Netomi агент системийг байгууллагад тэлсэн сургамжууд

Байгууллагууд AI агентуудыг эмх замбараагүй ажлын урсгалыг найдвартай зохицуулж, бодлогыг анхнаасаа мөрдөж, өндөр ачаалал дор ажиллаж, хийснээ ил тод харуулахыг шаарддаг.

Netomi⁠⁠(шинэ цонхонд нээгдэнэ) нь United Airlines, DraftKings зэрэг Fortune 500 хэрэглэгчдэд үйлчилж, энэ өндөр шалгуурыг хангах системүүдийг бүтээдэг. Тэдний платформ нь бага сааталтай, найдвартай хэрэгсэл ашиглалтад GPT‑4.1-ийг, илүү гүнзгий олон алхамт төлөвлөлтөнд GPT‑5.2-ыг хослуулан, бодит үйлдвэрлэлийн нөхцөлд загвараар удирдуулсан үйлдлийг урьдчилан таамаглахуйц байлгах засаглалтай гүйцэтгэлийн давхаргад ажиллуулдаг.

Ийм хэмжээний агент систем ажиллуулсан туршлага нь байгууллагын орчинд ийм нэвтрүүлэлтийг амжилттай болгодог зүйлийн зураглалыг Netomi-д өгсөн.

Байгууллагын нэг хүсэлт нэг API-тай ховорхон шууд таардаг. Бодит ажлын урсгалууд захиалгын хөдөлгүүр, үнэнч хэрэглэгчийн өгөгдлийн сан, CRM систем, бодлогын логик, төлбөр, мэдлэгийн эх сурвалжуудыг хамардаг. Өгөгдөл нь ихэвчлэн дутуу, зөрчилтэй эсвэл цаг хугацаанд мэдрэмтгий байдаг. Эмзэг урсгалд тулгуурласан системүүд ийм хувьсамтгай байдлын дор нуран унадаг.

Netomi өөрийн Agentic OS-оо OpenAI загваруудыг ийм түвшний тодорхойгүй байдалд зориулсан засаглалтай зохион байгуулалтын дамжлагын төвд байрлуулахаар зохион бүтээсэн. Платформ нь бодит цагийн ажлын урсгалд чухал хурдан, найдвартай сэтгэн бодох ба хэрэгсэл дуудах чадварт GPT‑4.1-ийг, харин олон алхамт төлөвлөлт эсвэл илүү гүн сэтгэн бодох шаардлагатай үед GPT‑5.2-ыг ашигладаг.

Урт, төвөгтэй даалгаврын турш агентын зан төлөвийг тогтвортой байлгахын тулд Netomi OpenAI-гийн зөвлөсөн агент өгөгдөл өгөх хэв маягийг дагадаг:

• Тууштай байдлын сануулга нь GPT‑5.2-т урт, олон алхамт ажлын урсгал даяар сэтгэн бодохоо хадгалахад тусалдаг
• Хэрэгсэл ашиглах тодорхой хүлээлт нь гүйлгээний ажиллагааны үед баталгаатай мэдээлэл авахын тулд GPT‑4.1-ийг хэрэгсэл дуудах чиглэлд хөтлөж, хийсвэр хариултыг дардаг
• Бүтэцлэсэн төлөвлөлт нь GPT‑5.2-ын илүү гүн сэтгэн бодох чадварыг ашиглан олон алхамт даалгаврыг тоймлон хэрэгжүүлдэг
• Агентаар удирдуулсан баялаг медиа шийдвэр нь хэрэгсэл дуудах үед зураг, видео, маягт эсвэл бусад баялаг multimodal элемент буцаах ёстойг илрүүлж дохиолохдоо GPT‑5.2-т тулгуурладаг

Эдгээр хэв маяг нь загварт бүтэцгүй хүсэлтийг олон алхамт ажлын урсгалтай найдвартай холбож, тасалдсан харилцаануудын турш төлөвийг хадгалахад тусалдаг.

Олон алхамт сэтгэн бодох хэрэгцээг агаарын тээвэр шиг тод харуулдаг салбар цөөн. Энд нэг харилцаа нь тогтмол олон систем, бодлогын давхаргыг хамардаг. Нэг асуулт тийзийн дүрэм шалгах, үнэнч хэрэглэгчийн хөнгөлөлтийг дахин тооцоолох, тийзийн өөрчлөлт эхлүүлэх, нислэгийн ажиллагаатай уялдуулахыг шаардаж болно.

“Агаарын тээвэрт нөхцөл байдал минут тутам өөрчлөгддөг. AI нь зөвхөн тусгаарлагдсан даалгавар гүйцэтгэх биш, хэрэглэгч ямар нөхцөлд байгааг ойлгон сэтгэх ёстой” гэж Мехта хэлэв. “Тиймээс нөхцөл байдлын мэдрэмж нь зүгээр л ажлын урсгалаас хавьгүй чухал, мөн контекстоор удирдуулсан ансамбль архитектур зайлшгүй хэрэгтэй.”

GPT‑4.1 ба GPT‑5.2-оор Netomi эдгээр хэв маягийг илүү баялаг олон алхамт автоматжуулалт руу өргөжүүлсээр байна—загваруудыг зөвхөн асуултад хариулахад бус, даалгавар төлөвлөх, үйлдлийн дараалал тогтоох, томоохон агаарын тээврийн компанийн түшиглэдэг backend системүүдийг уялдуулахад ашиглаж байна.

Өндөр дарамттай мөчүүдэд—шуурганы үеийн дахин захиалга, төлбөрийн асуудал шийдэх, эсвэл эрэлтийн огцом өсөлтийг зохицуулах үед—эрэгтэйзсэн системийг хэрэглэгчид орхино. Саатал итгэлийг тодорхойлдог.

Ихэнх AI систем дараалсан байдлаар ажил гүйцэтгэдэг тул бүтэлгүйтдэг: ангилах → татах → баталгаажуулах → хэрэгсэл дуудах → гаралт үүсгэх. Харин Netomi нь GPT‑4.1-ийн бага сааталтай стрийминг ба хэрэгсэл дуудах тогтвортой байдлыг ашиглан зэрэгцээ ажиллагаанд зориулан зохион бүтээсэн.

GPT‑4.1 нь эхний токен хүртэл хурдан хугацаа, урьдчилан таамаглахуйц хэрэгсэл дуудах зан төлөвөөрөө энэ архитектурыг хэмжээнд хэрэгжих боломжтой болгодог; хэрэгтэй үед GPT‑5.2 илүү гүн олон алхамт сэтгэн бодох замыг өгдөг. Netomi-ийн зэрэгцээ ажиллагааны хүрээ нь зөвхөн загвар бус, нийт систем ч чухал саатлын босгоос доогуур байхыг хангадаг.

Эдгээр зэрэгцээ ажиллагааны шаардлага зөвхөн агаарын тээвэрт хамаарахгүй. Гэнэтийн, туйлын их урсгалд өртдөг ямар ч систем ижил архитектурын сахилга бат шаарддаг. Жишээлбэл DraftKings нь томоохон спортын арга хэмжээний үеэр секундэд 40,000-аас дээш зэрэгцээ хэрэглэгчийн хүсэлтээр тогтмол ачааллын шалгалт хийдэг.

Ийм арга хэмжээний үед Netomi нь ажлын урсгал данс, төлбөр, мэдлэгийн хайлт, зохицуулалтын шалгалтыг хамарч байсан ч 98%-ийн зорилгын ангиллын нарийвчлалтай, гурван секундээс доош хариуг хадгалж чадсан.

“AI бол хамгийн чухал мөчүүдэд хэрэглэгчдээ дэмжих бидний арга барилын төв, чухал хэсэг” гэж DraftKings-ийн Үйл ажиллагаа хариуцсан Ерөнхийлөгч, хамтран үүсгэн байгуулагч Пол Либерман хэлэв. “Netomi-ийн платформ бидэнд асар их идэвхжлийн огцом өсөлтийг уян хатан, нарийн зохицуулахад тусалдаг.”

Их хэмжээнд Netomi-ийн зэрэгцээ ажиллагааны загвар нь GPT‑4.1-ийн хурдан, урьдчилан таамаглахуйц хэрэгсэл дуудах чадварт тулгуурладаг бөгөөд энэ нь олон алхамт ажлын урсгалыг туйлын ачаалал дор ч хариу үйлдэлтэй байлгадаг.

Байгууллагын AI нь анхнаасаа итгэл төрүүлэхүйц байх ёстой бөгөөд засаглал нь гаднаас нэмсэн давхарга бус, runtime дотор шууд сүлжигдсэн байх хэрэгтэй.

Зорилгын итгэлцлийн түвшин босгоос доошлох, эсвэл хүсэлтийг өндөр итгэлтэйгээр ангилж чадахгүй үед Netomi-ийн засаглалын механизм ажиллаж, хүсэлтийг хэрхэн боловсруулахыг шийдэн, системийг чөлөөт хэлбэрийн үүсгэхээс хянагдсан гүйцэтгэлийн зам руу ухрахыг хангадаг.

Техникийн түвшинд засаглалын давхарга нь дараахыг хариуцдаг:

• Схем баталгаажуулалт, гүйцэтгэхээс өмнө хэрэгсэл бүрийн дуудлагыг хүлээгдэж буй аргумент болон OpenAPI гэрээтэй тулган шалгана
• Бодлого мөрдүүлэлт нь сэдвийн шүүлтүүр, брэндийн хязгаарлалт, нийцлийн шалгалтыг сэтгэн бодох болон хэрэгсэл ашиглах явцад inline-аар хэрэгжүүлдэг
• PII хамгаалалт нь урьдчилсан боловсруулалт ба хариу боловсруулахын хүрээнд эмзэг өгөгдлийг илрүүлж халхалдаг
• Тодорхой fallback, зорилго, өгөгдөл эсвэл хэрэгсэл дуудах нь тодорхойгүй үед танил, аюулгүй зан төлөв рүү буцаан чиглүүлдэг
• Runtime ажиглагдах байдал, токены мөр, сэтгэн бодох алхам, хэрэгслийн гинжин логийг бодит цагт шалгах, алдаа засахад нээж өгдөг

Шүдний даатгал зэрэг өндөр зохицуулалттай салбарт ийм төрлийн засаглал нь зайлшгүй. Даатгалын салбар дахь Netomi-ийн нэг хэрэглэгч бүх 50 муж даяар жил бүр бараг хоёр сая үйлчилгээ үзүүлэгчийн хүсэлтийг боловсруулдаг бөгөөд үүнд эрхийн шалгалт, тэтгэмжийн мэдээлэл, нэхэмжлэлийн төлөвийн лавлагаа багтана. Энд нэг буруу хариулт дараагийн шатны зохицуулалтын эсвэл үйлчилгээний эрсдэл үүсгэж болно.

Нээлттэй бүртгэлийн үеэр хяналт ба хэмжээ дээд цэгтээ хүрэхэд тус компанид бодлогыг runtime-ийнхаа нэг хэсэг болгон мөрдүүлдэг AI хэрэгтэй болсон. Netomi-ийн архитектур энэ төвөгтэй шаардлагыг хангаж чадсан.

“Бид системээ агент тодорхойгүй байдалд хүрсэн тохиолдолд хэрхэн аюулгүй ухрахаа яг таг мэддэг байхаар бүтээсэн” гэж Мехта хэлэв. “Засаглал нь гаднаас бэхэлсэн зүйл биш—runtime-ийн нэг хэсэг.”

Netomi-ийн замнал нь байгууллагын итгэлийг олж авахад юу хэрэгтэйг харуулж байна: төвөгтэй байдалд зориулан бүтээ, саатлын шаардлагыг хангахын тулд зэрэгцүүл, засаглалыг ажлын урсгал бүрт шингээ. OpenAI загварууд сэтгэн бодох үндсэн тулгуур болж, харин Netomi-ийн системийн инженерчлэл нь оюуныг үйл ажиллагааны хувьд аюулгүй, аудитлагдахуйц, Fortune 500 орчинд бэлэн байлгадаг.

Эдгээр зарчим нь Netomi-д дэлхийн хамгийн өндөр шаардлагатай салбаруудын заримд тэлэхэд тусалсан бөгөөд агент AI-г үйлдвэрлэлийн түвшний дэд бүтэц болгохыг хүсэж буй ямар ч стартапт зураглал болж өгдөг.

Fortune 500 орчинд агент систем нэвтрүүлэхэд хурд, нарийвчлал, суурь засаглал шаардлагатай. Netomi-ийн архитектур энэ гурвыг бүгдийг нь хангаж, туйлын их урсгал болон төвөгтэй олон алхамт ажлын урсгалын үед ч гүйцэтгэлээ хадгалдаг.

• Их ачааллын үеэр гурван секундээс доош хариу үзүүлсэн
• Их хэмжээнд 98%-ийн зорилгын ангиллын нарийвчлалыг хадгалсан
• Секундэд 40,000-аас дээш зэрэгцээ хэрэглэгчийн хүсэлтийн огцом өсөлтийг зохицуулсан
• Тодорхой fallback ба бодлого мөрдүүлэлттэйгээр засаглалыг runtime дотор шууд шингээсэн