RavenDB představila databázově nativní nástroj pro tvorbu a nasazení AI agentů, který má zjednodušit integraci umělé inteligence do podnikových systémů. Cíl je praktický: zkrátit cestu od nápadu k funkčnímu agentovi a zároveň snížit náklady i bezpečnostní rizika, která často vznikají při napojování modelů na firemní data a procesy.
Základní problém, na který RavenDB míří, je typický pro mnoho organizací: data jsou rozptýlená v různých systémech, formátech a úložištích. To zvyšuje složitost integrace a často vede k tomu, že „obecný“ model bez přístupu ke konkrétním interním datům nepřináší očekávaný přínos. Oren Eini, zakladatel a CEO RavenDB, to shrnuje takto: „Největší problém, který uživatelé mají s budováním AI řešení, je, že generický model ve skutečnosti nedělá nic hodnotného.“ Podle něj je klíčem propojit AI s vlastními daty, systémy a operacemi.
RavenDB proto staví na tom, že agent pracuje přímo nad databází, kde data už existují. Řešení využívá vestavěné vektorové indexování a sémantické vyhledávání, takže není nutné vytvářet samostatné vektorové úložiště ani budovat ETL procesy pro průběžný export dat. To má odstranit typické slabiny klasického přístupu, kdy se informace kopírují mimo databázi, čímž vznikají zpoždění, duplicity i riziko nechtěného úniku dat.
Praktickým dopadem má být rychlejší práce s aktuálními informacemi. Agent může reagovat na změny v reálném čase – například pracovat s nejnovějším stavem objednávky nebo zásilky bez čekání na synchronizaci dat mezi více úložišti. S tím souvisí i otázka přístupových práv. Eini uvádí, že agent nemá fungovat jako privilegovaná součást systému, ale jako externí entita, která dědí oprávnění uživatele, jenž ji ovládá: „AI agent nebude spuštěn jako privilegovaná část systému.“
V praxi se nástroj uplatňuje například při náboru, kde agent dokáže zpracovávat životopisy a porovnávat je s požadavky pozice, nebo při ladění relevance ve výsledcích sémantického vyhledávání – tak, aby systém nevracel jen „nejbližší“ shody, ale lépe vyhodnocoval skutečnou souvislost s dotazem.
Celkově jde o trend, který se v podnikovém prostředí objevuje čím dál častěji: posun k AI, která je více „vestavěná“ do datové infrastruktury a méně závislá na dodatečných vrstvách kolem. RavenDB tím posouvá databázi z role pasivního úložiště směrem k aktivní součásti AI workflow, kde se řeší nejen vyhledávání, ale i správa kontextu, sumarizace a bezpečnostní omezení.
Zdroj: AI News