סוכני AI בארגונים צריכים שכבת הקשר, לא עוד צאטבוט
ארגונים רבים כבר עברו משלב ההתנסות בכלי AI לשלב הקשה יותר: הפעלה של סוכנים שמבצעים משימות אמיתיות מול נתונים, מערכות ותהליכים עסקיים. הבעיה היא שסוכן חכם בלי הקשר ארגוני הוא עובד חדש בלי חפיפה. הוא יודע לנסח, לתכנן ולשאול שאלות, אבל אינו יודע בהכרח מה משמעות שדה מסוים, מי רשאי לראות נתון, איזה מקור אמין יותר, ואיך החלטה מסחרית מתקבלת בפועל.
שכבת הקשר לסוכני AI משנה את איכות ההחלטות
בכנס AWS Summit בניו יורק הכריזה אמזון על AWS Context, שירות שממפה קשרים בין מקורות נתונים ארגוניים לתוך גרף ידע מנוהל. המשמעות העסקית חשובה יותר מהשם הטכנולוגי. במקום שסוכן יחפש תשובה בתוך טבלה, מסמך או מאגר בודד, הוא מקבל גישה למפת קשרים: הגדרות עסקיות, יחסים בין ישויות, כללי הרשאה, מקוריות נתונים ומטאדאטה תפעולי. זהו מעבר מתשובה מבוססת אחזור לתשובה מבוססת הבנה ארגונית.
מבחינה ארכיטקטונית, החיבור ל-AWS Glue Data Catalog, ל-AWS Lake Formation ולפורמט Apache Iceberg מצביע על כיוון נכון. סוכנים ארגוניים לא יכולים להישען רק על RAG קלאסי שמחזיר קטעי טקסט לפי דמיון סמנטי. הם צריכים שכבה שמבינה מבנה נתונים, בעלות עסקית, רגישות מידע ורצף תהליכי. כאשר גרף כזה לומד אילו מקורות מספקים תשובות נכונות לאורך זמן, הוא יכול להפוך לנכס ארגוני מצטבר ולא לעוד פרויקט נקודתי.
ניהול סוכנים מחייב ממשל נתונים ואבטחת מידע
הנקודה הקריטית בהכרזה היא לא רק גילוי נתונים, אלא ירושת הרשאות. אם כל קריאה לגרף כפופה ל-IAM ול-Lake Formation, הסוכן פועל בשם זהות מורשית ולא כערוץ עוקף בקרה. זה תנאי בסיסי להטמעה רצינית. בארגונים שאנו מלווים, כשל נפוץ הוא בניית סוכן מרשים בהדגמה, בלי מודל הרשאות, בלי תיעוד גישה ובלי הבחנה בין מידע תפעולי למידע רגיש. במצב כזה, הסיכון האמיתי אינו הזיה של מודל, אלא חשיפת ידע נכון לאדם הלא נכון.
החידושים ב-AWS Glue Data Catalog מוסיפים נדבך חשוב נוסף: תיאורים עסקיים, גלוסר ארגוני ו-skill assets שמכוונים סוכנים לתיעוד מקצועי. זה מתחבר היטב לתפיסה שלנו ש-AI אינו עניין טכני בלבד. סוכן שמטפל ברכש, אשראי, שירות או תפעול חייב להבין את המקצוע, לא רק את ה-API. ידע עסקי מתועד, השכלה פנימית וניסיון ניהולי הופכים כאן לחלק מהתשתית, בדיוק כמו בסיס נתונים או מערכת הרשאות.
אינטגרציה נכונה עדיפה על ניסוי מבודד
השקת Amazon S3 Annotations מחזקת את אותה מגמה. האפשרות לצרף עד 1 גיגה-בייט של הקשר שאיל לכל אובייקט ב-S3 מפחיתה תלות במאגרי מטאדאטה חיצוניים שנוטים להתיישן. עבור ארגונים עם מסמכים, לוגים, קבצי מדיה או נתוני IoT, זה יכול לשפר משמעותית יכולת גילוי, בקרה והפעלה של סוכנים. חשוב במיוחד שההקשר נע עם האובייקט בהעתקה וברפליקציה, כי בפועל מידע ארגוני לא נשאר במקום אחד.
מנהלים צריכים לראות במהלך הזה תזכורת ברורה: פיתוח סוכני AI אינו מתחיל בבחירת מודל, אלא בבניית סביבת עבודה שבה נתונים, הרשאות, תהליכים ואחריות ניהולית מחוברים. אדם בלולאה נשאר עיקרון קריטי, אבל המטרה אינה להצמיד אדם לכל פעולה. המטרה היא לאפשר לאדם אחד לפקח על עשרות ומאות תהליכים עם מנגנוני בקרה, חריגים ומדידה. לכן נכון להתחיל ממיפוי של שלושה תהליכים עתירי שיקול דעת, לבנות גרף הקשר מוגבל, להגדיר מדדי דיוק ובקרה, ורק אז להרחיב.
