Разработчики представили подход к созданию «Data Agents» — ИИ-систем, способных автономно взаимодействовать с базами данных через SQL и API. Вместо простой генерации текста такие агенты выполняют сложные аналитические запросы, интерпретируют схемы данных и самостоятельно корректируют свои действия на основе полученных ответов, что значительно повышает точность работы с корпоративной информацией в реальном времени.
Основная проблема текущих агентных систем заключается в их ограниченном доступе к структурированным данным. Новый подход предлагает использовать промежуточный слой, который переводит естественный язык в точные SQL-запросы, учитывая при этом контекст всей базы данных. Это позволяет агентам не просто «читать» документацию, а активно манипулировать данными для решения бизнес-задач, минимизируя галлюцинации и ошибки при интерпретации сложных таблиц.
Архитектура таких агентов строится на цикле «планирование — исполнение — проверка». Агент сначала анализирует структуру базы, затем формирует запрос, выполняет его и, если результат не соответствует ожиданиям или содержит ошибки, автоматически переписывает код. Такой итеративный процесс превращает ИИ из пассивного чат-бота в активного участника процесса обработки данных, способного самостоятельно находить инсайты в больших массивах информации.
Ключевые факты
- Переход от RAG-систем, работающих с неструктурированным текстом, к прямому взаимодействию с SQL-базами данных.
- Использование итеративного цикла самокоррекции для исправления синтаксических ошибок в SQL-запросах.
- Снижение зависимости от предварительно подготовленных отчетов в пользу динамического анализа данных по запросу пользователя.
- Интеграция механизмов проверки схемы данных для предотвращения выполнения некорректных команд в продакшн-средах.