DataRobot企业AI套件 助力AI落地商业价值

随着全球企业纷纷将资源投入到 AI 项目中，许多企业却难以将技术投资转化为可衡量的商业成果。

DataRobot 正试图通过今天宣布的一系列新产品更新来解决这一难题。DataRobot 并非 AI 领域的“新兵”，事实上，该公司已经成立了 12 年，早于当前的生成式 AI 热潮。自成立以来，该公司的核心重点一直是使预测分析能够帮助改善业务成果。与近年来许多其他公司一样，DataRobot 也将注意力转向了生成式 AI 支持。

DataRobot 今天宣布推出新的企业 AI 套件，旨在更进一步，在日益拥挤的市场中脱颖而出。这个新的集成平台承诺使企业能够立即开始使用 AI 解决业务问题，而无需将多个服务拼凑在一起。该平台旨在跨多个云环境以及本地运行，为客户提供更大的灵活性。企业 AI 套件是一个全面的平台，可帮助企业构建、部署和管理预测和生成式 AI 应用程序，同时确保适当的治理和安全控制。DataRobot 的重点是通过 AI 创造切实的商业价值，而不仅仅是提供技术。

“如何将 AI 提升到价值创造的下一个层次？我告诉人们，客户不会以模型为早餐，”DataRobot 首席执行官 Debanjan Saha 告诉 VentureBeat。“你需要构建应用程序和代理，不仅如此，你还必须将它们集成到他们的业务结构中才能创造价值。这就是这次发布的意义所在。”

根据 DataRobot 最近的研究，90% 的 AI 项目未能从原型阶段过渡到生产阶段。

“仅仅训练模型并不能创造任何企业价值，”Saha 说。

新的 DataRobot 企业 AI 套件引入了应用程序模板，这些模板提供即时功能，同时保持定制灵活性。这种方法解决了市场上常见的僵化现成 AI 应用程序和资源密集型定制开发之间的差距。

Saha 解释说，这些模板的设计是横向的，这意味着它们可以应用于不同的行业，而不是垂直特定的。虽然这些模板提供了一个起点，但企业可以根据自己的特定需求对其进行定制。这包括：更改数据源、调整模型参数、修改用户界面以及将应用程序与技术堆栈中的其他系统集成。

DataRobot 平台的一个关键差异化因素是它对传统预测 AI 和生成式 AI 功能的统一方法。

该平台允许组织使用企业数据扩展基础模型，同时实施必要的安全控制。DataRobot 的企业 AI 套件支持完整的检索增强生成 (RAG) 管道，以帮助使用企业数据扩展 Llama 3 和 Gemini 等基础模型。

其中一个新模板结合了这两种技术，以实现更佳的业务成果。Saha 以一个潜在的用例为例，例如，企业可以使用预测模型来预测哪些客户会流失、何时会流失以及为什么会流失。然后，可以将来自该预测模型的数据与生成式 AI 模型一起使用，以创建高度个性化的最佳下一步行动电子邮件营销活动。

DataRobot 平台包括针对预测和生成模型的内置安全措施。

“这些模型在准确性、泄露隐私或私有或安全数据方面存在各种问题，”Saha 指出。“因此，你希望围绕它们设置一整套防护模型。”

DataRobot 新平台的另一个突出特点是集成了 AI 代理功能。

代理 AI 方法旨在帮助组织处理复杂的业务查询和工作流程。该系统采用专门的代理，共同协作以解决多方面的业务问题。对于处理复杂数据环境和多个业务系统的组织来说，这种方法特别有价值。

“你向你的代理工作流程提出一个问题，它会将问题分解成一系列更具体的问题，然后将其路由到各个领域的专家代理，”Saha 解释道。

例如，业务分析师关于收入的问题可能会被路由到多个专门的代理——一个处理 SQL 查询，另一个使用 Python——然后将结果合并成一个综合的响应。

作为 DataRobot 更新的一部分，该公司还推出了一个新的可观察性堆栈。新的可观察性功能提供了对 AI 系统性能的详细见解，特别是针对 RAG 实现。

例如，Saha 解释说，一个组织可能拥有一个企业数据语料库。该组织正在使用某种分块和嵌入模型，将其映射到向量数据库，然后在它前面放置一个 LLM。如果响应不是组织期望的，会发生什么？这就是可观察性发挥作用的地方。该平台提供高级可视化和分析工具来诊断此类问题。

“我们已经整合了许多仪器，让人们能够直观地理解，例如，如果你的向量数据库中存在大量数据聚类，你可能会得到一个虚假答案，”Saha 说。“你将能够看到这一点，如果你看到你的问题落在你没有足够信息的地方。”

这种可观察性扩展到平台的治理功能，具有实时监控和干预功能。该系统可以自动检测和处理敏感信息，并针对不同场景设置可定制的规则。

“我们对我们所说的‘有商业意义的 AI’感到非常兴奋，”Saha 说。“DataRobot 一直非常擅长专注于从 AI 中创造商业价值——它不是为了技术而技术。”