Construyendo agentes de datos en los que las empresas realmente pueden confiar

Description

Construyendo agentes de datos en los que las empresas realmente pueden confiar Tu agente de datos está convencido. ¿Está en lo correcto? Todo el mundo está construyendo agentes. Muy pocos están construyendo agentes de datos que puedan razonar de manera confiable sobre datos empresariales reales — con todo su desorden, falta de contexto y escala — y darte una forma de saber cuándo están equivocados antes de que lo hagan tus interesados. La parte más difícil de un agente de datos no es el LLM. Son todas las capas subyacentes: la capa semántica, la ontología, la lógica de federación de datos y la infraestructura para servirlo de manera confiable. Si te equivocas en eso, tu agente devuelve respuestas incorrectas con confianza. Y debido a que suena autoritativo, esas respuestas incorrectas son más peligrosas que no tener respuestas en absoluto. Únete a nosotros para una velada con Jerry Xu, Arquitecto de Infraestructura de IA en Oracle, quien ha pasado su carrera construyendo los sistemas que ponen modelos en producción en Meta, Lyft, Box y la empresa que fundó, DataTron. Esta es una sesión de trabajo para líderes técnicos, fundadores y equipos de plataformas de datos/IA que han pasado la etapa de demostración y ahora deben hacer que los agentes de datos sean confiables. Lo que Jerry cubrirá: • La capa semántica es el verdadero desafío — por qué NL2SQL por sí solo falla en esquemas empresariales reales, y por qué las ontologías, la lógica de federación y el contexto de datos certificados son donde realmente vive la ingeniería difícil • Construyendo la pila del agente de datos — arquitectura del agente, patrones de orquestación, coordinación multi-agente y cómo manejar la ambigüedad al consultar datos empresariales en vivo y desordenados • ¿Cómo sabes cuándo confiar en la respuesta? — por qué los estándares de referencia pierden los modos de fallo que importan en producción, cómo es un verdadero pipeline de calificación y cómo diseñar para la verificabilidad desde el primer día • Qué se rompe a gran escala — modos de fallo de los que nadie habla hasta que ya ha sucedido, y por qué la fiabilidad a largo plazo requiere tratar a los modelos como sistemas vivos ¿Quién debería asistir? Líderes de ingeniería e IA, equipos de plataformas de datos e infraestructura, fundadores que construyen productos de datos y operadores responsables de hacer que la IA sea fiable en producción. Anfitriones incluyen Open Future Forum, HG insights, Agentic Fabriq. Más sobre Jerry Xu Jerry es un arquitecto de plataformas de IA centrado en infraestructura de IA generativa y ML, con un background que abarca Meta, Twitter, Microsoft y una empresa que él mismo fundó. Su hilo conductor es el trabajo poco glamoroso pero decisivo de hacer que los sistemas de IA funcionen en producción. Aspectos destacados de su carrera: Su fortaleza se encuentra en la intersección de la investigación en IA y la infraestructura de grado de producción: sistemas distribuidos, ciclo de vida del modelo, MLOps, y las preguntas de identidad y seguridad que surgen a medida que los agentes comienzan a actuar de manera autónoma. Ese último punto se empareja naturalmente con el enfoque de Agentic Fabriq, lo que lo convierte en un ajuste sólido para esta sala.