Plattform · Datenagenten
Ein Chatbot antwortet. Eine Analystin zeigt ihren Rechenweg. DataFact-Agenten sind für das Zweite gebaut: die Untersuchung planen, das Gefundene gegenprüfen und etwas zurückgeben, das Sie in einem Review vertreten können.
Anatomie eines Laufs
Jeder Lauf ist einsehbar: welche Teilfragen er gebildet hat, in welchen Kanal jeder Schritt ging, wie lange es dauerte, und an welcher Stelle er zwei widersprüchliche Quellen in Einklang gebracht hat.
Wenn jemand das Ergebnis anzweifelt, geht die Diskussion um die Belege — nicht darum, ob man der Maschine trauen kann.
Diese Eigenschaften sind der Unterschied zwischen etwas, das man einmal ausprobiert, und etwas, durch das echte Arbeit läuft.
Planung
Eine Ursachenfrage lässt sich nicht mit einem Abruf beantworten. Der Agent zerlegt sie in Teilfragen, und was er im ersten Schritt findet, ändert, wo er im zweiten sucht — statt einer Kette zu folgen, die feststand, bevor er irgendetwas wusste.
Abgleich
Wenn der Bericht das eine und die Tabelle das andere sagt, ist ein Mittelwert die falsche Antwort. Der Lauf legt den Widerspruch offen, nennt die Quelle, der er vertraut hat, und begründet das.
Rückfrage
Die Hälfte der getippten Fragen ist unterspezifiziert: welche Region, welches Geschäftsjahr, brutto oder netto. Raten erzeugt eine selbstbewusst falsche Antwort. Der Agent fragt, mit den Optionen, die er sieht, und macht mit Ihrer Antwort weiter.
Ergebnis
Heraus kommen Daten, Diagramme, ein formulierter Schluss und eine Belegkette — belastbar genug für eine Entscheidungsvorlage und nächsten Monat gegen frische Daten erneut ausführbar.
Auslieferung
Ein Agent wird auf den Oberflächen veröffentlicht, die Ihre Leute ohnehin nutzen: die Konsole, ein eingebettetes Widget in Ihrer Anwendung, eine API für Ihre Systeme, oder ein Bot im Chat-Werkzeug, in dem die Frage sowieso gestellt worden wäre.
Unterschiedliche Fragen brauchen unterschiedliche Maschinerie. Ein Agent bekommt genau die Ressourcen, die er braucht, und nicht mehr — das hält Antworten und Berechtigungen zugleich eng.
Wissen
An ausgewählte Dokumentsammlungen gebunden. Liefert Text, Tabellen und Abbildungen mit seitengenauen Belegen.
Analytisch
An ein Schema und ein Analysemodell gebunden. Erzeugt kontrolliertes SQL, Ergebnisse und Diagramme.
Untersuchend
An beide Kanäle gebunden. Plant, teilt auf und gleicht ab, bevor ein Schluss geschrieben wird.
Unterstützend
Nur Prompt und Skills — für Entwurfs- und Denkaufgaben, die keine Unternehmensdaten berühren sollen.
Hier anfangen
Die wiederkehrende Untersuchung, die eine Analystin zwei Tage kostet. Wir bauen den Agenten dafür während der Demo und zeigen Ihnen den Lauf.
Ihre Daten bleiben mit jeder Antwort verbunden.