Rasgo lança Rasgo AI, um agente generativo de IA para análise de data warehouse corporativo

A plataforma analítica orientada por IA Rasgo anunciou o lançamento do Rasgo AI, uma solução analítica de autoatendimento que integra um GPT (transformador generativo pré-treinado) em ambientes de data warehouse corporativo (EDW). A empresa disse que com Rasgo AI, as organizações podem usar o poder da IA/GPT para acelerar insights e otimizar as ações recomendadas com segurança e eficiência.

Ao contrário de outras integrações GPT que fornecem apenas interfaces de chat em linguagem natural, Rasgo disse que sua IA se destaca por empregar GPT para “raciocínio inteligente”, o que lhe permite pensar e agir como um analista de negócios experiente para armazéns de dados.

Os trabalhadores do conhecimento muitas vezes ficam atolados em tarefas demoradas e de baixo valor que dificultam a tomada de decisões eficaz. Ao transferir estas tarefas para a IA, a Rasgo pretende permitir que estes trabalhadores se concentrem na tomada de decisões estratégicas, levando a ganhos significativos no valor empresarial.

Respondendo a perguntas – e fazendo-as

Rasgo afirma que o GPT-4 permite que o modelo execute habilmente tarefas de raciocínio complexas com objetivos dinâmicos. O agente autônomo torna-se capaz de gerar uma incorporação semântica dos metadados EDW, educando assim o GPT-4 sobre os dados e, ao mesmo tempo, mantendo o controle dos dados dentro do ambiente seguro da empresa.

“Uma de nossas descobertas técnicas mais interessantes foi que, quando fornecido com a orientação correta, o GPT-4 não é apenas bom em responder perguntas de análise de dados, mas também em formulá-las. Rasgo fornece um repositório de metadados sobre os dados para ensinar à IA como tomar decisões específicas ao analisar dados, para que possa melhorar iterativamente e aprender com a calibração humana”, disse Jared Parker, cofundador e CEO da Rasgo, ao VentureBeat. “Ao combinar a interface de bate-papo com nossa solução para raciocínio inteligente, pretendemos melhorar… a eficiência operacional das principais partes interessadas (dos clientes), ao mesmo tempo que confiamos que a IA está constantemente analisando dados para obter insights importantes.”

De acordo com a empresa, um dos principais diferenciais da Rasgo AI é o AI Guardrails, que mapeia estruturas de dados em termos comerciais familiares, aumentando a eficiência e a precisão da análise de dados, garantindo ao mesmo tempo a segurança dos dados. A plataforma também analisa dados empresariais continuamente para fornecer insights confiáveis, permitindo que os usuários empresariais tomem decisões baseadas em dados sem a necessidade de conhecimentos avançados de SQL.

Aproveitando o GPT-4 para um raciocínio comercial inteligente

Parker afirmou que, para raciocínio inteligente, a plataforma treina o GPT para replicar a função de analista de dados. Isso capacita as equipes de dados empresariais para acelerar a análise, em vez de criar consultas e painéis do zero.

“Reconhecemos as potenciais restrições de tempo enfrentadas pelos humanos na formulação de todas as investigações necessárias. Nosso raciocínio inteligente estabelece uma equipe virtual ‘sempre ativa’ de trabalhadores do conhecimento, identificando consistentemente perspectivas e vulnerabilidades de negócios”, disse Parker. “Um simples prompt como ‘analisar tendências no crescimento de vendas ano após ano por representante de vendas’ pode gerar uma apresentação abrangente de insights essenciais e etapas acionáveis.”

Para a colaboração entre humanos e IA, Rasgo disse que sua plataforma auxilia as equipes de dados avaliando de forma autônoma as tabelas no data warehouse e discernindo quais tabelas estão preparadas para o raciocínio inteligente e quais precisam de mais refinamento.

Esta abordagem, segundo a empresa, permite que as partes interessadas humanas canalizem as suas energias para a transformação e documentação de tabelas que requerem atenção manual adicional para garantir a governação e a confiança num fluxo de trabalho baseado em IA.

A empresa também destacou que o seu modelo generativo de IA pode mecanizar inúmeras tarefas rotineiras e de baixo valor inerentes ao ciclo de vida da análise de dados. Essa automação visa orientar os usuários no processo de descoberta e análise de dados, mantendo ao mesmo tempo a supervisão de um analista de dados. O objetivo final da plataforma é otimizar a precisão e inspirar confiança nos processos organizacionais.

“O processo convencional de análise de dados está quebrado. Responder a uma única pergunta baseada em dados pode levar um tempo exorbitante, envolvendo a identificação de tabelas relevantes, escrita e depuração de consultas SQL, criação de painéis em ferramentas de BI e tradução de resultados em recomendações de negócios compreensíveis”, explicou Parker. “Nosso mecanismo de IA pesquisa proativamente metadados e histórico de consultas para sugerir a tabela padrão-ouro; escreve, testa e executa a consulta SQL necessária; gera a visualização apropriada; e destila os resultados em recomendações de negócios viáveis. Ao longo deste processo, garantimos que o analista de dados permaneça envolvido, permitindo que a tomada de decisões humanas em momentos críticos otimize a precisão e a confiança.”

Parker disse que para a IA da Rasgo navegar em um banco de dados, o modelo generativo de IA cria incorporações para todos os metadados do data warehouse e dados instrucionais fornecidos pelo usuário. Isso garante uma recuperação rápida dentro do que a empresa chama de fluxo de trabalho de IA ReAct (motivo + ato). Além disso, ele mantém e atualiza esses embeddings de forma autônoma sempre que novas tabelas surgem, esquemas evoluem ou novas instruções do usuário são incorporadas.

Garantir o desenvolvimento responsável da IA

Parker afirmou que o funcionamento responsável da IA ​​generativa e o alcance dos resultados desejados da tecnologia dependem de esforços colaborativos entre humanos e IA. Isto implica estabelecer regras, instruções e barreiras explícitas para garantir a confiança e a segurança, especialmente no contexto dos dados empresariais.

Ele explicou que para combater os riscos de alucinações e disparidades de dados, a empresa formulou uma capacidade de “Gerente de IA”. Este conjunto de ferramentas permite que os usuários estabeleçam barreiras e restrições definitivas no modelo de linguagem grande (LLM), garantindo a seleção da tabela, coluna e métrica padrão-ouro ao atender às solicitações do usuário.

A IA da plataforma automatiza a documentação de metadados de tabelas provenientes do ambiente de data warehouse. Simultaneamente, atribui uma pontuação de “Prontidão de IA” a cada tabela. Essa pontuação ajuda as equipes de dados a distinguir conjuntos de dados preparados para aplicações seguras de IA daqueles que requerem mais intervenção humana.

A empresa construiu sua solução em torno da Microsoft como fornecedora de API de IA da Rasgo, integrando-se diretamente à estrutura de segurança da Microsoft.

Democratizando a inteligência confiável

“LLMs como GPT são amplamente usados ​​para tradução de texto para SQL. No entanto, SQL incorreto pode levar a decisões erradas baseadas em dados imprecisos. Nossa plataforma democratiza a inteligência confiável, ensinando ao GPT os esquemas de um usuário e ensinando-o a respeitar os dados instrucionais fornecidos pelo usuário para que possam ser recuperados instantaneamente para produzir SQL preciso e insights confiáveis”, disse Parker ao VentureBeat. “Em termos de privacidade e segurança de dados, implementamos capacidades de “computação push down”. Isso significa que o SQL gerado pelo LLM é enviado diretamente para o ambiente de data warehouse em nuvem da organização, garantindo que nenhum dado bruto saia de seu warehouse.”

A empresa anunciou recentemente sua colaboração com a rede de parceiros da Snowflake, com o objetivo de aprimorar os benefícios da Snowflake Data Cloud para clientes mútuos. Através desta parceria, a Rasgo afirma ser capaz de aproveitar o GPT para um raciocínio inteligente, simplificando a análise de autoatendimento.

“No futuro, planejamos continuar o impulso com esta parceria e outras semelhantes, melhorando a acessibilidade que ela oferece aos clientes e, de modo geral, garantindo que o produto em si possa atender às necessidades de todas as organizações em todos os estágios de suas jornadas de análise de dados e IA. disse Parker.