Od sirovih podataka do proverljivog AI konteksta: Praktična arhitektura za informacije spremne za agente

Većina AI projekata počinje previše kasno u procesu. Počinju sa modelom, upitom ili slojem za pronalaženje podataka, a tek kasnije otkriju da su osnovni podaci nedosledni, duplirani, zastareli, privatni ili nemoguće ih je pratiti do pouzdanog izvora.

Trajnija arhitektura počinje pre pronalaženja podataka. Prvi zadatak je odlučiti šta je informacioni objekat zapravo, odakle dolazi, kojoj identitetskoj celini pripada, da li mu neki drugi izvor protivreči i pod kojim uslovima je još uvek važeći.

Šta to zapravo znači

Cilj nije stvoriti još jednu bazu znanja punu teksta. Cilj je stvoriti informacije koje ostaju korisne kada potrošač više nije čovek koji pregleda veb-sajt, već aplikacija ili AI agent koji donosi odluku.

Najjednostavniji primer

Zamislite tri izvora podataka koji opisuju isti uređaj. Jedan dobavljač kaže da ima 32 GB memorije, stariji PDF kaže 16 GB, a proizvođačev feed kaže 32 GB za hardversku reviziju 4. Uobičajeni proces obogaćivanja podataka može izabrati jednu vrednost i prepisati ostale. Proverljiv proces zadržava neslaganje vidljivim dok se identitet i revizija ne razreše.

Rezultat nije jednostavno memorija = 32 GB. Bliži je ovome: vrednost 32 GB, izvor proizvođačev feed, revizija 4, tržište EU, uočeno u poznatom trenutku, prisutan stariji izvor koji protivreči, trenutni status verifikovan za razrešenu reviziju.

Gde primer prestaje da funkcioniše

Stvarni poslovni podaci retko su ovako čisti. Nazivi proizvoda se menjaju, identifikatori nedostaju, PDF-ovi koriste drugačiju terminologiju, polja menjaju značenje između tržišta, a privatni podaci jednog zakupca ne smeju da procure u kontekst drugog zakupca. Zato sama normalizacija nije dovoljna.

Informacioni objekat koji se može ponovo koristiti

Zašto RAG nije prvi korak

Pronalaženje podataka može pronaći samo ono što je indeksirano. Ako se protivrečni, zastareli ili pravno ograničeni podaci indeksiraju bez upravljanja, RAG može učiniti da odgovor izgleda bolje, dok osnovna odluka postaje manje pouzdana.

Sigurniji redosled je: provera prava → klasifikacija izvora → razrešavanje identiteta → izdvajanje tvrdnji → poreklo → otkrivanje konflikata → skladište dokaza → pronalaženje podataka → zaključivanje.

Spremno za agente ne znači kontrolisano od strane agenata

Agent treba da dobije kontrolisani kontekst, a ne neograničen autoritet. Model može da rasuđuje na osnovu dostupnih informacija, ali ne treba da mu bude dozvoljeno da izmišlja nedostajuće činjenice o proizvodu, ublažava obavezna ograničenja, zaobilazi pravila o pravima izvora ili pretvara nesigurnost u sigurnost.

Zašto je ovo važno van jedne oblasti

Ista arhitektura se primenjuje na tehničke proizvode, planiranje događaja, softversku dokumentaciju, kataloge dobavljača, interno znanje i trgovinu. Pravila oblasti se menjaju, ali osnovni problem ostaje: identitet, poreklo, konflikti, validnost i kontrolisana ponovna upotreba.

Šta bi promenilo ovu arhitekturu?

Arhitektura bi trebalo da postane jednostavnija kada izvorni sistem već obezbeđuje kanonske identifikatore, strogo verzionisanje i ugovorni kvalitet podataka. Trebalo bi da postane stroža kada odluke utiču na regulisane proizvode, bezbednost, privatne podatke ili pravno osetljive ishode.

Zaključak

Korisna jedinica za buduće AI sisteme nije samo dokument ili deo teksta. To je proverljiv informacioni objekat sa identitetom, poreklom, statusom, konfliktima i granicom validnosti. To je sloj koji omogućava portalima, poslovnim sistemima i agentima da ponovo koriste isto znanje bez pretvaranja da je nesiguran podatak siguran.