Цифровая трансформация корпораций уперлась в стену: гигабайты оцифрованных данных упорно не превращаются в операционный интеллект. Исследователи из ETH Zurich — Анне Маркс и Меннаталла Эль-Ассади — в своем свежем позиционном документе констатируют: накопленные знания фрагментированы между софтом, мануалами и неявным опытом сотрудников. Проблема в том, что все это создавалось исключительно для потребления человеком. Когда компании пытаются наделить ИИ-агентов правом принимать решения, выясняется, что это «наследие» — токсичный актив. По мнению авторов, бутылочное горлышко внедрения ИИ сместилось с вычислительных мощностей на «заземление» (grounding) знаний. Без него поведение системы в нестандартных ситуациях остается непредсказуемым из-за семантической пустоты данных.
Модель Mixed Agency
Чтобы преодолеть этот разрыв, команда ETH Zurich предлагает концепцию «смешанной агентности» (mixed agency), отказываясь от бинарного взгляда на автоматизацию. Фреймворк связывает три уровня — пользовательский, смешанный и системный — с таксономией корпоративных знаний. В этой схеме некий оркестратор (человек или ИИ) динамически распределяет полномочия в зависимости от того, насколько глубоко алгоритм «заземлен» в контексте. Разделяя сложность задачи и уровень автономии, исследователи доказывают: даже элементарные операции требуют глубокого понимания контекста, иначе цена ошибки в физическом или экономическом мире станет запредельной. Уровень машинной свободы должен колебаться в зависимости от актуального состояния «мира компании» (Company World State) в конкретный момент времени.
Прощание с RAG и свалками документов
Исследование подчеркивает: простая «подкормка» ИИ файлами через RAG — путь в никуда, если речь идет о принятии серьезных решений. Одно дело — рутинная визуальная инспекция качества, и совсем другое — стратегический выбор площадки под завод. Если рутина вполне способна дрейфовать в сторону системной автономии, то стратегия остается за человеком. Причина проста: ключевые знания часто остаются неявными или запертыми в разрозненных системах. Даже оцифрованный документ теряет контекст при фрагментации, становясь «несъедобным» для агента, лишенного целостной картины.
Для перехода от примитивных чат-ботов к автономным операционным системам в ETH Zurich призывают пересмотреть архитектуру хранения знаний. На смену хаотичным PDF должны прийти структурированные представления, такие как графы знаний (Knowledge Graphs). Это единственный способ гарантировать, что ИИ не просто предсказывает следующий токен, а опирается на операционную реальность бизнеса.
Нынешняя стратегия «навалить побольше данных» фундаментально ошибочна. Пока данные остаются грудой документов, а не семантической картой, ваши агенты будут обречены на прозябание в низкорисковых пилотных проектах.
Главный вызов для техлидов сегодня — не выбор «самой мощной» модели, а перепроектирование IT-ландшафта ради того самого «заземления». Предстоит нащупать точку, где затраты на структурирование данных наконец оправдаются эффективностью автономных решений.