Presentato da Elastic
Mentre le organizzazioni si sforzano di implementare soluzioni di intelligenza artificiale per agenzie, l’accesso ai dati privati da ogni angolo sarà importante
Ormai, la maggior parte delle organizzazioni ha sentito parlare di agenti di intelligenza artificiale, sistemi che “pensano” raccogliendo autonomamente strumenti, dati e altre fonti di informazioni per fornire una risposta. Ma il punto è questo: credibilità e rilevanza dipendono dalla presentazione del contesto giusto. Nella maggior parte delle organizzazioni, questo contesto è distribuito in una varietà di origini dati non strutturate, inclusi documenti, e-mail, applicazioni aziendali e feedback dei clienti.
Mentre le organizzazioni guardano al 2026, risolvere questo problema sarà fondamentale per accelerare l’implementazione dell’intelligenza artificiale nelle agenzie in tutto il mondo, afferma Ken Exner, chief product officer di Elastic.
"Le persone stanno iniziando a rendersi conto che per utilizzare correttamente l’intelligenza artificiale delle agenzie, è necessario disporre di dati rilevanti." Exner dice. "Nel contesto dell’intelligenza artificiale dell’agenzia, la rilevanza è fondamentale perché l’intelligenza artificiale agisce per tuo conto. “Quando le persone hanno difficoltà a sviluppare applicazioni di intelligenza artificiale, posso quasi garantirvi che il problema è rilevante.”
Agenti ovunque
La lotta potrebbe entrare in un periodo decisivo in cui le organizzazioni si sforzano di ottenere un vantaggio competitivo o creare nuove efficienze. Uno studio Deloitte Indovinare Si prevede che entro il 2026, oltre il 60% delle grandi imprese avrà implementato l’intelligenza artificiale su larga scala, segnando un massiccio aumento dalle fasi sperimentali all’implementazione tradizionale. E il ricercatore Gartner previsioni Entro la fine del 2026, il 40% di tutte le applicazioni aziendali includerà agenti specifici per attività; questo tasso era inferiore al 5% nel 2025. L’aggiunta di funzionalità di specializzazione delle attività trasforma gli assistenti AI in agenti AI consapevoli del contesto.
Entra nell’ingegneria del contesto
Il processo di passaggio del contesto rilevante agli agenti al momento giusto è noto come ingegneria del contesto. Non solo garantisce che un’applicazione intermediaria disponga dei dati necessari per fornire risposte accurate e approfondite, ma aiuta anche il modello LLM (Large Language Model) a comprendere di quali strumenti ha bisogno per trovare e utilizzare tali dati e come chiamare tali API.
Sebbene ora esistano standard open source come il Model Context Protocol (MCP) che consentono agli LLM di connettersi e comunicare con dati esterni, ci sono poche piattaforme che consentono alle organizzazioni di creare agenti AI precisi che utilizzano i dati e combinano nativamente l’acquisizione, la gestione e l’orchestrazione dei dati in un unico posto.
Elasticsearch è sempre stata una piattaforma leader per l’essenza dell’ingegneria del contesto. Recentemente ha rilasciato una nuova funzionalità in Elasticsearch chiamata Agent Builder che semplifica l’intero ciclo di vita operativo degli agenti: sviluppo, configurazione, esecuzione, personalizzazione e osservabilità.
Agent Builder aiuta a creare strumenti MCP su dati personalizzati utilizzando una varietà di tecniche, tra cui Elasticsearch Query Language, un linguaggio di query canalizzato o la modellazione del flusso di lavoro per filtrare, trasformare e analizzare i dati. Gli utenti possono quindi creare un agente prendendo vari strumenti e combinandoli con prompt e un LLM.
Agent Builder fornisce un agente conversazionale configurabile e pronto all’uso che consente di chattare con i dati nella directory e offre inoltre agli utenti la possibilità di creare un agente da zero utilizzando una varietà di strumenti e richieste oltre a dati personalizzati.
"I dati sono il centro del nostro mondo in Elastic. Stiamo cercando di assicurarci che tu abbia gli strumenti necessari per mettere in pratica questi dati." Exner spiega. "”Non appena apri Agent Builder, lo punti a un indice in Elasticsearch e puoi iniziare a chattare con tutti i dati a cui ti connetti, qualsiasi dato indicizzato in Elasticsearch o qualsiasi dato proveniente da fonti esterne tramite integrazioni.”
L’ingegneria del contesto come disciplina
L’ingegneria delle richieste e del contesto sta diventando una disciplina. Questo non è qualcosa per cui hai bisogno di una laurea in informatica, ma emergeranno più corsi e migliori pratiche perché è un’arte.
"Vogliamo rendere molto semplice questa operazione," Exner dice. "Ciò che le persone devono capire è: come si guida l’automazione con l’intelligenza artificiale? Questo è ciò che aumenterà la produttività. Le persone che si concentrano su questo otterranno più successo."
Oltre a ciò, emergeranno altri modelli di ingegneria del contesto. Il settore è passato dall’ingegneria rapida, in cui le informazioni vengono fornite al LLM in una finestra di contesto, all’accesso alla produzione aumentata e alle soluzioni MCP che assistono i LLM nella selezione degli strumenti. Ma non si fermerà qui.
"Considerando la velocità con cui si stanno muovendo le cose, posso garantire che i nuovi modelli appariranno abbastanza rapidamente." Exner dice. "Ci sarà ancora l’ingegneria del contesto, ma si tratterà di nuovi modelli di come condividere i dati, di come basarli su informazioni precise, con un Master. E prevedo più modelli che consentano a LLM di comprendere dati specifici su cui non è formato."
Agent Builder è ora disponibile come anteprima tecnica. iniziare con uno Prova del cloud elasticoe consulta la documentazione di Agent Builder Qui.
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che ha pagato per il post o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Contatta per maggiori informazioni sales@venturebeat.com.
