GitHub: interni analitički agent Qubot smanjio vrijeme rješavanja upita za oko 66 posto

GitHub je opisao arhitekturu Qubota, internog AI analitičkog agenta koji zaposlenicima omogućuje da podatkovno skladište (data warehouse) ispituju prirodnim jezikom umjesto pisanjem ručnih upita. Data warehouse je centralna baza u koju se slijevaju podaci iz mnogih sustava, a pisanje upita nad njom obično zahtijeva poznavanje upitnih jezika.

Kako je Qubot građen

Qubot koristi troslojni federirani kontekstni sloj — bronze, silver i gold — koji postupno pročišćava i strukturira podatke kako bi agent dobio pouzdaniji kontekst. Pokreće ga infrastruktura Copilot Cloud Agenta, dostupna kroz Slack, VS Code i CLI. Agent automatski usmjerava upite između dvaju motora, Kusto i Trino, ovisno o vrsti podataka.

Rezultati

Prema GitHubu, Qubot opslužuje stotine korisnika koji pokreću tisuće upita, a vrijeme rješavanja upita smanjio je za oko 66 posto. Strukturirani kontekst, za razliku od izravnog slanja sirovih podataka modelu, povećao je točnost odgovora. Primjer pokazuje kako velike tehnološke tvrtke agentske sustave sve češće grade za vlastite interne potrebe, a ne samo kao proizvode za tržište.