News AnalysisNvidia’s AI-Q Blueprint Aims to Power Smarter, Autonomous AI Agents
Компания NVIDIA, известная своими чипами для систем искусственного интеллекта, расширяет свое присутствие в этой сфере, предлагая новые программные решения.
На конференции разработчиков NVIDIA GTC в середине марта компания представила AI-Q Blueprint. Это значительный шаг вперед в области автономных агентов искусственного интеллекта. AI-Q Blueprint позволяет разработчикам создавать сложные ИИ-агенты с беспрепятственным доступом к базам знаний, что дает им возможность действовать независимо и принимать обоснованные решения.
Платформа AI-Q Blueprint построена на микросервисах NVIDIA NIM и интегрирована с NeMo Retriever для быстрого извлечения информации, открывая путь к созданию более совершенных и функциональных систем ИИ. Используя возможности ускоренных вычислений NVIDIA, партнерские платформы хранения данных и программные инструменты, включая недавно представленные модели Llama Nemotron для логических рассуждений, AI-Q Blueprint становится надежной основой для создания ИИ-агентов, преодолевающих существующие ограничения.
Представители NVIDIA заявляют, что это поворотный момент в эволюции корпоративного ИИ, когда технологии не просто поддерживают, но и активно трансформируют методы ведения бизнеса.
Платформа AI-Q разработана с упором на гибкость. Она совместима с существующими мультиагентными системами, а ее прозрачность и отслеживаемость помогут предприятиям лучше понимать производительность агентов. Анай Наватэ, директор и руководитель облачного направления в Information Services Group, сообщает Reworked, что именно это сочетание масштаба и прозрачности является ключевым отличием платформы.
Интеграция AI-Q Blueprint с такими инструментами, как Salesforce, Jira и ServiceNow, означает, что агенты теперь могут оптимизировать рабочие процессы, изначально рассчитанные на взаимодействие между различными командами и сотрудниками. Наватэ объясняет, что доступ AI-Q Blueprint к разнообразным мультимодальным источникам данных позволит моделям NVIDIA Llama Nemotron формировать более информированные и потенциально более тонкие выводы.
Передовые ИИ-модели Llama Nemotron разработаны для эффективного выполнения логических рассуждений и широкого спектра агентных задач. Они оптимизированы для развертывания на различных платформах, от центров обработки данных до персональных компьютеров. NVIDIA уже сотрудничает с такими компаниями, как Accenture, Amdocs, Atlassian, Box, Cadence, Microsoft, SAP и ServiceNow, для интеграции этих моделей.
Анай Наватэ объясняет, что Blueprint спроектирован для интеграции с инструментами и базами знаний в масштабах всего предприятия. Он отмечает, что многие существующие реализации ИИ-агентов на рынке были ограничены отдельными задачами, подобно интеллектуальным RPA-процессам, тогда как AI-Q Blueprint способствует межфункциональному взаимодействию через интеграцию.
Однако, Наватэ добавляет, что сохраняются и проблемы. Хотя AI-Q разработан для интеграции с другими ИИ-системами, устаревшие системы и разрозненные знания во многих организациях интегрировать непросто.
По его словам, ценность интеграции баз знаний необходимо сопоставлять с возникающими рисками безопасности и соответствия требованиям. Команды, отвечающие за безопасность, риски и комплаенс, могут неохотно предоставлять полный доступ таким агентам. Организации, работающие над менее масштабными сценариями использования агентов, также могут не захотеть менять свой текущий подход ради возможностей AI-Q Blueprint.
Тони Тонг, технический директор и сооснователь Intellectia AI, описывает способность AI-Q Blueprint бесшовно интегрировать базы знаний с автономными агентами как фундаментальный прорыв в операционной аналитике.
Он поясняет Reworked, что отказ от жестких, заранее определенных процессов позволяет компаниям развертывать ИИ-агентов, которые обучаются, рассуждают и реагируют в реальном времени, используя как структурированные, так и неструктурированные данные из различных систем. Это способствует динамическому принятию решений, что особенно ценно в таких отраслях, как финансы, обслуживание клиентов и управление цепочками поставок, где критически важен доступ к постоянно меняющейся информации в реальном времени.
Тонг выделяет один из наиболее заметных аспектов AI-Q: его влияние на совместимость агентов. Он объясняет, что традиционно ИИ-агенты создаются вертикально, работая изолированно в узких рамках. Модульность и предварительно настроенные рабочие процессы AI-Q обеспечивают горизонтальную интеграцию между бизнес-функциями, облегчая межфункциональную автоматизацию. Это приводит к более быстрому созданию прототипов для разработчиков, большему повторному использованию кода и меньшей зависимости от кастомной инфраструктуры.
Наконец, Тонг называет NeMo Retriever революционным решением для доступа к мультимодальной информации. Этот доступ к знаниям в различных форматах, включая текст, изображения, PDF, базы данных, преобразует разрозненную информацию в контекстуализированные знания. В результате улучшается понимание и логические способности ИИ в таких областях, как здравоохранение и юриспруденция, где критически важная информация часто разбросана по разным источникам.
Богдан Хомыч, руководитель R&D в SoftServe, говорит, что AI-Q Blueprint дает преимущество компаниям, озабоченным сроками вывода продуктов на рынок и ожиданиями по возврату инвестиций.
Он считает, что сам сценарий использования не нов, но ценность для предприятия кроется в деталях: дополнительные 5% точности при сохранении и повышении скорости по-прежнему чрезвычайно выгодны и являются эффективным побочным продуктом для всех сфер бизнеса, даже при том, что снижение затрат является одной из главных целей для производственного развертывания. Он добавляет, что возможность получить самый надежный, заранее собранный конвейер избавляет от множества проблем.
Хомыч продолжает, что интеграция агентного ИИ изменит методы работы команд разработчиков. Он полагает, что если сегодня несколько инженеров используют ChatGPT или Copilot для решения задачи, то в будущем ИИ-агенты станут неотъемлемой частью этого рабочего процесса. Агенты будут выполнять рутинные задачи, такие как тестирование или обслуживание инфраструктуры, повышая в результате производительность старших инженеров.
Он добавляет, что основной проблемой является оркестрация «зоопарка вариантов», доступных на рынке, для достижения лучших результатов и соответствия обновлениям рынка. Он советует подходить стратегически к реализации преимуществ AI-Q для бизнеса, уделяя особое внимание безопасности, локальному развертыванию и эффективности использования графических процессоров.