La modernisation des systèmes existants nécessite de comprendre comment le code, les données et les règles métier d'une application s'articulent avant de la reconstruire.
BotMan AI utilise un pipeline de migration alimenté par l'IA qui mappe les dépendances, la logique métier et les modèles de données d'une application dans un graphique de connaissances. Ce contexte aide les agents à interpréter le système qu'ils reconstruisent, selon Alejandro D'Andrea (photo), fondateur et directeur de la technologie de BotMan.
« Le renseignement n'est plus le problème », a-t-il déclaré. « Le problème est le contexte. Vous devez expliquer à l'agent tout ce dont il a besoin pour comprendre (comment) accomplir une tâche particulière. Et si vous n'aviez pas à expliquer cela ? Et s'il savait déjà tout ce que vous savez ? C'est la clé maintenant. »
D'Andrea s'est entretenu avec le CUBE Research John Furrier pour theCUBE + NYSE Wired : luminaires IA série d'interviews sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de la manière dont les graphes de connaissances prennent en charge la modernisation existante et fournissent aux agents IA un contexte commercial réutilisable. (* Divulgation ci-dessous.)
Comment les graphes de connaissances soutiennent la modernisation des systèmes existants
BotMan AI utilise des graphiques de connaissances pour représenter les relations entre les composants et les règles métier d'une application, selon D'Andrea. Son approche reconstruit l'architecture de l'application plutôt que de simplement traduire l'ancien code dans un langage plus récent.
« Il s'agit essentiellement de migrer à partir d'une ancienne base de code – Delphi, Visual Basic, Oracle Forms – et de réécrire ce même système dans une nouvelle architecture », a-t-il expliqué. « Il s'agit de réarchitecturer l'ensemble. Nous ingérons le tout en une seule fois et nous le migrons de manière totalement autonome. C'est là que les graphiques jouent un grand rôle. »
Au-delà de la migration de code, les graphes de connaissances peuvent fournir un contexte réutilisable aux agents IA. Selon D'Andrea, la cartographie des relations lorsque les informations entrent dans le système peut réduire le travail de découverte nécessaire pour les requêtes ultérieures.
« Vous obtenez, disons, un document juridique », a-t-il donné en exemple. « À ce stade, lorsque vous l'obtenez, vous pouvez créer toutes les relations avec d'autres documents. Vous pouvez dire : 'Cela concerne ce projet particulier, cette perte particulière et ce procès particulier.' Et tu fais ça une fois. Ainsi, tout agent, lorsque vous lui assignez une tâche, saura automatiquement grâce au graphique que toutes ces informations pourraient également être pertinentes.
Selon D'Andrea, relier les informations non structurées à des entités reconnaissables offre aux agents un autre moyen de récupérer le contexte commercial. Une personne, un projet ou un produit peut lier des messages et des documents autrement distincts.
« L’une des choses qui ont fonctionné pour nous en termes de traitement de toutes ces informations non structurées… c’est de les relier via des entités », a-t-il déclaré. « Pour nous, une entité sera une personne, un projet ou un produit. Elle vous recherchera, elle verra toutes les connexions que vous avez déjà, les projets sur lesquels vous travaillez, les interactions que nous avons eues et tout. Et puis elle déterminera où cette information… devrait s'insérer. »
Voici l'interview vidéo complète, faisant partie de la couverture de SiliconANGLE et theCUBE sur theCUBE + NYSE Wired : luminaires IA série d'entretiens :
(* Divulgation : TheCUBE est un partenaire média payant pour la série d'interviews CUBE + NYSE Wired : AI Luminaries. Ni Neo4j, le sponsor de la couverture de l'événement theCUBE, ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
