Будущее без приложений, где сотрудники компаний общаются напрямую с данными на естественном языке, — это уже не научная фантастика, а бизнес-стратегия. В новом выпуске подкаста The Cognitive Revolution Натан Лабенц обсуждает с Инной Токарев Села (Inna Tokarev Sela), CEO стартапа illumex, как автоматизированные онтологии и графы знаний позволяют ИИ понимать специфический контекст крупных корпораций без необходимости ручной разметки или перемещения данных.
🚀 Видение «Application-Free Future»: конец эпохи интерфейсов 4:09
Инна Токарев Села утверждает, что современный бизнес перегружен программным обеспечением. По её мнению, бизнес-пользователи не хотят тратить время на изучение новых интерфейсов или переключение между десятками вкладок Salesforce, SAP и систем аналитики . Концепция «Application-Free Future» предполагает наличие единого интерфейса (например, Slack или Teams), через который пользователь может формулировать задачи или задавать вопросы голосом, не заботясь о том, какое приложение должно выполнить операцию в фоновом режиме .
Ключевые тезисы этой концепции:
- Оркестрация всех процессов происходит незаметно для пользователя.
- ИИ-агенты заменяют «клики» по меню на выполнение намерений, выраженных естественным языком.
- Пользователь становится мобильным и независимым от рабочего стола, сохраняя доступ к сложной аналитике .
🧠 Технический фундамент: «Платонические идеалы» бизнеса 11:36
Главная проблема внедрения ИИ в предприятиях — «грязные» данные и отсутствие контекста. Чтобы решить её, illumex создала библиотеку канонических онтологий — своего рода идеализированных моделей того, как должен работать бизнес в различных вертикалях (e-commerce, фармацевтика, производство) .
Процесс работы системы делится на этапы:
- Создание базы: illumex разработала «платонические формы» для отраслей, описывающие стандартные зависимости, метрики и терминологию.
- Автоматическое сопоставление: Система анализирует только метаданные заказчика (логи запросов, сигнатуры API, схемы таблиц), чтобы понять, как реальный бизнес отклоняется от идеальной модели .
- Устранение двусмысленностей: Если в одной таблице столбец называется «order_id», а в другой «vendor_id», система с помощью графовых нейросетей (GNN) и семантического анализа понимает, что это один и тот же объект .
По словам Инны, этот подход отличается от традиционного RAG тем, что illumex не доверяет слепо рассуждениям языковых моделей (LLM). Вместо этого они используют структурированные графы знаний как фильтр, что позволяет избежать «галлюцинаций» .
🛡️ Безопасность и архитектура без доступа к данным 1:04:48
Одной из самых инновационных черт illumex эксперты считают работу по принципу «Zero Data Access». Инна Токарев Села подчеркивает, что компания никогда не видит содержимое таблиц клиента .
Архитектурная схема взаимодействия:
- Слой метаданных: illumex обрабатывает только структуру и логи системы.
- Runtime-запрос: Когда пользователь задает вопрос в Slack, illumex генерирует «tool call» (вызов инструмента) .
- Локальное выполнение: Этот вызов отправляется на инфраструктуру клиента, где локальный агент выполняет запрос к базе данных и возвращает ответ пользователю.
Это критически важно для регулируемых отраслей (финансы, медицина), где передача персональных данных (PII) сторонним вендорам ИИ недопустима .
📊 Доверие, ошибки и роль человека 50:50
Натан Лабенц выразил скепсис относительно точности автоматических систем, отметив, что даже люди-аналитики ошибаются. Инна парирует: illumex — это «платформа для контрол-фриков» . Система позволяет пользователю увидеть всю цепочку рассуждений: какие формулы использовались, на каких данных основан ответ и почему был выбран конкретный метод расчета.
Статистика и бенчмаркинг по версии illumex:
- Точность: В тестах на наборе данных Spider (текст в SQL) система достигла 91% точности в автоматическом режиме .
- Экономия: Использование предопределенного контекста позволяет экономить до 80% затрат на токены LLM, так как модели не нужно каждый раз «скармливать» всю схему данных .
- Проверка: Если данные в системе противоречивы (например, два разных способа расчета прибыли), illumex не выбирает один случайно, а помечает сущность как «конфликтную» и просит эксперта подтвердить верную логику .
🎓 Будущее профессий: от создателей к модераторам 1:18:53
Обсуждая влияние ИИ на карьеру, Инна Токарев Села выразила мнение, что роли специалистов по данным будут трансформироваться. Вместо написания кода и создания контента (SQL-запросов, дашбордов) люди станут модераторами контента .
Ее советы будущим специалистам и студентам:
- Профессии будут переосмысляться несколько раз за жизнь.
- Важно развивать навыки «глубокого понимания предмета», чтобы уметь проверять работу ИИ.
- Нужно фокусироваться на критическом мышлении, а не на рутинных операциях .
Инна также поделилась личным опытом: она уже обучает своего девятилетнего сына использовать ChatGPT для домашних заданий, приучая его не просто копировать ответы, а проверять источники и анализировать логику машины .
