Budowanie agentów danych, którym przedsiębiorstwo może naprawdę zaufać

Description

Budowanie agentów danych, którym przedsiębiorstwo może naprawdę zaufać Twój agent danych jest pewny siebie. Czy ma rację? Wszyscy budują agentów. O wiele mniej osób buduje agentów danych, którzy mogą wiarygodnie rozważać rzeczywiste dane przedsiębiorstw — z całą ich bałaganą, brakującym kontekstem i skalą — i dają Ci możliwość, byś wiedział, kiedy się mylą, zanim zrobią to Twoi interesariusze. Najtrudniejsza część agenta danych nie tkwi w LLM. To wszystko, co jest pod spodem: warstwa semantyczna, ontologia, logika federacji danych i infrastruktura do niezawodnej obsługi. Zrób to źle, a Twój agent zwróci pewne błędne odpowiedzi. A ponieważ brzmi autorytatywnie, te błędne odpowiedzi są bardziej niebezpieczne niż brak odpowiedzi w ogóle. Dołącz do nas na wieczór z Jerrym Xu, architektem infrastruktury AI w Oracle, który spędził swoją karierę na budowaniu systemów, które wprowadzają modele do produkcji w Meta, Lyft, Box i firmie, którą założył, DataTron. To sesja robocza dla liderów technicznych, założycieli i zespołów platform danych/AI, którzy przeszli już przez etap demonstracji i teraz muszą uczynić agentów danych solidnymi. Czego Jerry będzie dotykał: • Warstwa semantyczna to rzeczywiste wyzwanie — dlaczego NL2SQL samo w sobie nie działa na prawdziwych schematach przedsiębiorstw, a dlaczego ontologie, logika federacji i certyfikowany kontekst danych to tam, gdzie rzeczywiste trudności inżynieryjne naprawdę istnieją • Budowanie stosu agenta danych — architektura agenta, wzorce orkiestracji, koordynacja wielu agentów i jak radzić sobie z niejednoznacznością podczas zapytań o żywe, chaotyczne dane przedsiębiorstw • Jak wiesz, kiedy zaufać odpowiedzi? — dlaczego standardowe benchmarki pomijają tryby awarii, które mają znaczenie w produkcji, jak wygląda rzeczywista ścieżka oceniania i jak projektować dla weryfikowalności od pierwszego dnia • Co psuje się na dużą skalę — tryby awarii, o których nikt nie mówi, dopóki już się nie zdarzyły, i dlaczego długoterminowa niezawodność wymaga traktowania modeli jako systemów żyjących Kto powinien przyjść: liderzy inżynieryjni i AI, zespoły platform danych i infrastruktury, założyciele budujący produkty danych oraz operatorzy odpowiedzialni za zapewnienie niezawodności AI w produkcji. Gospodarze to Open Future Forum, HG insights, Agentic Fabriq Więcej informacji o Jerrym Xu Jerry to architekt platformy AI, koncentrujący się na generatywnej AI i infrastrukturze ML, z doświadczeniem obejmującym Meta, Twitter, Microsoft oraz firmę, którą sam założył. Jego wątek przewodni to nieucieczkowa, ale decydująca praca nad uruchamianiem systemów AI w produkcji. Najważniejsze osiągnięcia kariery: Jego siła leży na skrzyżowaniu badań AI i infrastruktury na poziomie produkcyjnym: systemy rozproszone, cykl życia modelu, MLOps oraz zagadnienia tożsamości i bezpieczeństwa, które pojawiają się, gdy agenci zaczynają działać autonomicznie. Ten ostatni punkt naturalnie łączy się z koncentracją Agentic Fabriq, co czyni go silnym kandydatem do tej grupy.