AI WORLD HQ
Amikor egy adat- és AI-eszközöket fejlesztő cég arról ír, hogyan használja a mesterséges intelligenciát a saját termékeihez, az kicsit bepillantás a függöny mögé. Ez általában nem akkora hír, mint egy új, felkapott fogyasztói app, de azért elárul valami hasznosat: így lesznek egyre jobbak és gyorsabbak azok az eszközök, amelyeket amúgy is használsz.
Mit jelent itt az "ontology" szó?
A szó tudományosan hangzik, de az ötlet egyszerű. Az ontology egy adott terület — esetünkben a Databricks termékei, funkciói és ezek kapcsolatai — tudásának strukturált térképe. Képzeld el úgy, mint egy tankönyv részletes tárgymutatóját a hátuljában. Ahelyett, hogy minden fejezetet el kellene olvasnod, pontosan megnézheted, ami kell.
Az AI-ügynökök — vagyis olyan szoftverek, amelyek utasításokat tudnak fogadni, keresni, érvelni és cselekedni — számára ez a térkép tényleg hasznos. Nélküle az ügynök csak tippelgeti, mit jelent egy terméknév, vagy hogyan kapcsolódik össze két funkció. A térképpel viszont van egy megbízható háttere.
Mit mond valójában a Databricks?
A bejegyzés címe: "How Genie Ontology powers product development at Databricks." A Databricks szerint az üzenet egyszerű: az általános célú AI-ügynökök — vagyis olyan AI-eszközök, amelyek nem egy feladatra vannak ráhúzva, hanem sokfélét el tudnak végezni — már most jók pár alapvető dologban: tudnak adatokat lekérni a webről, lépésről lépésre végiggondolni feladatokat, valamint kódot írni vagy olvasni.
Ez az alap. Az ontology az, ami a Databricksen belül is hasznossá teszi ezeket az ügynököket. Ahelyett, hogy egy általános AI-asszisztensnek tennéd fel a kérdést: "mit csinál az X funkció?", az ügynök az ontologyban nézi meg az X funkciót, pontos választ kap, és ebben a kontextusban tud segíteni a termékcsapatnak módosításokat csinálni, teszteket írni vagy hibákat javítani.
A Databricks ezt úgy írja le, mint egy módot arra, hogy megbízhatóbb hátteret adjanak az ügynököknek, és így magabiztosabban támogathassák a termékcsapatokat.
Miért fontos ez a hétköznapi embereknek?
Nem kell Databricks-fiók ahhoz, hogy ez téged is érintsen. Ez egy jelzés arról, merre tart az AI-támogatott szoftverfejlesztés — és ez hatással van az általad használt appokra is.
A legtöbb szolgáltatás, amit használsz — az email-kliensed, a fotószerkesztőd, a bankod mobilappja — a színfalak mögött AI-eszközökkel készül vagy fejlődik. Minél jobban értik ezek a belső AI-eszközök az adott terméket, annál gyorsabban jönnek az új funkciók és javítások, amiket te is megkapsz.
Ez egyben emlékeztető is: az általános célú AI-ügynökök nem varázslók. Akkor működnek a legjobban, ha jó kontextust kapnak. Sok "az AI most elképesztőt csinált" sztori mögött ott van egy csapat, ami időt szánt arra, hogy felépítse a megfelelő tudásstruktúrát, amivel eteti az AI-t.
Mit jelent ez számodra?
- Ha munkád során AI-asszisztenseket használsz: figyeld meg, hogy az eszközöd kapott-e konkrét hátteret a cégedről, termékeidről vagy projektjeidről. Egy AI, amelyik ismeri a valódi kontextusodat, sokkal hasznosabb, mint egy általános — pont ezt a problémát oldja meg az ontology.
- Ha terméket fejlesztesz vagy menedzselsz: gondold át, hogyan nézne ki a saját terméked strukturált térképe. Nem kell hozzá bonyolult eszköz — már egy letisztázott belső wiki is sokat segít, hogy az AI (és a csapatod) jobb válaszokat adjon.
- Ha általában érdekel az AI: az "általános célú AI-ügynök" kifejezést egyre többször fogod látni. Ez egyszerűen egy olyan AI-t jelent, ami sokféle feladatot el tud végezni, nem csak egyetlen dologra van kihegyezve.
- Ha nem kódolsz: a legtöbb szakkifejezés nem igazán érinti a mindennapjaidat. A lényeg: a cégek megtanítják az AI-t, hogy jobban értse a saját termékeiket, és ez hosszú távon általában jobb eszközöket jelent neked is.
Összegzés
A Databricks bejegyzése apró, technikai olvasmány, de az általános minta érdemes a figyelemre: az AI-t arra használják, hogy AI-termékeket építsenek, és azok a cégek csinálják jól, amelyek strukturált kontextust adnak az AI-ügynökeiknek, nem csak nyers adatokat dobálnak nekik. Ha szeretnéd figyelemmel kísérni a területet, egy egyszerű következő lépés: kérdezd meg bármelyik nagyobb AI-asszisztenstől, hogy mi az, amiben igazán jó, és miben szokott hibázni. Hamarosan a saját szavaival fogod látni, miért léteznek olyan projektek, mint a Genie Ontology.