Компания Rox представила технический разбор архитектурных трудностей при разработке Revenue Agents, подчеркнув, что успех таких систем зависит не столько от мощности LLM, сколько от качества инфраструктуры управления данными.
Что произошло
Разработчики Rox выделили ключевую проблему создания агентов для сферы продаж: экстремальную волатильность данных в CRM, email и LinkedIn. Для борьбы с этим они внедрили архитектуру на базе графа знаний (Knowledge Graph) для унификации информации, систему AgentDataInterface для безопасного доступа через семантические запросы и метод MockDataInterface, позволяющий использовать «снэпшоты» данных для детерминированного тестирования и CI/CD.
Контекст
Традиционные AI-агенты часто полагаются на прямое обращение к разрозненным API, что в динамичных бизнес-средах приводит к непредсказуемости контекста и проблемам с безопасностью. Существующие решения часто демонстрируют «демо-качество», которое невозможно масштабировать в реальный продакшн без строгих методов оценки (Evals) и структурированного слоя данных.
Почему это важно для индустрии
Индустрия переходит от создания простых чат-ботов к разработке полноценных автономных операционных систем. Это смещает фокус конкуренции с выбора моделей на развитие Data Infrastructure: создание специализированных инструментов для построения графов знаний и стандартизацию интерфейсов данных (Data Interfaces) для надежной интеграции в корпоративный стек.
Почему это важно для пользователей
Для инженеров и разработчиков это означает смену парадигмы проектирования: вместо построения «умных оберток» вокруг LLM теперь необходимо фокусироваться на создании промежуточного слоя данных и надежных методов тестирования. Понимание важности инфраструктуры управления данными позволяет более критично оценивать готовность агентских систем к реальной эксплуатации.
Источники
Автор
Look at AI, редакция