SAS Retrieval Agent Manager ontgrendelt waarde uit ongestructureerde data

GenAI worstelt vaak met het consistent omzetten van deze gefragmenteerde informatie in overtuigende resultaten. SAS RAM pakt deze uitdaging aan door een no-code oplossing te bieden waarmee bedrijven de kracht van Large Language Models (LLM's) en AI op een snelle, schaalbare en betrouwbare manier kunnen integreren.

Van chatbots tot complexe workflows

SAS RAM is gebouwd op het Retrieval Augmented Generation (RAG)-framework. Dit stelt de tool in staat om ongestructureerde documenten te verwerken en te evalueren om de beste configuraties te selecteren voor interactie via een API of chatbot.

"SAS Retrieval Agent Manager vertaalt gefragmenteerde, ongestructureerde informatie naar werkbare bedrijfskennis die geïnformeerde beslissingen versnelt," zegt Kathy Lange, Research Director voor AI en Automatisatie bij IDC. "Met behulp van GenAI en agentic AI biedt RAM een handige interface voor het bouwen en moderniseren van organisatorische processen zonder dat bestaande systemen moeten worden herzien."

RAM ondersteunt plug-and-play gebruik van bestaande GenAI-diensten, zoals LLM's en vectordatabases. Om complexe bedrijfsprocessen te automatiseren, voegt de tool een extra agentic AI-laag toe, waardoor workflows van begin tot eind kunnen worden gestroomlijnd.

Brede impact in diverse sectoren

De toepassing van RAM is direct relevant voor verschillende industrieën:

• Verzekeringen: Schade-experts kunnen onmiddellijk essentiële informatie oproepen, wat leidt tot snellere, eerlijke en reglementair conforme uitbetalingen.
• Fraude: Teams kunnen verdachte patronen in ongestructureerde documenten binnen seconden detecteren, waardoor onderzoeken versnellen.
• Gezondheidszorg: RAM haalt sneller inzichten uit patiëntendossiers en klinische protocollen, wat de adviezen en behandelingen verbetert.
• Maakindustrie: De tool voorspelt onderhoud en haalt relevante informatie op uit handleidingen en inspectierapporten, waardoor technici snel de kern van een probleem vaststellen.

Nadruk op transparantie en betrouwbaarheid

Een cruciaal kenmerk van RAM is de ingebakken betrouwbaarheid. De oplossing van SAS scheidt bedrijfsdata van de LLM en gebruikt de eigen data niet voor het trainen van het taalmodel. In plaats daarvan brengt het de bedrijfsgegevens en de LLM op het juiste moment samen.

De agentic AI-laag zorgt voor transparantie door altijd de brondocumenten en data te delen waarop antwoorden en aanbevelingen zijn gebaseerd.

"SAS Retrieval Agent Manager kan opschalen naar zeer grote datavolumes die continu worden bijgewerkt," aldus Jason Mann, VP IoT bij SAS. "RAM maakt het voor een bedrijf eenvoudiger om technologieën zoals chatbots en conversational AI toe te passen op de eigen kennisbasis en GenAI-gestuurde kennisdiensten te integreren in bestaande toepassingen."