En esta sección se describen los escenarios adecuados para utilizar un agente de IA de Oracle Analytics, lo que garantiza un uso óptimo de las estadísticas automatizadas y la eficiencia en sus flujos de trabajo de análisis.
Los agentes de IA son expertos funcionales específicos del dominio. Piense en el agente de IA como un experto en la materia de un dominio empresarial específico que fomenta interacciones centradas del Asistente de IA de Oracle Analytics. Cuanto más centrado sea su ámbito, más precisas y significativas serán sus respuestas.
Los agentes de IA están diseñados para admitir a los usuarios del Asistente de IA de Oracle Analytics dentro de un dominio empresarial claramente definido. Cada agente está asociado a un juego de datos específico, documentos de conocimientos curados e instrucciones personalizadas. Juntos, todos estos componentes mejoran significativamente la capacidad del Asistente de IA de Oracle Analytics y el LLM subyacente para interpretar las preguntas de los usuarios de forma precisa dentro de un contexto particular.
Al reducir la ambigüedad y basar la IA en semántica, instrucciones y documentación específicas del dominio, las organizaciones pueden crear agentes de IA altamente especializados. Por ejemplo, puede crear un agente de IA centrado en los atrasos en las ventas de la compañía, otro agente de IA con un enfoque en la rotación de empleados o un agente de IA centrado en los volúmenes de solicitudes de servicio al cliente. Cada agente de IA se nutre de un juego específico de orígenes de datos, aplica expectativas de respuesta personalizadas e incorpora conocimientos empresariales relevantes, como información de carácter competitivo, políticas de RR. HH. o acuerdos de nivel de servicio.
Los agentes de IA los crean los autores para que los utilicen los consumidores. Los consumidores pueden ver paneles de control o libros de trabajo y contar con el Asistente de IA de Oracle Analytics para interactuar con sus datos mediante preguntas en lenguaje natural. Los consumidores no crean nuevas visualizaciones por sí mismos, sino que utilizan agentes para obtener aclaraciones rápidas, respuestas de seguimiento e información detalladas en el contexto del contenido de análisis que están explorando.