V7 агентуудад байгууллагын ой санамж өгдөг нь

Өнөөгийн загварууд нарийн төвөгтэй ажлыг сэтгэн бодож шийдэж чаддаг ч тухайн ажлын цаадах бизнесийн контекстийг автоматаар ойлгодоггүй. Сангийн аль тайлан хамгийн сүүлийнх вэ? Нэг объектыг гурван системд хэрхэн өөр өөрөөр нэрлэсэн бэ?

Энэ контекст баримт бичиг, өгөгдлийн өрөө, хүснэгт, имэйл, дотоод хэрэгслүүдэд тархаж, уялдаа нь тодорхойгүй, агентуудад харагдахгүй үлддэг. Санхүү, даатгал, үл хөдлөх хөрөнгийн багуудын хувьд ажлын урсгал дотроос мэдээллийг нарийн зөв татах нь зайлшгүй шаардлага юм.

Риццоли, Эдвардссон нар өргөн хэрэглэгддэг компьютерын харааны хүртээмжийн аппыг хамтран бүтээснийхээ дараа компаниудад хиймэл оюуны системд бизнесийнхээ ажиллагааг заахад туслахаар 2018 онд V7⁠(шинэ цонхонд нээгдэнэ)-г байгуулсан. V7 Go нь нэн чухал ажлын урсгал үүсгэж, далд контекстийг агентууд асууж, түүнд тулгуурлан үйлдэл хийх боломжтой ой санамж болгон эмхэлдэг агентлаг платформ юм.

V7 Go нь GPT‑5.6 Luna-г ашиглан сая сая файлаас мэдээлэл гарган авч, объект, харилцан хамаарал, эш татсан нотолгоог холбодог Контекстийн графикт эмхэлдэг. Энэ нь MCP хайлт болон хэдэн зуун алхамтай давтагдах ажлын урсгалыг ажиллуулдаг. V7 Go нь ажлын урсгалд GPT‑5.6 Terra болон Sol-ыг ашиглан хүний хэдэн арван цаг зарцуулах нарийн төвөгтэй, олон алхамт зааврыг сэтгэн бодож, хэрэгслээр гүйцэтгэдэг. V7 мөн олон мянган баримт бичгийг хамарсан санхүүгийн шинжилгээ зэрэг Контекстийн графикийн хамгийн өндөр шаардлагатай асуулгад GPT‑6 Astra-г ашиглаж эхэлж байна.

Контекст, загвар, хэрэгслүүд хамтран ажилласнаар агентууд 50–100 алхамтай ажлын урсгалыг 99.9%-ийн нарийвчлалтайгаар хэдхэн минутад дуусгаж, шийдвэр бүрийн шалгаж болох мөрийг хадгалдаг гэж V7 мэдээлэв.

Контекстийн график тодорхой нэг асуудлыг шийддэг. Агентууд хүсэлт бүрд контекстийг дахин илрүүлэх шаардлагатай болдог. Үүний улмаас олон арван хайлт хийж, цаг болон токен зарцуулахаас гадна харилцан хамаарал дунд нуугдсан чухал мэдээллийг орхигдуулах нь элбэг.

Өгөгдөл ирэхэд V7 Go нь SharePoint, Google Drive зэрэг сантай холбогдож, объект, харилцан хамаарал, баримт, шинж чанар, хэмжүүрийг илрүүлэн, урт контекст ашигладаг аргаас арав дахин хямд, хурдан судлах боломжтой графикийг бүрдүүлдэг.

Контекстийн график нь агентуудад шууд асууж ашиглах боломжтой, бүтэцчилсэн, шинэчилсэн бүртгэл өгдөг. Шинэ файл ирэхэд V7 Go нь компани, сан, хүн эсвэл онтологид буй аливаа объектыг тодорхойлж, баримт бүрийг шинэ эсвэл одоо байгаа бүртгэлтэй холбон, эх сурвалжийг нотлох эшлэлийг хадгалдаг. Графикт хангалттай мэдээлэл байхгүй бол V7 Go RAG ашиглан үндсэн баримт бичгүүдээс хайлт хийх боломжтой.

V7 мөн тухайн контекстийн бүтэц хэр чухал болохыг туршсан. Байгууллагын системүүдэд тархсан мэдээллийг олж, холбох HERB жишиг шалгалтад V7-ийн зөвхөн мэдээлэл татах систем албан ёсны суурь үзүүлэлтээс 69%-иар давж, хариулах боломжгүй асуултад хий үзэгдэл үүсгэхийг 38%-иар бууруулсан. V7 Go эх сурвалжтай холбосон энэ контекстийг ашиглан нарийн төвөгтэй ажлын урсгалыг компани бүрийн өөрийн мэдээлэлд тулгуурлуулдаг.

V7 Go энэхүү эмхэлсэн контекстийг хувийн хөрөнгө оруулалтын хэлцлийг шүүх, даатгалын эрсдэлийг үнэлэх зэрэг ажлын урсгалд ашигладаг. Доорх үзүүлэн дээр ажлын урсгал Нууц мэдээллийн санамж бичиг (CIM) нэртэй хэлцлийн баримтаас мэдээлэл гарган авч, санхүүгийн гол үзүүлэлт, хэлцлийн нөхцөл, удирдлагын мэдээллийг оруулж, эрсдэлийн талбаруудыг эшилсний дараа V7 Go урьдчилсан үнэлгээний тэмдэглэл гаргана.

Контекстийн графикийн ачаар загвар компанийн түүхийг тухай бүрд нь дахин суралгүйгээр ашиглах боломжтой. Удаан хугацаанд ажиллах агентуудын хувьд V7 Go сүүлийн харилцан яриаг загварын идэвхтэй контекстэд хадгалж, хуучин материалыг шаардлагатай үед татахын тулд графикт хадгалдаг.

Энэхүү дундын контекст V7-ийн хэрэглэгчдийн баримт бичиг ихтэй ажлыг аль хэдийн хурдасгаж байна:

• Хөрөнгийн менежерүүд хэлцлийг өмнөхөөс 21 дахин хурдан шүүж, бүтэн өдрийн ажлыг ердөө 15 минутад багтаах боломжтой болсон

• Санхүүгийн үйлчилгээний нэг баг хяналтын хугацааг 100 гаруй цагаас 10 хүрэхгүй цаг болгон бууруулж, ажил бүрд шинжээчийн 12,000 ам.долларын зардал хэмнэсэн

• Даатгалын багууд агентууддаа өмнөх бүх нэхэмжлэл, одоогийн бодлогын түүхэн мэдээллийг өгснөөр нэхэмжлэл боловсруулах алдааг гар ажиллагааны суурь үзүүлэлттэй харьцуулахад 13.5%-иар бууруулсан

Олон алхамт, нарийн төвөгтэй ажлын урсгал нь загвар урт зааврыг найдвартай дагаж, хэрэгслүүдийг ажиллуулан, үр дүнг тайлбарлаж, олон дараалсан алхмыг гүйцэтгэхээс хамаардаг. Эхний шатанд гарсан ганц алдаа ч өндөр өртөгтэй үр дагавар үүсгэж, хиймэл оюуны системд итгэх итгэлийг алдагдуулж болно. V7 Go нь детерминист код, жижиг загварт шилжүүлэх, файл үүсгэх алхам, интеграц бүхий урт хугацааны ажлуудыг загвараар гүйцэтгүүлж, ажиллуулалт бүрийн шалгаж болох мөрийг хадгалдаг.

Хиймэл оюунаар үүсгэсэн ажлын урсгалд V7 Go алхам бүрийг хурдан, дунд, ухаалаг түвшний аль нэгэнд хуваарилдаг. GPT‑5.6 Luna нь бүтэцчилсэн өгөгдөл задлах болон бусад их хэмжээний ажлыг гүйцэтгэдэг бол GPT‑5.6 Terra эсвэл Sol нь чат, Go Agent чиглэл, илүү их сэтгэн бодох эсвэл хэрэгсэл ашиглах шаардлагатай алхмуудыг ажиллуулдаг.

V7 шинэ загваруудыг эшлэлийн нарийвчлал, олон зуун төрлийн баримт бичгээс өгөгдөл задлах чанар, хариултын зөв байдал, заавар дагах чадвар, хоцролт, зардал, байгууллагын бодит ажлын урсгалыг хамарсан, тасралтгүй шинэчилдэг жишиг шалгалтын багцаар туршдаг. V7-ийн хамгийн чухалчилдаг үйлдлүүдээр OpenAI ихэнх загвараас илүү үр дүн үзүүлдэг. Мөн OpenAI V7-ийн хүчин чадлаа нэмэх хэрэгцээг хэдхэн цагийн дотор зөвшөөрч, хэрэгжүүлсэн бол V7-ийн ашигладаг бусад нийлүүлэгчид үүнд хэдэн долоо хоног зарцуулдаг.

V7-ийн хамгийн сүүлийн хамгаалалтад хэд хэдэн гадаад дуудлагатай гол ажлын урсгалууд одоо 50% хүртэл хурдан дуусаж байна. V7 GPT‑5.6 Luna-гаар бас нэг үр ашгийн өсөлтийг хэмжсэн: нэг баримт бичигт ногдох зардал GPT‑5.4 mini-тай харьцуулахад 78%-иар бага байв. V7 мөн баримт бичиг ихээр боловсруулдаг V7 Go ажлын ачааллаа чат боловсруулах API-аас Responses API руу шилжүүлсэн. Туршилтаар энэ өөрчлөлт нь PDF ихтэй зарим ажлын урсгалын токен хэрэглээг ойролцоогоор 5%-иар бууруулж, кэшийн найдвартай байдлыг сайжруулсан.

V7 мөн хамгийн хэцүү асуултуудаа GPT‑6 Astra-гаар туршсан. GPT‑5.6 Sol нь V7-ийн одоогийн олон жишиг шалгалтын дээд хязгаарт хүрсэн тул тус компани олон мянган баримт бичгийн илүү эмх замбараагүй, бодит өгөгдлийг ашиглан график асуулгын илүү хэцүү багц бүтээсэн. Туршилтын өгөгдлийн багц дөрвөн түвшний хүндрэлтэй. Маш хэцүү түвшинд GPT‑5.6 Sol 78%, GPT‑6 Astra 89%-ийн нарийвчлалтай ажилласан гэж V7 мэдээлэв. Хоёр загвар хоёулаа хялбар, дунд, хэцүү түвшинд 100%-д ойр оноо авсан.

V7 Go нь Контекстийн графикаас асуух болон өгөгдөл оруулах боломжийг MCP серверээрээ аль хэдийн олгодог тул хэрэглэгчид үүнийг ChatGPT болон бусад нийцтэй клиентээс ашиглаж болно. Тэд мөн Codex дотор MCP-ээр V7 Go ажлын урсгал үүсгэх боломжтой. Ажлын урсгалын загварчлалыг хялбаршуулсантай нийлээд энэ нь дунд зэргийн урттай ажлын урсгал үүсгэх хугацааг нэг цаг орчмоос 20 орчим минут болгож бууруулсан.

V7-ийн урт хугацааны зорилго нь энэхүү дундын ой санамжийг илүү санаачилгатай болгох явдал юм. Тус баг Контекстийн график дахь баримт өөрчлөгдөхөд автоматаар эхэлж, зөрүүг тэмдэглэн, ямар шинжилгээг дахин хянах шаардлагатайг хүмүүст харуулдаг ажлын урсгал бүтээж байна. Жишээлбэл, сангийн тайланг шинэчлэн гаргавал хуучин тоон үзүүлэлтэд тулгуурласан ажлыг тэмдэглэх дохиог V7 Go-д өгч болно.

“Бидний зорилго бол байгууллагуудад нэн чухал ажлыг шийдэх ажлын урсгал, хүнээс ч илүү ой санамжийн тусламжтайгаар хиймэл оюуны эринд зориулан арга хэрэгслээ шинэчлэхэд нь туслах явдал” гэж Риццоли хэлэв. “Хиймэл оюунаас бодит үнэ цэн хүртэх санхүүгийн байгууллагууд хамгийн олон агенттай нь байхгүй. Харин хамгийн сайн контексттэй нь байна.”