Gepresenteerd door Certinia
De aanvankelijke euforie rond generatieve en agentische AI is veranderd in een pragmatische, vaak gefrustreerde realiteit. CIO’s en technische leiders vragen zich af waarom hun pilotprogramma’s, zelfs die zijn ontworpen om de eenvoudigste workflows te automatiseren, er niet in slagen de magie te leveren die in demo’s wordt beloofd.
Wanneer de AI er niet in slaagt een basisvraag te beantwoorden of een actie correct uit te voeren, is het instinct om het model de schuld te geven. We gaan ervan uit dat de LLM niet “slim” genoeg is. Maar deze schuld is misplaatst. Kunstmatige intelligentie heeft het niet moeilijk omdat het ontbreekt intelligentie-. Het is moeilijk omdat het ontbreekt context.
In de moderne onderneming zit de context gevangen in een doolhof van onsamenhangende puntoplossingen, fragiele API’s en latentiegevoelige integraties – een ‘Franken-stack’ van ongelijksoortige technologieën. En vooral voor servicegerichte organisaties, waar de echte waarheid van het bedrijf ligt in de overgang tussen verkoop, levering, succes en financiën, is deze fragmentatie existentieel. Als uw architectuur deze functies uitsluit, is uw AI-roadmap gedoemd te mislukken.
Context kan niet via een API reizen
De afgelopen tien jaar was de standaard IT-strategie ‘de beste in de branche’. U heeft de beste CRM voor verkoop aangeschaft, een aparte tool voor projectmanagement, een zelfstandige CSP voor succes en een ERP voor financiën; voegde ze samen met API’s en middleware (als je geluk had) en riep de overwinning uit.
Voor menselijke werknemers was dit vervelend maar beheersbaar. Een mens weet dat de projectstatus in de projectmanagementtool 72 uur achter kan lopen op de factuurgegevens in het ERP. Mensen beschikken over de intuïtie die nodig is om de kloof tussen systemen te overbruggen.
Maar de kunstmatige intelligentie begreep het niet. Hij heeft vragen. Wanneer je een AI-agent vraagt om “dit nieuwe project dat we hebben gewonnen vanwege de marge- en gebruiksimpact te bemannen”, voert hij een query uit op basis van de gegevens waartoe hij nu toegang heeft. Als uw architectuur afhankelijk is van integraties om gegevens te verplaatsen, werkt AI met vertraging. Hij ziet het getekende contract, maar niet het gebrek aan middelen. Hij ziet het omzetdoel, maar niet het risico van klantverloop.
Het resultaat is niet alleen een fout antwoord, maar een zelfverzekerd, ogenschijnlijk plausibel fout antwoord, gebaseerd op gedeeltelijke waarheden. Ernaar handelen creëert kostbare operationele valkuilen die veel verder gaan dan alleen mislukte AI-piloten.
Omdat Agentic AI platform-native architectuur vereist
Dit is de reden waarom het gesprek verschuift van “welk model moeten we gebruiken?“A”Waar blijven onze gegevens?“
Om een hybride personeelsbestand te ondersteunen waarin menselijke experts samenwerken met voldoende capabele AI-agenten, kunnen de onderliggende gegevens niet aan elkaar worden gekoppeld; moet eigen zijn aan het kernbedrijfsplatform. A platform-native aanpakvooral een die is gebouwd op een gemeenschappelijk datamodel (bijvoorbeeld Salesforce), elimineert de vertaallaag en biedt de enige bron van waarheid die nodig is voor goede, betrouwbare AI.
In een native omgeving bevinden gegevens zich in een model met één object. Een verandering in de scope van de levering is een verandering in de inkomsten in de financiële sector. Er is geen synchronisatie, geen latentie en geen statusverlies.
Dit is de enige manier om met AI echte zekerheid te bereiken. Als je wilt dat een agent zelfstandig een project kan bemannen of inkomsten kan voorspellen, heeft hij een 360 graden beeld van de waarheid nodig, en niet een reeks momentopnamen die samen door de middleware zijn vastgelegd.
De zijdeurbeveiligingsbelasting: API’s als aanvalsoppervlak
Als je eenmaal intelligentie hebt opgelost, moet je ook soevereiniteit oplossen. Het argument voor een verenigd platform draait meestal om efficiëntie, maar een steeds urgenter argument is veiligheid.
In een eersteklas Franken-stack is elke API-verbinding die u maakt in feite een nieuwe deur die u moet sluiten. Wanneer u vertrouwt op puntoplossingen van derden voor kritieke functies zoals klantsucces of activabeheer, stuurt u voortdurend gevoelige klantgegevens van uw primaire registratiesysteem naar satelliet-apps. Deze beweging EN het risico.
We hebben dit de laatste tijd zien gebeuren spraakmakende schendingen van de toeleveringsketen. De hackers hoefden de kasteelpoorten van het centrale platform niet te bestormen. Ze kwamen eenvoudigweg via de achterdeur binnen door gebruik te maken van de persistente authenticatietokens van verbonden apps van derden.
Een platform-native strategie lost dit probleem op via beveiligingsovererving. Wanneer uw gegevens zich op één platform bevinden, erven ze de enorme investeringen van dat platform in beveiliging en vertrouwensgrenzen. U verplaatst gegevens niet over de draad naar de cloud van een andere provider, alleen maar om deze te analyseren. Het goud verlaat de kluis nooit.
Corrigeer de architectuur en repareer vervolgens de context
De druk om AI te implementeren is enorm, maar het overlappen van intelligente agenten met niet-intelligente architectuur is een verspilling van tijd en middelen.
Leiders aarzelen vaak omdat ze bang zijn dat hun gegevens niet ‘schoon genoeg’ zijn. Ze zijn van mening dat ze elk record van de afgelopen tien jaar moeten wissen voordat ze ook maar één agent kunnen inzetten. Op een gefragmenteerde stapel is deze angst terecht.
Een native platformarchitectuur verandert de wiskunde. Omdat de data, metadata en agents zich in hetzelfde huis bevinden, is het niet nodig om de oceaan te laten koken. U hoeft alleen maar specifieke, vertrouwde velden af te bakenen, zoals actieve klantcontracten of huidige resourceplanningen, en tegen de agent te zeggen: ‘Werk hier.’ Negeer de rest.” Door de behoefte aan complexe API- en middleware-vertalingen van derden te elimineren, kunt u met een uniform platform uw meest vertrouwde, verbonden gegevens vandaag nog beschikbaar maken voor agenten, waardoor u de chaos kunt omzeilen zonder te hoeven wachten op een “perfecte” toestand die misschien nooit zal komen.
We zijn vaak bang dat AI hallucineert omdat het te creatief is. Het echte gevaar is dat hij zal falen omdat hij blind is. En je kunt een complexe taak niet automatiseren als de zichtbaarheid gefragmenteerd is. Ontzeg het personeel van uw nieuwe uitzendbureau de toegang tot de volledige context van uw activiteiten op een uniform platform, en u bouwt een fundament dat zeker zal mislukken.
Raju Malhotra is Chief Product & Technology Officer bij Certinia.
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat en die altijd duidelijk gemarkeerd is. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
