Promethium
Lapisan data perusahaan yang menanya terus merentas sistem, membolehkan ejen AI mendapat jawapan berkonteks
Produk Promethium bernama Mantra AI Insights Fabric, yang menyambungkan ejen AI dan alat analisis kepada sumber data perusahaan yang bertaburan, dan ia menanya secara serta-merta merentas platform secara terus tanpa perlu melakukan pusingan pemindahan data dahulu.
Ciri dan senario penggunaan
Realiti data perusahaan besar ialah: sebahagian dalam Snowflake, sebahagian masih dalam Oracle di premis, data pemasaran dalam SaaS, data kewangan dalam ERP. Untuk membuat satu analisis merentas jabatan, kaedah tradisional ialah membina gudang data dahulu, menulis ETL dan menjajarkan definisi, dan proses ini kerap mengambil masa setengah tahun.
Lima komponen Promethium menangani kesakitan ini: enjin pertanyaan universal yang menanya serta-merta merentas platform; pusat konteks 360 darjah yang menyimpan logik perniagaan dan definisi metrik; mekanisme kepercayaan yang mengesahkan dan menerangkan jawapan yang diberi AI; graf konteks cerapan yang memberi tindak balas mengikut konteks dan bukan mengikut kata kunci; platform ejen terbuka yang menyokong berbilang ejen.
Antaranya "pusat konteks" adalah yang penting. text-to-SQL beberapa tahun ini terbukti mempunyai satu siling: membiarkan model berdepan skema mentah secara terus hanya memberi kadar ketepatan sekitar dua puluh peratus, kerana model tidak tahu bagaimana "pengguna aktif" ditakrifkan di syarikat anda. Selepas ada lapisan semantik barulah ketepatan boleh dinaikkan, dan menjelang 2026 ini sudah menjadi kesepakatan industri.
Pengguna sasarannya merentas penganalisis data, penganalisis perniagaan, eksekutif, arkitek data, jurutera, saintis dan CDO, dengan industri merangkumi kewangan, perubatan, pembuatan, runcit, tenaga dan teknologi.
Ia produk jenis perusahaan, harga tidak didedahkan, perlu bertanya sebut harga, dan pelaksanaannya ialah projek dan bukan onboarding layan diri. Sasaran yang sesuai di Malaysia lebih kurang ialah syarikat kumpulan dan industri kewangan; perusahaan kecil dan sederhana tidak memerlukan skala sebegini.
Ciri Utama
- Pertanyaan serta-merta merentas platform, tanpa perlu pemindahan data dahulu
- Pusat konteks yang mengurus logik perniagaan dan definisi metrik secara berpusat
- Mekanisme pengesahan dan penerangan jawapan AI
- Graf cerapan yang memberi tindak balas mengikut konteks
- Platform berbilang ejen terbuka
- Menyediakan konteks kepada aplikasi perusahaan melalui API
Kelebihan
- Boleh menanya merentas sistem tanpa memindahkan data, jadual pelaksanaan lebih pendek berbanding membina gudang
- Lapisan semantik membuatkan ketepatan soal jawab AI jelas lebih baik berbanding skema mentah
- Jawapan boleh diterangkan dan disahkan, memenuhi keperluan industri yang dikawal selia
Kekurangan
- Produk jenis perusahaan, harga tidak didedahkan dan perlu melalui sebut harga serta POC
- Prestasi pertanyaan serta-merta merentas sistem bergantung pada sumber data asas, perlu diuji
- Perusahaan kecil dan sederhana tidak memerlukan skala ini, pulangan pelaburan sukar dijustifikasikan
Kes Penggunaan
- Analisis operasi serta-merta merentas sistem dalam kumpulan
- Membolehkan eksekutif bukan teknikal menanya data seluruh syarikat dengan bahasa semula jadi
- Menyediakan lapisan capaian data yang ditadbir bagi ejen AI perusahaan
- Menyatukan definisi metrik yang sama antara jabatan
Nota Editor
Istilah "lapisan semantik" kedengaran sangat abstrak, tetapi ia sebenarnya menulis takrifan yang hanya wujud dalam kepala pekerja kanan syarikat. Perkara ini patut dilakukan walaupun tiada kaitan dengan AI, cuma AI menjadikannya wajib dilakukan. Perusahaan Malaysia yang tersekat dalam melaksanakan analisis AI, sebahagian besarnya tersekat pada lapisan ini.
Soalan Lazim
Mengapa tidak biarkan sahaja AI menulis SQL?
Kerana model tidak tahu definisi perniagaan syarikat anda. Ujian industri menunjukkan bahawa membiarkan LLM berdepan skema mentah secara terus hanya menjawab dengan betul sekitar dua puluh peratus pertanyaan perusahaan; selepas disambungkan lapisan semantik barulah ketepatan boleh dinaikkan. Bezanya bukan pada model pandai atau tidak, tetapi sama ada ia diberitahu bagaimana "pengguna aktif" dikira.
Berbanding membina gudang data, mana lebih berbaloi?
Bergantung pada keperluan jadual dan tadbir urus. Kelebihan gudang ialah prestasi dan konsistensi, kelemahannya tempoh pembinaan yang panjang; pertanyaan serta-merta jenis persekutuan cepat digunakan, tetapi prestasi terhad oleh setiap sistem asas. Kebanyakan perusahaan besar akhirnya mempunyai kedua-duanya, dengan metrik teras masuk ke gudang dan pertanyaan ekor panjang melalui persekutuan.
Alat AI Berkaitan
Motobook
Platform harga pasaran motosikal terpakai pertama di Taiwan, dengan 37,000+ kenderaan untuk dijual dan 812 model.
Carbook
Sistem Pendaftaran Harga Pasaran Kereta Terpakai Taiwan – Lihat harga sebenar, jumlah volum dan susut nilai dalam satu halaman
實價雷達 HouseTW
Semak 3.49 juta transaksi hartanah Taiwan, lengkap dengan peta risiko pencairan tanah, sesaran gempa dan banjir, semuanya dalam satu platform carian harga rumah percuma.
Profet AI
Platform AutoML untuk industri pembuatan dari Taiwan.
Cubo AI
Kamera pemantau bayi AI yang dibangunkan oleh pasukan dari Taiwan.
Whoscall
Aplikasi pengecaman panggilan dan anti-penipuan berkuasa AI yang dibangunkan oleh pasukan Taiwan.