Les agents d'intelligence artificielle ont un problème de mémoire et Redis Inc., la startup de gestion de bases de données, tente désormais de résoudre ce problème avec son nouveau moteur de contexte en temps réel.
Comme l'explique l'entreprise, il s'agit d'aider les agents d'IA d'entreprise à aller au-delà du simple chat avec les utilisateurs et à en faire des travailleurs productifs à part entière. Redis a expliqué qu'il existe trois outils principaux derrière le Context Engine, notamment Redis Context Retriever, Redis Agent Memory et Redis Data Integration, ce dernier étant rendu généralement disponible à partir d'aujourd'hui.
Les trois outils sont conçus pour résoudre ce que Redis appelle le « problème de contexte » dans l’IA d’entreprise, qui provoque des hallucinations des systèmes autonomes et la production d’informations ou de résultats incorrects, ou parfois même un blocage en raison d’un manque de données. L'entreprise affirme que le problème de contexte est le résultat d'un manque de mémoire, ce qui pose des problèmes lorsque les agents d'IA sont invités à effectuer des tâches complexes. Par exemple, si un agent tente de résoudre le problème d'un client par téléphone, il peut avoir besoin d'extraire des données du système de gestion de la relation client, d'une base de données d'expédition et d'un PDF décrivant les politiques de l'entreprise.
Sans moteur de contexte dédié, la seule façon d’y parvenir est d’utiliser des intégrations fragiles et ponctuelles, lentes et difficiles à maintenir. Redis vise à fournir une couche dédiée aux agents qui se situe entre eux et les données, alimentée par son puissant magasin de données en mémoire. Il donne à chaque agent une vue « lisible par l'agent » des environnements dans lesquels il opère, définissant les entités commerciales et leurs relations afin qu'ils comprennent immédiatement la situation dans son ensemble, quel que soit le problème qu'ils sont chargés de résoudre.
Le nouveau Context Retriever est peut-être l’innovation la plus critique du Context Engine. Actuellement disponible en version préliminaire, il permet aux développeurs de créer un modèle sémantique de leurs données commerciales, afin que les agents puissent cartographier la manière dont chaque client se rapporte à une opportunité ou à un ticket d'assistance. Plutôt que de forcer les agents à jouer avec des requêtes « texte vers SQL » qui échouent souvent, le récupérateur générera automatiquement les outils requis par l'agent pour récupérer les données dont il a besoin, en utilisant le protocole de contexte de modèle open source.
Pendant ce temps, le composant Agent Memory en version préliminaire à partir d'aujourd'hui fournit une approche « à double couche » de l'état de l'agent. Il permet de gérer l'historique des interactions à court terme tout en créant une mémoire cache à long terme plus durable que les agents peuvent utiliser pour mémoriser les préférences et les interactions précédentes des sessions passées.
La nouvelle intégration de données est la dernière pièce du puzzle, fournissant la plomberie pour le moteur contextuel. Son rôle consiste à synchroniser en permanence les données métiers des principales bases de données relationnelles et entrepôts de données de l'entreprise. Cela signifie que les agents agiront toujours sur les données les plus récentes, plutôt que sur des informations datant de plusieurs semaines.
Ce qui rend cette offre attrayante est la forte présence de Redis dans les entreprises. Son magasin de données phare en mémoire open source, qui fonctionne comme base de données, cache, moteur de streaming et courtier de messages, existe déjà dans 43 % de toutes les piles d'agents d'IA d'entreprise.
Son évolution d'un cache à grande vitesse vers une couche contextuelle sophistiquée suggère que Redis pense qu'il peut devenir une sorte de système d'exploitation pour les agents d'IA. Pour les clients, la grande promesse est qu'ils seront capables de créer des agents plus complexes et plus fiables qui ne s'effondreront pas lorsqu'ils tenteront d'automatiser des tâches commerciales plus avancées.
