
Agenti umelej inteligencie dokážu automatizovať úlohy, analyzovať dáta a podporovať rozhodnutia. Pre spoločnosť však nestačí, aby mal agent prístup k dátam. Musí tiež rozumieť ich kontextu, kvalite, pôvodu a pravidlám používania.

Spoločnosti čoraz viac vnímajú agentov s umelou inteligenciou nie ako technologickú kuriozitu, ale ako súčasť budúcej procesnej architektúry. Agent môže načítať dáta, pripraviť odporúčanie, spustiť ďalšiu akciu, skontrolovať stav prípadu alebo pomôcť používateľovi pri rozhodovaní.
Čím väčšia je autonómia agenta, tým dôležitejšia je otázka: na čom vlastne zakladá svoje konanie?
V klasickej správe používateľ vidí výsledok a často si môže overiť zdroj. S agentom s umelou inteligenciou je proces dynamickejší. Agent môže používať viacero systémov, interpretovať príkazy v prirodzenom jazyku, kombinovať údaje z rôznych zdrojov a vykonávať akcie v rámci konkrétneho obchodného kontextu.
Preto v podnikovej umelej inteligencii nestačí len prepojenie modelu s dátami. Je potrebná vrstva, ktorá agentovi povie, čo dáta znamenajú, odkiaľ pochádzajú, či sú aktuálne, aká je ich kvalita, kto ich môže používať a aké obchodné pravidlá platia.
Túto vrstvu nazývame dôveryhodný kontext.
Dôveryhodný kontext je kontext, ktorý je overený a je v súlade s organizačnými pravidlami, čo pomáha agentom umelej inteligencie správne interpretovať údaje, robiť lepšie rozhodnutia a fungovať v rámci politík bezpečnosti, ochrany osobných údajov a dodržiavania predpisov.
Informatica opisuje dôveryhodný kontext ako súbor informácií a pravidiel, ktoré umožňujú agentom umelej inteligencie konať spoľahlivejšie. Zahŕňa okrem iného:
Bez týchto prvkov môže agent umelej inteligencie vygenerovať odpoveď, ktorá znie presvedčivo, ale je založená na nesprávnych údajoch, prehliada dôležité obmedzenia alebo nespĺňa požiadavky organizácie.
V projektoch umelej inteligencie sa veľká pozornosť venuje výberu modelu, výzvam, rozhraniam a automatizácii úloh. To je pochopiteľné, pretože ide o najviditeľnejšie prvky riešenia.
V korporátnom prostredí však efektívnosť agentov závisí aj od menej okázalých, ale kritických základných prvkov: kvality údajov, katalogizácie zdrojov, obchodných definícií, správy prístupov a konzistentného pohľadu na kľúčové objekty, ako sú zákazníci, produkty, dodávatelia a zamestnanci.
Ak sú tieto základy slabé, agent umelej inteligencie môže zrýchliť svoju prácu, ale aj zrýchliť zlé rozhodnutia. Môže zhromažďovať údaje rýchlejšie, ale nie nevyhnutne tie správne údaje. Môže vydať odporúčanie rýchlejšie, ale bez záruky, že je založené na aktuálnom a úplnom obraze situácie.

Metadáta pomáhajú agentovi pochopiť, aké dáta v organizácii existujú, kde sa nachádzajú, čo znamenajú a ako spolu súvisia. Katalóg dát môže poskytnúť informácie o štruktúre dát, pôvode, schémach, vzťahoch a použití.
Pre agenta s umelou inteligenciou je to základ interpretácie. Bez metadát môže agent vidieť tabuľku alebo pole, ale nemusí nevyhnutne rozumieť ich obchodnému významu.
Agenti umelej inteligencie často vyžadujú aktuálny pohľad na dáta z viacerých systémov. Integrácia dát znižuje manuálnu prípravu dát a poskytuje agentom prístup k širšiemu operačnému kontextu.
Toto je obzvlášť dôležité v procesoch, ktoré vyžadujú reakcie takmer v reálnom čase, ako sú zákaznícky servis, dodávateľský reťazec, financie alebo prevádzka.
Kvalita údajov je jedným z najdôležitejších prvkov dôveryhodného kontextu. Agent umelej inteligencie by mal vedieť, či sú údaje úplné, konzistentné, aktuálne a spoľahlivé.
Ak organizácia monitoruje kvalitu údajov a poskytuje metriky kvality, agenti sa môžu vyhnúť zdrojom, ktoré sú zastarané, nekonzistentné alebo náchylné na chyby. To znižuje riziko odporúčaní založených na nepresných údajoch.
MDM alebo správa kmeňových dát pomáha vytvoriť jednotný a ucelený pohľad na kľúčové obchodné subjekty. Môže to byť zákazník, produkt, dodávateľ, lokalita alebo iný kľúčový subjekt.
Toto je kľúčové pre agentov s umelou inteligenciou. Ak sú údaje o tom istom zákazníkovi rozptýlené vo viacerých systémoch a líšia sa, agent môže vygenerovať odporúčanie na základe neúplného alebo protichodného pohľadu. MDM pomáha toto riziko zmierniť.
Správa údajov definuje, kto je zodpovedný za údaje, kto ich môže používať, aké pravidlá platia a ako sa kontroluje používanie údajov. V kontexte agentov umelej inteligencie nie je správa údajov doplnkom po nasadení. Je nevyhnutným predpokladom pre bezpečné škálovanie.
Agent s prístupom k firemným údajom by mal konať v súlade so zásadami ochrany osobných údajov, bezpečnosti a dodržiavania predpisov. Mal by tiež rešpektovať používateľské povolenia a v prípade potreby zanechať audítorskú stopu.
Predstavte si agenta umelej inteligencie, ktorého úlohou je dať obchodnému tímu odporúčanie. Samotný model dokáže vygenerovať dobre odôvodnenú odpoveď. Iba dôveryhodný kontext mu však umožňuje overiť, ktoré údaje o zákazníkoch sú aktuálne, ktoré produkty zákazník už vlastní, aké sú pravidlá segmentácie, či sa údaje dajú použiť na tento účel a či odporúčanie porušuje pravidlá organizácie.
To isté platí pre operácie. Agent monitorujúci riziká dodávateľského reťazca potrebuje údaje zo skladových systémov, dodávateľov a externých zdrojov. Bez integrácie, kvality údajov a obchodného kontextu si môže všimnúť signál, ale nesprávne posúdiť jeho význam.
V oboch prípadoch agent umelej inteligencie potrebuje viac než len dáta. Potrebuje dáta, ktoré sú opísané, overené, prepojené s obchodnými pravidlami a riadené.
Pre riaditeľov dát (CDO), lídrov v oblasti správy údajov, dátových architektov a tých, ktorí sú zodpovední za digitálnu transformáciu, je záver jednoduchý: implementácia agentov umelej inteligencie by mala ísť ruka v ruke s organizáciou dátových základov.
V praxi sa oplatí začať s niekoľkými otázkami:
Tieto otázky sa môžu zdať menej lákavé ako ukážka nového agenta. Sú to však práve ony, ktoré určujú, či bude agentická umelá inteligencia nástrojom na podporu rozhodovania alebo ďalšou vrstvou rizika skrytou pod moderným rozhraním.
Dôveryhodný kontext je overený kontext údajov, procesov, používateľov a pravidiel riadenia, ktorý pomáha systémom umelej inteligencie správne interpretovať údaje a konať v súlade s organizačnými pravidlami.
Agenti umelej inteligencie môžu pristupovať k viacerým zdrojom údajov a vykonávať akcie v rámci obchodných procesov. Bez dôveryhodného kontextu môžu nesprávne interpretovať údaje, použiť nesprávny zdroj, obísť pravidlá prístupu alebo generovať odporúčania, ktoré porušujú pravidlá organizácie.
Správa údajov pomáha definovať zodpovednosť za údaje, pravidlá prístupu, požiadavky na dodržiavanie predpisov, zásady ochrany osobných údajov a audítorské záznamy. To umožňuje agentom umelej inteligencie fungovať v kontrolovanom prostredí.
MDM alebo správa kmeňových údajov pomáha udržiavať konzistentný prehľad o kľúčových údajoch, ako sú údaje o zákazníkoch, produktoch alebo dodávateľoch. To bráni agentovi umelej inteligencie v tom, aby zakladal odporúčania na konfliktných záznamoch z rôznych systémov.
Nie. Dôveryhodný kontext nenahrádza model umelej inteligencie, ale zvyšuje pravdepodobnosť, že model a agent budú fungovať na presných, overených a pravidlám vyhovujúcich údajoch.
Agent umelej inteligencie bez dôveryhodného kontextu je iba rýchlym rozhraním k dátam, ktorým nemusí rozumieť. V podnikovom prostredí to nestačí.
Ak chce organizácia škálovať agentickú umelú inteligenciu, mala by investovať nielen do modelov a automatizácie, ale aj do základov správy dát: metadát, integrácie, kvality dát, MDM a správy dát.
Iba potom môžu agenti umelej inteligencie fungovať spoľahlivejším, bezpečnejším a pre podnikanie užitočnejším spôsobom.
Ak chcete zistiť, či má vaša organizácia správnu dátovú základňu pre agentov umelej inteligencie, poďme sa s vami porozprávať. Pomôžeme vám pozrieť sa na túto tému z pohľadu správy údajov, kvality údajov, MDM a integračnej architektúry.
Źródło: Informatica, Úloha dôveryhodného kontextu pri vytváraní agentov umelej inteligencie: Ako Informatica IDMC umožňuje inteligentnejšiu správu údajov, publikované 20. mája 2026 https://www.informatica.com/blogs/the-role-of-trusted-context-in-building-ai-agents-how-informatica-idmc-empowers-smarter-data-management.html