Конец эпохи реактивных агентов
Современные корпоративные AI-системы, основанные на RAG (Retrieval-Augmented Generation) и агентных фреймворках, достигли значительных успехов, но остаются фундаментально пассивными. Они ждут запроса человека, прежде чем действовать. Новая работа, опубликованная в arXiv (2607.07721), утверждает, что истинная продуктивность требует проактивных агентов — систем, которые сами выявляют и доставляют релевантную информацию до того, как сотрудник задаст вопрос.
Архитектура Context Graph
Авторы предлагают Context Graph — живую реляционную структуру данных, которая моделирует сущности предприятия, их связи и изменения состояний во времени. На базе этого графа построена система из трех ключевых компонентов:
- Delta Detection Engine: непрерывно мониторит изменения состояния в графе.
- Proactivity Scorer: ранжирует кандидаты на «инсайт» по критериям срочности, релевантности и соответствия роли сотрудника (persona-fit).
- Surfacing Layer: использует LLM (в реализации — Anthropic Claude) для доставки уведомлений с обоснованием.
Метрики эффективности
Оценка проводилась на трех кейсах: управление жизненным циклом контрактов, реагирование на инциденты в инженерии и очистка воронки продаж. Результаты демонстрируют существенное преимущество перед реактивной базовой линией.
| Метрика | Значение | Примечание |
|---|---|---|
| Proactivity Score | Унифицированная функция | Объединяет срочность, релевантность и контекст |
| Precision@5 | 0.83 | Точность топ-5 рекомендаций |
| False Positive Rate | 0.11 | Низкий уровень ложных срабатываний |
| Mean Time to Surface | < 30 секунд | Снижение с 47 минут (реактивный подход) |
Техническая реализация
Полная реализация на Python доступна для воспроизведения. В качестве графового движка использована библиотека NetworkX, а для генерации объяснений — API Anthropic Claude. Автор формализовал функцию Proactivity Score, позволяющую количественно оценивать полезность проактивного вмешательства.
Почему это важно
Снижение времени от события до уведомления с 47 минут до 30 секунд меняет парадигму работы с данными. Вместо того чтобы искать информацию, сотрудники получают её в момент возникновения необходимости. Это снижает когнитивную нагрузку и минимизирует риски, связанные с задержкой в принятии решений.
Источник: arXiv cs.AI ↗