AI এজেন্টকে প্রাতিষ্ঠানিক স্মৃতি দেয় V7

আজকের মডেলগুলো জটিল কাজ নিয়ে রিজনিং করতে পারে, কিন্তু সেসব কাজের অন্তর্নিহিত ব্যবসায়িক প্রেক্ষাপট তারা স্বয়ংক্রিয়ভাবে বোঝে না. কোন ফান্ড রিপোর্টটি বর্তমান? তিনটি সিস্টেমে একই এনটিটির নাম কীভাবে দেওয়া হয়েছে?

সেই প্রেক্ষাপট থাকে নথি, ডেটা রুম, স্প্রেডশিট, ইমেইল ও অভ্যন্তরীণ টুলে: ছড়িয়ে-ছিটিয়ে, অমীমাংসিত এবং এজেন্টদের কাছে অদৃশ্য. ফাইন্যান্স, ইনস্যুরেন্স ও রিয়েল এস্টেটের দলগুলোর জন্য ওয়ার্কফ্লোর ভেতরে রিট্রিভালের নির্ভুলতা অপরিহার্য.

বহুল ব্যবহৃত একটি কম্পিউটার ভিশন অ্যাক্সেসিবিলিটি অ্যাপ একসঙ্গে তৈরির পর, কোম্পানিগুলোকে তাদের AI সিস্টেমকে ব্যবসা কীভাবে চলে তা শেখাতে সাহায্য করার জন্য রিজোলি ও এডওয়ার্ডসন ২০১৮ সালে V7⁠(একটি নতুন উইন্ডোতে খোলে) শুরু করেন. V7 Go অতি গুরুত্বপূর্ণ ওয়ার্কফ্লো তৈরির একটি এজেন্টিক প্ল্যাটফর্ম, যা চাপা পড়ে থাকা প্রেক্ষাপটকে এমন স্মৃতিতে সাজায় যাতে এজেন্টরা কোয়েরি করতে ও পদক্ষেপ নিতে পারে.

V7 Go লক্ষ লক্ষ ফাইল থেকে তথ্য বের করতে GPT‑5.6 Luna ব্যবহার করে এবং তা কনটেক্সট গ্রাফে সাজায়; এই গ্রাফ এনটিটি, সম্পর্ক ও উদ্ধৃত প্রমাণকে যুক্ত করে, MCP সার্চ এবং শত শত ধাপজুড়ে চলতে পারে এমন পুনরাবৃত্তিযোগ্য ওয়ার্কফ্লোকে চালিত করে. ওয়ার্কফ্লোর জন্য, V7 Go জটিল, বহু-ধাপের নির্দেশনাজুড়ে রিজনিং ও টুল ব্যবহারে GPT‑5.6 Terra ও Sol ব্যবহার করে, যা শেষ করতে মানুষের ডজন ডজন ঘণ্টা লাগে. V7 সবচেয়ে কঠিন কনটেক্সট গ্রাফ কোয়েরিতেও GPT‑6 Astra ব্যবহার শুরু করছে, যার মধ্যে হাজার হাজার নথিজুড়ে আর্থিক বিশ্লেষণও আছে.

প্রেক্ষাপট, মডেল ও টুল একসঙ্গে কাজ করায়, V7 বলছে এজেন্টরা মিনিটের মধ্যে ৫০–১০০ ধাপের ওয়ার্কফ্লো শেষ করে, ৯৯.৯% নির্ভুলতায় পৌঁছায়, এবং প্রতিটি সিদ্ধান্তের অডিটযোগ্য ট্রেইল বজায় রাখে.

কনটেক্সট গ্রাফ একটি নির্দিষ্ট সমস্যার সমাধান করে. এজেন্টদের প্রতিটি অনুরোধে প্রেক্ষাপট আবার খুঁজে বের করতে হয়, ফলে সময় ও টোকেন খরচ করে ডজন ডজন সার্চ চলে, এবং সম্পর্কের ভেতরে লুকিয়ে থাকা গুরুত্বপূর্ণ তথ্য প্রায়ই বাদ পড়ে যায়.

ডেটা এলে V7 Go SharePoint ও Google Drive-এর মতো রিপোজিটরিতে সংযোগ করে, সেগুলোতে এনটিটি, সম্পর্ক, তথ্য, অ্যাট্রিবিউট ও মেট্রিক স্ক্যান করে, এবং এমন একটি গ্রাফ পূরণ করে যা লং-কনটেক্সট পদ্ধতির তুলনায় ট্রাভার্স করতে প্রায় এক অর্ডার কম খরচসাপেক্ষ ও দ্রুত.

কনটেক্সট গ্রাফ এজেন্টদের সরাসরি কোয়েরি করার মতো একটি কাঠামোবদ্ধ, হালনাগাদ রেকর্ড দেয়. নতুন ফাইল এলে V7 Go কোম্পানি, ফান্ড, ব্যক্তি বা অন্টোলজির যেকোনো এনটিটি শনাক্ত করে, এরপর প্রতিটি তথ্যকে নতুন বা বিদ্যমান রেকর্ডের সঙ্গে যুক্ত করে এবং উদ্ধৃত প্রমাণকে মূল উৎসের সঙ্গে সংরক্ষণ করে. গ্রাফে পর্যাপ্ত তথ্য না থাকলে V7 Go তবু RAG দিয়ে অন্তর্নিহিত নথিগুলোতে সার্চ করতে পারে.

V7 আরও পরীক্ষা করেছে ওই প্রেক্ষাপটের কাঠামো কতটা গুরুত্বপূর্ণ. এন্টারপ্রাইজ সিস্টেমজুড়ে ছড়িয়ে থাকা তথ্য খুঁজে বের করা ও যুক্ত করার বেঞ্চমার্ক HERB-এ, V7-এর শুধু-রিট্রিভাল সিস্টেম অফিসিয়াল বেসলাইনকে ৬৯% ছাড়িয়ে গেছে এবং উত্তরহীন কোয়েরিতে হ্যালুসিনেশন ৩৮% কমিয়েছে. V7 Go সেই উৎস-সংযুক্ত প্রেক্ষাপট ব্যবহার করে জটিল ওয়ার্কফ্লোকে প্রতিটি কোম্পানির নিজস্ব তথ্যের ভিত্তিতে রাখে.

V7 Go প্রাইভেট ইকুইটি ডিল স্ক্রিনিং ও ইনস্যুরেন্স আন্ডাররাইটিংয়ের মতো ওয়ার্কফ্লোতে সেই সংগঠিত প্রেক্ষাপট ব্যবহার করে. নিচের ডেমোতে, একটি ওয়ার্কফ্লো Confidential Information Memorandum (CIM) নামের ডিল নথি থেকে তথ্য বের করে, গুরুত্বপূর্ণ আর্থিক তথ্য, ডিলের শর্ত, ব্যবস্থাপনা-সংক্রান্ত বিবরণ এবং ঝুঁকি ক্ষেত্রের উদ্ধৃতি যোগ করে, এরপর V7 Go একটি স্ক্রিনিং নোট তৈরি করে.

কনটেক্সট গ্রাফের ফলে একটি মডেল প্রতিবার নতুন করে না শিখেই কোনো প্রতিষ্ঠানের ইতিহাস নিয়ে কাজ করতে পারে. দীর্ঘমেয়াদি এজেন্টের জন্য V7 Go সাম্প্রতিক আদান-প্রদান মডেলের সক্রিয় প্রেক্ষাপটে রাখে এবং পুরনো উপাদান গ্রাফে সংরক্ষণ করে, যাতে প্রয়োজন হলে তা ফের আনা যায়.

এই শেয়ার করা প্রেক্ষাপট ইতিমধ্যেই V7-এর গ্রাহকদের নথিনির্ভর কাজ দ্রুত করছে:

• অ্যাসেট ম্যানেজাররা আগের চেয়ে ২১ গুণ দ্রুত ডিল স্ক্রিন করতে পারে, ফলে সারাদিনের প্রক্রিয়া কমে মাত্র ১৫ মিনিটে আসে

• একটি ফাইন্যান্সিয়াল সার্ভিসেস দল রিভিউ সময় ১০০ ঘণ্টার বেশি থেকে ১০ ঘণ্টার নিচে নামিয়েছে, এতে প্রতি কাজে বিশেষজ্ঞ খরচে $12,000 সাশ্রয় হয়েছে

• এজেন্টদের আগের সব ক্লেইম ও বিদ্যমান পলিসির ঐতিহাসিক জ্ঞান দেওয়ার পর, ইনস্যুরেন্স দলগুলো ম্যানুয়াল বেসলাইনের তুলনায় ক্লেইম প্রসেসিংয়ের ভুল ১৩.৫% কমিয়েছে

জটিল, বহু-ধাপের ওয়ার্কফ্লো নির্ভর করে একটি মডেল কতটা নির্ভরযোগ্যভাবে দীর্ঘ নির্দেশনা অনুসরণ করতে, টুল চালাতে, ফলাফল ব্যাখ্যা করতে এবং অনেক ধাপ পেরোতে পারে তার ওপর. শুরুতেই একটি ভুলের কারণে ব্যয়বহুল পরিণতি হতে পারে এবং AI সিস্টেমের প্রতি আস্থা নষ্ট হতে পারে. V7 Go দীর্ঘমেয়াদি কাজজুড়ে মডেলকে পথ দেখায়, যেখানে নির্ধারিত কোড, ছোট মডেলে হ্যান্ডওভার, ফাইল তৈরির ধাপ ও ইন্টিগ্রেশন থাকে, এবং প্রতিটি রান অডিটযোগ্যভাবে ট্রেস করা যায়.

AI-উৎপন্ন ওয়ার্কফ্লোতে V7 Go প্রতিটি ধাপকে দ্রুত, মাঝারি ও স্মার্ট স্তরে ম্যাপ করে. GPT‑5.6 Luna কাঠামোবদ্ধ এক্সট্র্যাকশন ও অন্যান্য উচ্চ-পরিমাণের কাজ সামলায়, আর GPT‑5.6 Terra বা Sol চ্যাট, Go এজেন্ট পথ এবং বেশি রিজনিং বা টুল ব্যবহারের দরকার হয় এমন ধাপ চালায়.

V7 নতুন মডেলগুলোকে ধারাবাহিকভাবে রক্ষণাবেক্ষণ করা একটি বেঞ্চমার্ক স্যুইটের বিপরীতে পরীক্ষা করে, যেখানে উদ্ধৃতির নির্ভুলতা, শত শত নথি ধরনের এক্সট্র্যাকশন মান, উত্তরের সঠিকতা, নির্দেশনা অনুসরণ, লেটেন্সি, খরচ এবং বাস্তব এন্টারপ্রাইজ ওয়ার্কফ্লো অন্তর্ভুক্ত. V7 যে আচরণগুলোকে সবচেয়ে বেশি গুরুত্ব দেয়, সেগুলোতে OpenAI বেশিরভাগ মডেলের চেয়ে ভালো করে. V7 ব্যবহৃত অন্যান্য প্রোভাইডারের যেখানে কয়েক সপ্তাহ লেগেছে, সেখানে OpenAI কয়েক ঘণ্টার মধ্যেই V7-এর সক্ষমতা বাড়ানোর প্রয়োজন অনুমোদন ও বাস্তবায়ন করেছে.

V7-এর সর্বশেষ কার্যপরিধিতে, একাধিক বাহ্যিক কলসহ গুরুত্বপূর্ণ ওয়ার্কফ্লো এখন ৫০% পর্যন্ত দ্রুত শেষ হয়. V7 GPT‑5.6 Luna দিয়ে আরেকটি দক্ষতা বৃদ্ধি পরিমাপ করেছে: GPT‑5.4 mini-এর তুলনায় প্রতি নথিতে ৭৮% কম খরচ. V7 তার নথিনির্ভর V7 Go ওয়ার্কলোডগুলো চ্যাট কমপ্লিশন্স API থেকে Responses API-তেও সরিয়ে নিয়েছে. তাদের পরীক্ষায়, এই পরিবর্তন কিছু PDF-নির্ভর ওয়ার্কফ্লোতে টোকেন ব্যবহার প্রায় ৫% কমিয়েছে এবং ক্যাশিংয়ের নির্ভরযোগ্যতা বাড়িয়েছে.

V7 তার সবচেয়ে কঠিন কোয়েরিগুলোতেও GPT‑6 Astra পরীক্ষা করেছে. GPT‑5.6 Sol V7-এর বিদ্যমান অনেক বেঞ্চমার্কে সর্বোচ্চ সীমায় পৌঁছে গিয়েছিল, তাই কোম্পানিটি হাজার হাজার নথির আরও অগোছালো, বাস্তব ডেটা ব্যবহার করে গ্রাফ-কোয়েরি প্রশ্নের আরও কঠিন একটি সেট তৈরি করে. পরীক্ষার ডেটাসেটটি চারটি কঠিনতার স্তরজুড়ে বিস্তৃত. খুব কঠিন স্তরে, V7 জানিয়েছে GPT‑5.6 Sol ৭৮% স্কোর করেছে, আর GPT‑6 Astra ৮৯% নির্ভুলতা পেয়েছে. সহজ, মাঝারি ও কঠিন স্তরে দুই মডেলই প্রায় ১০০% স্কোর করেছে.

V7 Go ইতিমধ্যেই তার MCP সার্ভারের মাধ্যমে কনটেক্সট গ্রাফ কোয়েরি ও ইনজেশন উন্মুক্ত করে, তাই গ্রাহকেরা ChatGPT এবং অন্যান্য সামঞ্জস্যপূর্ণ ক্লায়েন্ট থেকে এটি ব্যবহার করতে পারেন. তারা Codex-এ MCP-এর মাধ্যমে V7 Go ওয়ার্কফ্লোও তৈরি করতে পারেন. সহজতর ওয়ার্কফ্লো ডিজাইনের সঙ্গে মিলিয়ে, এতে মাঝারি দৈর্ঘ্যের একটি ওয়ার্কফ্লো তৈরি করার সময় প্রায় এক ঘণ্টা থেকে কমে প্রায় ২০ মিনিটে এসেছে.

V7-এর দীর্ঘমেয়াদি লক্ষ্য হলো ওই শেয়ার করা স্মৃতিকে আরও সক্রিয় করে তোলা. দলটি এমন ওয়ার্কফ্লোর দিকে কাজ করছে, যা কনটেক্সট গ্রাফে তথ্য বদলালে শুরু হবে, অসঙ্গতি চিহ্নিত করবে এবং কোন বিশ্লেষণ আবার দেখা দরকার তা মানুষকে দেখাবে. যেমন, কোনো ফান্ড রিপোর্ট পুনরায় প্রকাশিত হলে V7 Go এমন কাজ চিহ্নিত করতে পারে যা এখনও পুরনো সংখ্যার ওপর নির্ভর করছে.

“আমাদের লক্ষ্য হলো এন্টারপ্রাইজগুলোকে AI যুগের জন্য নতুনভাবে টুলসজ্জিত করতে সাহায্য করা, এমন ওয়ার্কফ্লো দিয়ে যা অতি গুরুত্বপূর্ণ কাজ সমাধান করে, এবং এমন স্মৃতি দিয়ে যা আমাদের মানুষদেরও ছাড়িয়ে যায়,” বলেন রিজোলি. “AI থেকে বাস্তব মূল্য পাওয়া ফাইন্যান্স প্রতিষ্ঠানগুলো সবচেয়ে বেশি এজেন্ট থাকা প্রতিষ্ঠান হবে না. তারা হবে সেরা প্রেক্ষাপট থাকা প্রতিষ্ঠান.”