AI ఏజెంట్‌లకు V7 సంస్థాగత జ్ఞాపకశక్తిని అందించే విధానం

నేటి మోడల్‌లు సంక్లిష్ట పనులపై రీజనింగ్ చేయగలవు. కానీ ఆ పనుల వెనుకనున్న వ్యాపార సందర్భాన్ని అవి స్వయంచాలకంగా అర్థం చేసుకోవు. ప్రస్తుత నిధి నివేదిక ఏది? ఒకే అంశానికి మూడు వ్యవస్థల్లో ఏయే పేర్లు ఉన్నాయి?

ఆ సందర్భం పత్రాలు, డేటా గదులు, గణన పట్టికలు, ఇమెయిల్‌లు, అంతర్గత సాధనాల్లో చెల్లాచెదురుగా, పరిష్కారం కాని రూపంలో, ఏజెంట్‌లకు కనిపించకుండా ఉంటుంది. ఆర్థిక, బీమా, స్థిరాస్తి రంగాల బృందాలకు కార్యప్రవాహాల్లో సమాచార పునరుద్ధరణ కచ్చితత్వం తప్పనిసరి.

విస్తృతంగా ఉపయోగించే కంప్యూటర్ దృష్టి సౌలభ్య అనువర్తనాన్ని కలిసి రూపొందించిన తర్వాత, కంపెనీలు తమ వ్యాపారాలు ఎలా పనిచేస్తాయో AI వ్యవస్థలకు నేర్పడంలో సహాయపడేందుకు రిజోలీ, ఎడ్వర్డ్‌సన్ 2018లో V7⁠(కొత్త విండోలో తెరుచుకుంటుంది)ను ప్రారంభించారు. V7 Go అత్యంత కీలకమైన కార్యప్రవాహాలను రూపొందించే ఏజెంట్ ఆధారిత వేదిక. ఇది దాగి ఉన్న సందర్భాన్ని ఏజెంట్‌లు ప్రశ్నించి, చర్యలు తీసుకోగల జ్ఞాపకశక్తిగా క్రమబద్ధీకరిస్తుంది.

లక్షలాది ఫైళ్ల నుంచి సమాచారాన్ని సంగ్రహించి, అంశాలు, సంబంధాలు, ఉల్లేఖిత ఆధారాలను అనుసంధానించే సందర్భ గ్రాఫ్‌లో క్రమబద్ధీకరించడానికి V7 Go, GPT‑5.6 Lunaను ఉపయోగిస్తుంది. ఇది MCP శోధనకు, వందల దశల వరకు సాగే పునరావృత కార్యప్రవాహాలకు శక్తినిస్తుంది. మనుషులు పూర్తి చేయడానికి పదుల గంటలు పట్టే సంక్లిష్ట, బహుళ దశల సూచనల్లో రీజనింగ్, సాధనాల వినియోగం కోసం V7 Go కార్యప్రవాహాలు GPT‑5.6 Terra, Solలను ఉపయోగిస్తాయి. వేలాది పత్రాల్లో ఆర్థిక విశ్లేషణతో సహా అత్యంత క్లిష్టమైన సందర్భ గ్రాఫ్ ప్రశ్నలపై GPT‑6 Astraను కూడా V7 ఉపయోగించడం ప్రారంభిస్తోంది.

సందర్భం, మోడల్‌లు, సాధనాలు కలిసి పనిచేయడంతో ఏజెంట్‌లు 50–100 దశల కార్యప్రవాహాలను నిమిషాల్లో పూర్తి చేసి, 99.9% కచ్చితత్వాన్ని సాధిస్తున్నాయని V7 తెలిపింది. అదే సమయంలో తీసుకున్న ప్రతి నిర్ణయానికి తనిఖీ చేయగల రికార్డును నిర్వహిస్తోంది.

సందర్భ గ్రాఫ్ ఒక నిర్దిష్ట సమస్యను పరిష్కరిస్తుంది. ప్రతి అభ్యర్థనకూ ఏజెంట్‌లు సందర్భాన్ని మళ్లీ కనుగొనాల్సి వస్తుంది. దీనివల్ల సమయం, టోకెన్‌లు ఖర్చయ్యేలా పదుల సంఖ్యలో శోధనలు చేయాల్సి రావడమే కాకుండా, సంబంధాల్లో దాగిన కీలక సమాచారం తరచూ కనిపించకుండా పోతుంది.

డేటా వచ్చినప్పుడు V7 Go, SharePoint మరియు Google Drive వంటి భాండాగారాలకు అనుసంధానమై, వాటిలోని అంశాలు, సంబంధాలు, వాస్తవాలు, లక్షణాలు, కొలమానాలను గుర్తిస్తుంది. ఆపై సుదీర్ఘ సందర్భ పద్ధతులతో పోలిస్తే చాలా తక్కువ ఖర్చుతో, వేగంగా అన్వేషించగల గ్రాఫ్‌ను నింపుతుంది.

ఏజెంట్‌లు నేరుగా ప్రశ్నించగల నిర్మాణాత్మక, తాజా రికార్డును సందర్భ గ్రాఫ్ అందిస్తుంది. కొత్త ఫైల్ వచ్చినప్పుడు V7 Go కంపెనీలు, నిధులు, వ్యక్తులు లేదా అస్తిత్వ వర్గీకరణలోని ఏ అంశాన్నైనా గుర్తిస్తుంది. తర్వాత ప్రతి వాస్తవాన్ని కొత్త లేదా ఇప్పటికే ఉన్న రికార్డుకు అనుసంధానించి, అసలు మూలానికి సంబంధించిన ఉల్లేఖిత ఆధారాన్ని భద్రపరుస్తుంది. గ్రాఫ్‌లో తగినంత సమాచారం లేకపోయినా, RAGతో అంతర్లీన పత్రాలను V7 Go శోధించగలదు.

ఆ సందర్భ నిర్మాణం ఎంత ముఖ్యమో కూడా V7 పరీక్షించింది. వ్యాపార వ్యవస్థల్లో విస్తరించిన సమాచారాన్ని కనుగొని అనుసంధానించేందుకు ఉపయోగించే HERB ప్రమాణ పరీక్షలో, కేవలం సమాచార పునరుద్ధరణపై ఆధారపడిన V7 వ్యవస్థ అధికారిక ప్రాథమిక ప్రమాణాన్ని 69% అధిగమించింది. సమాధానం ఇవ్వలేని ప్రశ్నలపై కల్పిత సమాధానాలను 38% తగ్గించింది. సంక్లిష్ట కార్యప్రవాహాలు ప్రతి కంపెనీ సొంత సమాచారంపైనే ఆధారపడేలా V7 Go ఆ మూలాలకు అనుసంధానమైన సందర్భాన్ని ఉపయోగిస్తుంది.

ప్రైవేట్ ఈక్విటీ ఒప్పందాల పరిశీలన, బీమా పూచీకత్తు మదింపు వంటి కార్యప్రవాహాల్లో V7 Go ఆ క్రమబద్ధమైన సందర్భాన్ని ఉపయోగిస్తుంది. దిగువ ప్రదర్శనలో, ఒక కార్యప్రవాహం రహస్య సమాచార నివేదిక (CIM) అనే ఒప్పంద పత్రం నుంచి సమాచారాన్ని సంగ్రహిస్తుంది. కీలక ఆర్థిక వివరాలు, ఒప్పంద నిబంధనలు, నిర్వహణ వివరాలను అందించి, ప్రమాద అంశాలకు మూలాలను ఉల్లేఖించిన తర్వాత V7 Go పరిశీలన గమనికను రూపొందిస్తుంది.

ప్రతిసారీ మళ్లీ నేర్చుకోవాల్సిన అవసరం లేకుండానే మోడల్ ఒక సంస్థ చరిత్రతో పనిచేయడానికి సందర్భ గ్రాఫ్ వీలు కల్పిస్తుంది. దీర్ఘకాలం పనిచేసే ఏజెంట్‌ల కోసం ఇటీవలి సంభాషణలను మోడల్ క్రియాశీల సందర్భంలో V7 Go ఉంచుతుంది. పాత విషయాలను అవసరమైనప్పుడు తిరిగి పొందేందుకు గ్రాఫ్‌లో నిల్వ చేస్తుంది.

ఆ ఉమ్మడి సందర్భం ఇప్పటికే V7 వినియోగదారుల పత్రాధారిత పనిని వేగవంతం చేస్తోంది:

• ఆస్తి నిర్వాహకులు ఇప్పుడు ఒప్పందాలను మునుపటికంటే 21 రెట్లు వేగంగా పరిశీలించగలరు. రోజంతా పట్టే ప్రక్రియను కేవలం 15 నిమిషాలకు తగ్గించగలరు.

• ఒక ఆర్థిక సేవల బృందం సమీక్ష సమయాన్ని 100 గంటలకు పైగా ఉన్న స్థాయి నుంచి 10 గంటలలోపుకు తగ్గించి, ప్రతి పనిపై నిపుణుల ఖర్చులో $12,000 ఆదా చేసింది.

• గత క్లెయిమ్‌లు, ప్రస్తుత పాలసీల చారిత్రక సమాచారాన్ని ఏజెంట్‌లకు అందించిన తర్వాత, బీమా బృందాలు మానవీయ ప్రాథమిక ప్రమాణంతో పోలిస్తే క్లెయిమ్‌ల నిర్వహణలో తప్పులను 13.5% తగ్గించాయి.

సంక్లిష్టమైన, బహుళ దశల కార్యప్రవాహాలు మోడల్ సుదీర్ఘ సూచనలను విశ్వసనీయంగా అనుసరించడం, సాధనాలను అమలు చేయడం, ఫలితాలను అర్థం చేసుకోవడం, అనేక దశలను పూర్తి చేయడంపై ఆధారపడతాయి. ప్రారంభ దశలో జరిగే ఒక్క తప్పు కూడా భారీ నష్టాలకు దారితీసి, AI వ్యవస్థలపై నమ్మకాన్ని దెబ్బతీయగలదు. నిర్దిష్ట కోడ్, చిన్న మోడల్‌లకు అప్పగింతలు, ఫైల్ సృష్టి దశలు, అనుసంధానాలతో కూడిన దీర్ఘకాలిక పనుల్లో V7 Go మోడల్‌లకు మార్గనిర్దేశం చేస్తుంది. ప్రతి అమలును తనిఖీ చేయగల రికార్డునూ అందిస్తుంది.

AI రూపొందించిన కార్యప్రవాహాల్లో ప్రతి దశను V7 Go వేగవంతమైన, మధ్యస్థ, తెలివైన అంచెలకు కేటాయిస్తుంది. నిర్మాణాత్మక సమాచార సంగ్రహణతో పాటు పెద్ద పరిమాణంలోని ఇతర పనులను GPT‑5.6 Luna నిర్వహిస్తుంది. చాట్, Go ఏజెంట్ మార్గం, మరింత రీజనింగ్ లేదా సాధనాల వినియోగం అవసరమైన దశలకు GPT‑5.6 Terra లేదా Sol శక్తినిస్తాయి.

ఉల్లేఖనాల కచ్చితత్వం, వందల రకాల పత్రాల్లో సంగ్రహణ నాణ్యత, సమాధానాల కచ్చితత్వం, సూచనల అనుసరణ, ప్రతిస్పందన సమయం, ఖర్చు, వాస్తవ వ్యాపార కార్యప్రవాహాలను పరిశీలించే నిరంతర నిర్వహణలోని ప్రమాణ పరీక్షల సమాహారంతో V7 కొత్త మోడల్‌లను పరీక్షిస్తుంది. V7 అత్యంత ప్రాధాన్యమిచ్చే ప్రవర్తనల్లో OpenAI చాలా మోడల్‌లకంటే మెరుగ్గా పనిచేస్తుంది. V7 ఉపయోగించే ఇతర ప్రదాతలకు వారాలు పట్టగా, సామర్థ్యాన్ని పెంచాలన్న V7 అవసరాలను OpenAI కొన్ని గంటల్లోనే ఆమోదించి అమలు చేసింది.

V7 తాజా హార్నెస్‌లో అనేక బాహ్య అభ్యర్థనలతో కూడిన కీలక కార్యప్రవాహాలు ఇప్పుడు గరిష్ఠంగా 50% వేగంగా పూర్తవుతున్నాయి. GPT‑5.6 Lunaతో V7 మరో సామర్థ్య మెరుగుదలను గుర్తించింది: GPT‑5.4 miniతో పోలిస్తే ఒక్కో పత్రం ఖర్చు 78% తగ్గింది. పత్రాలపై ఎక్కువగా ఆధారపడే V7 Go పనిభారాలను కూడా V7 చాట్ కంప్లీషన్స్ API నుంచి Responses APIకి మార్చింది. దాని పరీక్షల్లో ఈ మార్పు, PDFలపై ఎక్కువగా ఆధారపడే కొన్ని కార్యప్రవాహాల్లో టోకెన్ వినియోగాన్ని సుమారు 5% తగ్గించడంతో పాటు తాత్కాలిక నిల్వ విశ్వసనీయతను మెరుగుపరిచింది.

అత్యంత క్లిష్టమైన ప్రశ్నలపై GPT‑6 Astraను కూడా V7 పరీక్షించింది. V7 ప్రస్తుత ప్రమాణ పరీక్షల్లో చాలా వరకు GPT‑5.6 Sol అత్యుత్తమ స్థాయిని చేరింది. అందుకే వేలాది పత్రాల్లోని అవ్యవస్థిత వాస్తవ డేటాను ఉపయోగించి మరింత సవాలుతో కూడిన గ్రాఫ్ ప్రశ్నల సమితిని సంస్థ రూపొందించింది. ఈ పరీక్ష డేటా సమితిలో నాలుగు క్లిష్టత స్థాయులు ఉన్నాయి. అత్యంత క్లిష్టమైన స్థాయిలో GPT‑5.6 Sol 78% సాధించగా, GPT‑6 Astra 89% కచ్చితత్వాన్ని సాధించిందని V7 తెలిపింది. సులభమైన, మధ్యస్థ, క్లిష్టమైన స్థాయుల్లో రెండు మోడల్‌లూ దాదాపు 100% సాధించాయి.

V7 Go ఇప్పటికే తన MCP సర్వర్ ద్వారా సందర్భ గ్రాఫ్‌లో ప్రశ్నించడం, సమాచారాన్ని చేర్చడం వంటి సదుపాయాలను అందిస్తోంది. అందువల్ల వినియోగదారులు ChatGPTతో పాటు ఇతర అనుకూల అనువర్తనాల నుంచి వాటిని ఉపయోగించవచ్చు. వారు Codexలో MCP ద్వారా V7 Go కార్యప్రవాహాలను కూడా రూపొందించవచ్చు. సరళమైన కార్యప్రవాహ రూపకల్పనతో కలిసి, ఇది మధ్యస్థ నిడివి గల కార్యప్రవాహాన్ని రూపొందించడానికి పట్టే సమయాన్ని సుమారు ఒక గంట నుంచి దాదాపు 20 నిమిషాలకు తగ్గించింది.

ఆ ఉమ్మడి జ్ఞాపకశక్తిని మరింత చొరవగా పనిచేసేలా చేయడం V7 దీర్ఘకాలిక లక్ష్యం. సందర్భ గ్రాఫ్‌లోని వాస్తవాలు మారినప్పుడు ప్రారంభమై, వైరుధ్యాలను గుర్తించి, ఏ విశ్లేషణలను మళ్లీ పరిశీలించాలో వ్యక్తులకు చూపే కార్యప్రవాహాల కోసం బృందం కృషి చేస్తోంది. ఉదాహరణకు, సవరించి మళ్లీ విడుదల చేసిన నిధి నివేదిక వస్తే, ఇంకా పాత గణాంకాలపై ఆధారపడుతున్న పనిని గుర్తించమని అది V7 Goను ప్రేరేపించగలదు.

“అత్యంత కీలకమైన పనులను పరిష్కరించే కార్యప్రవాహాలు, మనుషులైన మనకంటే మెరుగైన జ్ఞాపకశక్తి సహాయంతో AI యుగానికి అనుగుణంగా సంస్థలు తమ సాధనాలను పునర్నిర్మించుకునేలా చేయడమే మా లక్ష్యం” అని రిజోలీ చెప్పారు. “AI నుంచి నిజమైన విలువను పొందే ఆర్థిక సంస్థలు అత్యధిక ఏజెంట్‌లు ఉన్నవి కావు. అత్యుత్తమ సందర్భం ఉన్న సంస్థలే ఆ విలువను పొందుతాయి.”