить полную выгоду от AI-агентов. * Доступ к *правильным* данным для задачи имеет первостепенное значение. Даже когда у вас есть данные в современном окружении, критически важно, чтобы контроль доступа был идеально согласован с тем, к чему AI-агенту потребуется доступ. Более того, решение о том, что делать с RAG, а что просто искать в общем порядке, а что полностью помещать в контекстное окно, будет иметь огромное значение для каждой задачи. * Выбор того, что должно быть детерминированным, а что - недетерминированным. Если вы требуете слишком много от моделей, вы, вероятно, увидите снижение качества. Однако, если вы заставите модель делать слишком мало, вы резко недоиспользуете то, что возможно с AI. Это, конечно, движущаяся цель, потому что сами модели улучшаются с ускоряющейся скоростью. * Правильный пользовательский интерфейс для глубокого получения контекста AI-агентов имеет большое значение. Половина проблемы получения контекста для агентов вовсе не выглядит как проблема AI. Все дело в том, где агенты появляются в рабочем процессе и как пользователь взаимодействует с ними, чтобы предоставить им необходимый контекст для выполнения задачи. Соревнование в ближайшие несколько лет в AI в корпоративном секторе заключается в том, кто лучше всего сможет предоставить правильный контекст для любого рабочего процесса. Это определит победителей и проигравших в гонке AI.