فيكتورايز تطلق منصة "أيجينتيك" لإدارة بيانات المؤسسات في الوقت الحقيقي

بينما أصبحت قواعد البيانات المتجهية ضرورية في تنفيذ الذكاء الاصطناعي في المؤسسات من أجل توليد المعلومات المعززة (RAG)، فإن التحدي الحقيقي يكمن في إدارة البيانات غير المنظمة بفعالية.

كريس لتيमर، المؤسس المشارك والرئيس التنفيذي لشركة Vectorize، الذي قاد سابقًا مبادرات السحابة في DataStax، لاحظ مشكلة شائعة: لم تكن قاعدة البيانات المتجهية هي العقبة الرئيسية في تنفيذ RAG في المؤسسات. بل كانت الصعوبة في تحسين استيعاب البيانات غير المنظمة في قاعدة البيانات المتجهية للاستفادة من الذكاء الاصطناعي التوليدي.

ردًا على ذلك، أطلق لتيمر شركة Vectorize قبل عشرة أشهر لمواجهة هذا التحدي. وقد أعلنت الشركة الآن عن جولة تمويل أولية بقيمة 3.6 مليون دولار بقيادة True Ventures، إلى جانب الإتاحة العامة لمنصتها لتوليد المعلومات المعززة في المؤسسات. تسهل هذه المنصة نهج RAG الوكيلة، مما يمكّن من تحقيق قدرات بيانات شبه حقيقية الوقت. تركز Vectorize على هندسة البيانات، مما يساعد المنظمات على إعداد وإدارة بياناتها لقواعد البيانات المتجهية ونماذج اللغة الكبيرة (LLMs). علاوة على ذلك، تتيح الشركات بناء خط أنابيب بيانات RAG بسرعة من خلال واجهة سهلة الاستخدام، وتوفر أداة تقييم RAG لاختبار استراتيجيات مختلفة.

وأشار لتيمر في مقابلة حصرية: "وجدنا باستمرار أنه في المراحل النهائية من مشاريع الذكاء الاصطناعي التوليدي، غالبًا ما كانت النتائج دون المستوى المتوقع. لم تكن السياقات المقدمة إلى قاعدة البيانات المتجهية مفيدة لنموذج اللغة الكبيرة، مما أدى إلى حدوث تشويشات وسوء تفسير للبيانات."

كيفية دمج Vectorize في مجموعة RAG للمؤسسات

تعتبر Vectorize منصة تربط مصادر البيانات غير المنظمة بقواعد البيانات المتجهية الموجودة مثل Pinecone وDataStax وCouchbase وElastic. تقوم بعملية استيعاب وتحسين البيانات من مصادر متنوعة، لضمان توفير خط أنابيب بيانات جاهز للإنتاج يشمل الاستيعاب، والتزامن، ومعالجة الأخطاء، وأفضل الممارسات في هندسة البيانات.

علاوة على ذلك، ليست Vectorize تقنية لتضمين المتجهات. بدلاً من ذلك، تدعم المستخدمين في تقييم نماذج التضمين وأساليب تقسيم البيانات لاكتشاف التكوين الأمثل لحالات الاستخدام الخاصة بهم. أكد لتيمر على مرونة المنصة، مما يتيح للمستخدمين الاختيار من بين العديد من نماذج التضمين، بما في ذلك تضمينات OpenAI’s Ada وVoyage AI المستخدمة من قبل Snowflake.

قال لتيمر: "نركز على استراتيجيات الابتكار في تفريع البيانات لتحقيق أفضل النتائج"، مشددًا على أن المنصة تقدم حلاً جاهزًا للإنتاج، مما يخفف المخاوف المتعلقة بهندسة البيانات.

الاستفادة من الذكاء الاصطناعي الوكيلة في RAG المؤسسي

تتميز Vectorize بنهج "RAG الوكيلة"، الذي يجمع بين طرق RAG التقليدية وقدرات الوكيل الذكي، مما يعزز الحلول الذاتية لمشاكل العملاء. تستخدم Groq، وهي شركة ناشئة في مجال السيليكون للتفكير الاصطناعي، والتي حصلت مؤخرًا على 640 مليون دولار، قدرات RAG الوكيلة من Vectorize لتعزيز وكيل الدعم الذكي. يستطيع هذا الوكيل حل استفسارات العملاء بشكل مستقل باستخدام البيانات والسياق من خطوط أنابيب Vectorize.

وأوضح لتيمر، "إذا طرح العميل سؤالاً متكرراً، فيجب على الوكيل حل مشكلته بكفاءة دون تدخل بشري. ومع ذلك، إذا واجه مشكلة أكثر تعقيدًا، فيجب عليه تصعيد الأمر إلى إنسان للحصول على المساعدة، مما يجسد جوهر هندسة الوكيل الذكي."

أهمية خطوط بيانات الوقت الحقيقي في RAG المؤسسي

يعتبر الوصول إلى بيانات محدثة ميزة كبيرة للمؤسسات عند استخدام RAG. وحذر لتيمر: "تؤدي البيانات القديمة إلى اتخاذ قرارات سيئة." تقدم Vectorize قدرات تحديث البيانات في الوقت الحقيقي وقريب من الوقت الحقيقي، مما يسمح للعملاء بتخصيص تفضيلاتهم لحداثة البيانات.

قال: "نمكن المستخدمين من تكوين المنصة وفقًا لمستويات قبولهم لقدم البيانات." وأضاف: "سواء كانوا يحتاجون إلى تحديثات أسبوعية أو تحديثات في الوقت الحقيقي، يمكن لمنصتنا تلبية تلك الاحتياجات، وتوفير التحديثات في الوقت اللازم عند توفر البيانات."