Documentacion: Stratio Generative AI Data Fabric como motor de IA Generativa
2. Stratio Generative AI Data Fabric
2.2. Mejorando los motores de Gen AI
Stratio Data Fabric construye una capa de datos empresariales unificada para los usuarios de negocio, lo que les permite interactuar con los datos empresariales a través de la Inteligencia Artificial Generativa.
Con el Data Fabric ....
- Governamos los datos
- Le damos significado de negocio
- Protegemos el acceso al dato
- Se consiguen insights automatizados y se crean los Data Product.
Con el motor de Generative AI de Stratio ¿Qué hemos mejorado?
Podemos hablarle a nuestros datos en lenguaje natural
Generamos Data Products a través de una descripción funcional
Explicamos y somos capaces de comunicar nuevos insights
Lo hemos mejorado en cómo hacemos las preguntas al motor de Gen AI y en cómo validamos y mejoramos las respuestas, qué genero , que entrego al usuario final y a mi empresa.
__________________________________________________________________________________________________________________________________
Hemos modificado los Prompts1 y los embedings2 que van sobre el motor de Gen AI.
Hemos desarrollado un montón de Agentes de Gen AI que validan, aprenden, moderan, etc. de tal manera que mejoran los prompts1 hacia los motores de gen AI y todo el embeding2, con lo que es un sistema que mejora el cómo dotamos de contexto y conocimeinto al motor de Gen AI . Luego lo entrenamos para ir mejorando con las preguntas que hace el usuario porque tiene el contexto, el embeding y el conocimiento adecuado.
______________________________________________________________________________________________________________________________________
Mejorando la precisión de las respuestas y el nivel de confianza
- Diferentes agentes están especializados en múltiples áreas, mejorando el rendimiento y precisión de las respuestas.
- Las respuestas a las preguntas se basan en el consenso/validación funcional de los agentes, lo que mejora la precisión y reduce las alucinaciones en las respuestas finales.
- Los agentes de validación funcional pueden medir el nivel de confianza de la respuesta proporcionada frente a lo que preguntó el usuario. Por tanto, el usuario puede inferir el nivel de confianza del sistema en la respuesta.
______________________________________________________________________________________________________________________________________
Bucles de retroalimentación automatizados: comprobaciones sintácticas y de contenido antes de devolver la respuesta al usuario
1. Hacemos un análisis sintáctico en el que el código que está generando el motor de Gen AI se puede ejecutar a nivel sintáctico. Como tenemos un Data Fabric que sabemos con las Business Views como puede acceder a los datos, tenemos análisis sintáctico de que ese código se puede ejecutar sobre tus datos de tu empresa. Eliminamos la frustración de que ejecutemos algo y no se pueda ejecutar o de una alucinación.
2. Una vez que hemos ejecutado ese análisis, chequeamos que la respuesta tenga sentido comparándolo con respuestas similares, con reports, con datos que tenía la compañía, etc. Los multiagentes validan que la respuesta, los datos que estamos obteniendo con ese código tienen sentido, son buenos, con lo que mejoramos el nivel de confianza en la respuesta que proporcionamos al usuario.
______________________________________________________________________________________________________________________________________
[1] Los "prompts" son las instrucciones dadas a la IA Generativa.
[2] Los "embeddings" son las representaciones numéricas que permiten a la IA comprender el lenguaje y generar contenido de alta calidad.
Ambos elementos son esenciales para el funcionamiento efectivo de la IA Generativa en la creación de contenido personalizado y relevante.