Na czym polega
AI grounding daje agentom AI podczas wnioskowania uporządkowany kontekst z modelu, który mogą odpytywać przez Model Context Protocol (MCP). Dostęp do Archally Pro ustalamy w ramach współpracy o określonym zakresie lub indywidualnie uzgodnionego pilotażu. Odpowiedzi modelu opisują zapisaną wiedzę; porównuj je z dowodami źródłowymi.
Podstawy
- Blueprint MCP - encje i relacje zapisane w modelu
- Brandvoice MCP - pozycjonowanie, priorytety treści i pokrycie dowodami zapisane w modelu
- Realm MCP - informacje przestrzenne, utrzymanie i zgodność z wymaganiami zapisane w modelu
- Hero MCP - kariera, umiejętności i dowody osiągnięć w portfolio zapisane w modelu
- Gamemaster MCP i SDLC MCP - rodzina narzędzi Archally Pro
Jak to działa
Twórz i przeglądaj model pod kątem pytań, na które zespół potrzebuje odpowiedzi. Uzgodnij sposób dostępu przez MCP dla swojego zakresu. Agent AI może wtedy odpytywać zapisane encje i relacje. Zachowuj przy modelu rewizje źródeł i daty przeglądów.
Agenci AI potrzebują „ontologii” jako wspólnego zbioru reguł, aby nie popełniać kosztownych błędów z pełnym przekonaniem.
- +20% wzrost trafności odnotowany w badaniu Atlan (zewnętrzny punkt odniesienia) Atlan - Dlaczego agenci AI potrzebują firmowej warstwy kontekstu
- -39% mniej wywołań narzędzi przez agentów AI odnotowanych w badaniu Atlan (zewnętrzny punkt odniesienia) Atlan - Dlaczego agenci AI potrzebują firmowej warstwy kontekstu
- 2× trafność text-to-SQL z modelem semantycznym (Snowflake) Snowflake - Cortex Analyst: od kulis
- ~50% projektów agentowego AI anulowanych do 2027 roku (Gartner) Atlan - Dlaczego agenci AI potrzebują firmowej warstwy kontekstu, za Gartnerem