Diskusie o agentoch umelej inteligencie sa často zameriavajú na modely, výzvy a automatizáciu. V podnikovom prostredí je však rovnako dôležitou otázkou: ako agent vie, ktorým údajom môže dôverovať, či má právo ich používať a aké akcie môže bezpečne vykonávať?
Odpoveďou nie je len pripojenie iného zdroja údajov. Je potrebná vrstva riadenia, ktorá poskytuje kontext, vynucuje pravidlá a agentovi poskytuje špecifické, kontrolované operácie. Príklad opísaný v Informatica ukazuje, ako sa dá takáto úloha zohrať bezhlavá správa dát založená na protokole Model Context Protocol, t. j. MCP.
Najdôležitejšie závery
- Agent umelej inteligencie potrebuje nielen záznamy, ale aj metadáta, pravidlá prístupu, informácie o kvalite a autoritatívne kmeňové dáta.
- MCP môže poskytovať funkcie správy údajov ako nástroje, ktoré sa vyvolávajú priamo v pracovnom postupe agenta.
- Automatizácia by nemala obchádzať riadenie. Mala by fungovať v rámci stanovených pravidiel, schválení a mechanizmov auditu.
- Hodnota dátového katalógu, MDM a integrácie sa zvyšuje, keď je možné ich možnosti bezpečne využiť v rámci viacerých procesov agentov.
Čo je MCP v architektúre agentov AI?
Model kontextového protokolu je štandard, ktorý umožňuje aplikáciám umelej inteligencie objavovať a vyvolávať externé nástroje a využívať zdieľané zdroje. Z pohľadu podniku však najdôležitejším faktorom nie je samotné technické pripojenie. Dôležité je, aké funkcie budú agentovi k dispozícii a aké pravidlá budú upravovať ich používanie.
Tradičná integrácia aplikácií s dátovou platformou zvyčajne vedie k špecifickému API, rozhraniu alebo vopred vytvorenej platforme. Agent pracujúci naprieč viacerými procesmi vyžaduje flexibilnejší mechanizmus. Musí byť schopný objaviť dostupné nástroje, pochopiť ich účel a spustiť správnu akciu v správnom čase.
Najdôležitejšia zmena: funkcie správy údajov už nie sú dostupné výlučne v rozhraní platformy. Teraz ide o spravované služby, ktoré môže agent vyvolať v rámci konkrétneho procesu.
Od prístupu k údajom k prístupu k schopnostiam
V opísanom Informatica architektúra, hostované MCP servery poskytujú agentovi vybrané funkcie Informatica Inteligentný cloud pre správu údajov. Nejde len o odovzdávanie záznamov do modelu. Agent získava programový prístup k operáciám súvisiacim s vyhľadávaním metadát, riadeným získavaním údajov, spúšťaním integračných úloh a využívaním kmeňových údajov z MDM. Toto je praktický príklad širšej zmeny opísanej v analýze. ako umelá inteligencia mení podnikovú architektúru.
Informatica informovaný počas Informatica Všeobecná dostupnosť piatich hostovaných serverov MCP vo svete v roku 2026. Štyri z nich boli použité v scenári služieb agentov AWS:
- Vyhľadávanie metadát MCP vyhľadávať zdroje a analyzovať ich kontext,
- Poskytovanie údajov MCP spustiť kontrolovaný proces zberu údajov,
- Správa úloh MCP vykonávať schválené integračné úlohy,
- Správa kmeňových dát MCP používať autoritatívne kmeňové údaje.
Každá služba je zodpovedná za inú časť procesu. Spoločne tvoria ucelený reťazec vedúci od objavovania údajov až po akciu založenú na dôveryhodnom kontexte.
Šesť fáz práce agenta s dátami
príklad Informatica Týka sa analytika, ktorý chce odhadnúť skutočné časy vybavenia objednávok. Samotná obchodná otázka je jednoduchá. Dáta potrebné na zodpovedanie tejto otázky sú však rozptýlené, vyžadujú si vyhodnotenie a nemali by sa zdieľať bez kontroly.
1. Objavovanie správnych zdrojov
Používateľ popisuje analytickú potrebu v prirodzenom jazyku. Agent používa vyhľadávanie metadát MCP na nájdenie zdrojov, ktoré zodpovedajú prípadu použitia. Vyhľadávanie je založené na metadátach a kontexte uloženom v katalógu, nielen na názvoch tabuliek.
2. Pochopenie údajov pred prístupom k nim
Agent analyzuje schémy, vlastnosti tabuliek, definície stĺpcov, dátové profily, zväzky, stav certifikácie a kontext domény. To umožňuje používateľom posúdiť vhodnosť údajov predtým, ako požiadajú o prístup k ich obsahu.
3. Výber najlepšej kolekcie
Porovnávanie alternatívnych zdrojov a ich profilov znižuje riziko výberu prvej nájdenej sady. Kritériá kvality a obchodný kontext sa stávajú súčasťou rozhodovacieho procesu.
4. Získanie riadeného prístupu
Po výbere údajov agent spustí formálny proces žiadosti prostredníctvom MCP pre poskytovanie údajov. Vlastník údajov si zachováva rozhodovaciu úlohu a proces zostáva auditovateľný. Automatizácia funguje v rámci riadenia, a nie ho obchádza.
5. Dodanie do schváleného prostredia
Po schválení agent spustí integračnú úlohu prostredníctvom Job Management MCP. Dáta sa odošlú na schválenú analytickú platformu. V tomto príklade Amazon Redshift a materiál Informatica tiež označuje ďalšie povolené možnosti cieľa.
6. Doplnenie analýzy o základné údaje
V poslednom kroku sa používajú hlavné údaje z Informatica MDMAgent kombinuje analytické poznatky s informáciami o dodávateľovi, aby posúdil vplyv výkonnosti dodávateľa na časy vybavenia objednávok. MDM sa stáva aktívnym zdrojom kontextu pre akcie agenta.
Riadenie nezmizne. Presunie sa do prúdu.
V debate o autonómnych agentoch je ľahké namietať proti rýchlosti riadenia. Tento scenár demonštruje odlišný prístup. Agent môže urýchliť vyhľadávanie a doručovanie údajov a zároveň rešpektovať certifikáciu zdrojov, požadované schválenia, politiky prístupu a audítorské záznamy.
Kľúčové je, že riadenie je zakotvené v prevádzke. Agent nemá neobmedzený prístup k celému prostrediu. Používa špecifické nástroje s jasne definovanými účelmi. V architektúre opísanej v Informatica Pripojenie brány AgentCore k hostovaným serverom MCP používa mechanizmy autentifikácie a autorizácie medzi službami založené na protokole OAuth 2.0.
To automaticky neznamená, že každá implementácia MCP bude bezpečná alebo dobre spravovaná. Hranice oprávnení, identita, vlastníctvo údajov a pozorovateľnosť by mali byť súčasťou návrhu od samého začiatku, nie doplnkom implementovaným po spustení agenta.
Čo sa mení pre dátové tímy?
Metadáta musia byť operačne užitočné
Ak má agent vyberať dáta, popisy, obchodné definície, certifikácie a informácie o kvalite nemôžu byť len dokumentáciou. Musia podporovať skutočné rozhodnutia prijaté v procese. Preto sa dobre navrhnutá správa dát a riadenie kvality dát stávajú neoddeliteľnou súčasťou spoľahlivosti agenta.
Kvalita údajov sa stáva prvkom spoľahlivosti agentov
Agent môže konať technicky správne, no napriek tomu urobiť nesprávne rozhodnutie na základe zastaraných, duplicitných alebo neúplných informácií. Kontrola kvality by sa mala vzťahovať na údaje používané v operáciách, nielen na tréningové údaje.
MDM sa presúva z back office do rozhodovacej vrstvy
Zlatý záznam pre zákazníka, produkt alebo dodávateľa môže poskytnúť agentovi autoritatívny kontext v momente akcie. To zvyšuje dôležitosť dochvíľnosti, identifikácie entít a vzťahov, ako aj viacdoménovej správy MDM.
Integrácie musia byť navrhnuté ako opakovane použiteľné funkcie
Hodnota sa zvyšuje, keď je možné operáciu bezpečne zistiť a spustiť rôznymi procesmi, nielen jedným, striktne naprogramovaným scenárom. Integrácia údajov v cloudovom prostredí sa potom stáva vykonávacou vrstvou pre procesy agentov.
Ako posúdiť pripravenosť organizácie?
Predtým, ako spoločnosť poskytne agentom ďalšie nástroje, mala by si zodpovedať niekoľko praktických otázok:
- Dokáže agent rozlišovať medzi certifikovanými a konceptovými údajmi?
- Je možné posúdiť profil, kvalitu a účel údajov pred ich prečítaním?
- Kto schvaľuje prístup a zanecháva rozhodnutie audítorskú stopu?
- Sú úlohy spúšťané agentom obmedzené čo do rozsahu?
- Sú kmeňové dáta dostatočne aktuálne na podporu prevádzkových rozhodnutí?
- Dá sa znovu vytvoriť celý tok aktivít od používateľského dopytu až po doručenie výsledku?
Ak sú odpovede nejednoznačné, problémom nemusí byť nevyhnutne nedostatok pokročilejšieho modelu. Často ide o nezrelú dátovú a riadiacu vrstvu. Agent odhalí tieto nedostatky rýchlejšie, pretože automatizuje množstvo rozhodnutí, ktoré ľudia predtým robili manuálne a v menšom rozsahu.
Integrálna analýza
V architektúre založenej na agentoch nebude výhodou len prístup k najväčšiemu množstvu údajov. Bude to schopnosť poskytnúť správny, aktuálny a spravovateľný kontext v presnom okamihu akcie.
MCP by sa mal považovať za mechanizmus zdieľania kapacít, nie za skratku, ktorá umožňuje agentovi obísť bezpečnostnú architektúru a riadenie. Predtým, ako organizácia začne budovať ďalšie servery a nástroje, mala by definovať katalóg povolených operácií, model identity, rozsah povolení, body schvaľovania a metódu monitorovania aktivít.
Praktickým východiskovým bodom je jeden, dobre opísaný obchodný proces. Identifikujte údaje, ktoré agent potrebuje, autoritatívne zdroje, požadované pravidlá kvality a kroky, ktoré je možné vykonať automaticky. Až potom by sa mal model rozšíriť tak, aby zahŕňal ďalšie oblasti. Integral Solutions podporuje organizácie pri organizovaní týchto prvkov: od dátovej architektúry a riadenia, cez MDM a integráciu, až po prípravu služieb na bezpečné používanie agentmi AI.
Pripravte si dáta a služby na prácu s agentmi umelej inteligencie
Poďme sa porozprávať o architektúre, ktorá kombinuje agentickú umelú inteligenciu so spravovanými dátami, riadením prístupu a integračnými procesmi.
Poďme sa porozprávať o dátovej architektúre pre agentov s umelou inteligenciou
Popíšte proces, ktorý chcete automatizovať. Spoločne posúdime pripravenosť dát, riadenie, MDM a integráciu a identifikujeme bezpečný východiskový bod.
Často kladené otázky: MCP, agenti AI a správa údajov
Čo je MCP pre agentov s umelou inteligenciou?
Protokol kontextu modelu (MPC) je štandard, ktorý umožňuje aplikáciám a agentom umelej inteligencie objavovať externé nástroje, vyvolávať ich funkcie a používať zdieľané zdroje. V podniku by mal fungovať popri kontrole identity, povolení a auditu.
V čom sa líši bezhlavá správa dát od bežného API?
Bezhlavá správa dát zahŕňa sprístupnenie funkcií dátovej platformy nad rámec jej natívneho rozhrania, aby ich bolo možné použiť v rôznych aplikáciách a pracovných postupoch agentov. MCP poskytuje bežný spôsob, ako môžu aplikácie umelej inteligencie objavovať a vyvolávať takéto nástroje.
Prečo agent s umelou inteligenciou potrebuje MDM?
MDM dokáže agentom poskytnúť autoritatívny kontext o zákazníkoch, produktoch, dodávateľoch alebo iných kľúčových entitách. To znižuje riziko práce s duplicitnými, konfliktnými hodnotami alebo zastaranými záznamami.
Nahrádza MCP správu údajov?
Nie. MCP uľahčuje pripojenie agentov k nástrojom a údajom, ale nezávisle nedefinuje zodpovednosť, politiky kvality, pravidlá prístupu ani požadované schválenia. Tieto prvky musia byť odvodené z modelu riadenia organizácie.
Ako začať implementovať agentickú umelú inteligenciu založenú na podnikových dátach?
Najlepšie je vybrať si jeden proces s jasným obchodným účelom, identifikovať požadované údaje a autoritatívne zdroje, definovať povolené operácie a stanoviť body ľudskej kontroly. Až po overení kvality a auditovateľnosti by sa malo riešenie škálovať.
Zdroje
- Informatica, Podpora agentových pracovných postupov na AWS pomocou Informatica MCP, 20. mája 2026