Fintech div Intuit predstavio je novu generaciju svojeg Generative AI Operating Systema (GenOS), kojom nastoji riješiti dva najveća izazova s kojima se trenutačno suočavaju poduzeća koja uvode generativnu umjetnu inteligenciju: ovisnost o jednom modelu te mukotrpno prepravljanje promptova i podatkovnih cjevovoda pri svakoj promjeni LLM-a.
Novi GenOS donosi tri ključne nadogradnje:
- Agent Starter Kit – interni paket alata zahvaljujući kojemu je 900 Intuitovih razvojnih inženjera u samo pet tjedana izradilo stotine AI agenata za usluge poput QuickBooksa, TurboTaxa i Credit Karme.
- Servis za optimizaciju promptova – sustav koji pomoću genetskih algoritama automatski stvara i testira varijante promptova, čineći ih prenosivima između različitih velikih jezičnih modela. „Kada se model A sruši ili nam treba model B, sustav prompt jednostavno prevede i nastavljamo raditi”, objasnio je glavni direktor za podatke Ashok Srivastava.
- Inteligentni sloj za spoznaju podataka – rješenje koje nadilazi klasični RAG pristup tako što samostalno razumije sheme podataka iz više izvora, mapira ih na ciljnu strukturu i određuje kontekst koji bi jednostavno uparivanje stupaca propustilo.
Prompti bez prepisivanja
Umjesto da svaki put bira „najbolji” model za upit, Intuitov servis evolucijskim algoritmom generira verzije prompta sve dok ne pronađe optimalnu, a zatim ju koristi na bilo kojem dostupnom LLM-u. Time poduzeće izbjegava vezivanje uz jednog dobavljača i dobiva automatski failover: ako jedan model postane nedostupan, agent se trenutačno prebacuje na drugi.
Duboka integracija podataka
Složenije je, međutim, bilo povezati agente s raznorodnim internim i partnerskim bazama podataka. Inteligentni sloj za spoznaju podataka „razumije” originalnu i ciljnu shemu te samostalno pronalazi pravila preslikavanja, što ubrzava integraciju u situacijama kada tvrtka preuzima vanjske skupove podataka s nepoznatom strukturom.
Predikcija + generativni AI = „Super Model”
Intuit novu agentiku spaja s postojećim prediktivnim sustavima. „Super Model” – nadzorni ansambl više klasičnih modela i dubokih mreža – procjenjuje uspješnost pojedinih preporuka i nudi konačni prijedlog korisniku. Kombinacijom generativnih i prediktivnih mogućnosti agent, primjerice, može detektirati budući problem s novčanim tijekom te odmah sugerirati konkretne korake za njegovo izbjegavanje.
Takav pristup, naglašavaju iz Intuita, nudi dvije strateške pouke:
• Od početka graditi LLM-agnostičnu arhitekturu radi fleksibilnosti i smanjenja rizika. • Ne odbacivati postojeće preporučiteljske i analitičke sustave, nego ih ugraditi u složenije agentičke tokove rada.
Poruka konkurenciji jasna je: vrijeme jednostavnih chatbotova i površnog RAG-a prolazi. Poduzeća koja žele ostati konkurentna morat će ulagati u multiagenske arhitekture sposobne za kompleksne poslovne procese i prediktivnu analitiku – baš poput onih koje pokreće ažurirani GenOS.