ThoughtSpot sta sviluppando una nuova generazione di agenti AI per l'analisi dei dati, con l'obiettivo di rendere la business intelligence più proattiva e orientata all'azione.

Dalla reportistica passiva alle decisioni attive

Secondo Jane Smith, field chief data and AI officer di ThoughtSpot, i sistemi agentici stanno spostando l'attenzione dalla reportistica passiva a un processo decisionale più attivo. Invece di aspettare che l'utente trovi informazioni, questi agenti monitorano continuamente i dati provenienti da diverse fonti, diagnosticando i cambiamenti e automatizzando le azioni successive.

Democratizzazione dei dati e livello semantico

ThoughtSpot punta alla democratizzazione dei dati, ma sottolinea anche l'importanza di un solido livello semantico. Questo livello è fondamentale per consentire agli agenti di comprendere il contesto aziendale e prendere decisioni informate. Senza una comprensione approfondita del business, gli agenti AI rischiano di generare risultati inaccurati o fuorvianti.

Agenti AI in azione

ThoughtSpot ha lanciato quattro nuovi agenti BI progettati per lavorare in team e fornire analisi moderne. Spotter 3, l'ultima versione di un agente introdotto alla fine del 2024, è in grado di interagire con applicazioni come Slack e Salesforce. Può rispondere a domande, valutare la qualità delle sue risposte e continuare a cercare finché non ottiene il risultato corretto.

Decision Intelligence e tracciabilità

ThoughtSpot promuove un'architettura emergente chiamata 'decision intelligence' (DI), che mira a rendere ogni decisione, sia essa umana o AI, spiegabile, migliorabile e affidabile. Questa architettura prevede 'catene di fornitura delle decisioni', in cui le decisioni attraversano fasi ripetibili di analisi dei dati, simulazione, azione e feedback. Tutte le interazioni tra umani e macchine vengono registrate in un sistema di tracciamento delle decisioni.

Un esempio pratico è rappresentato dagli studi clinici nel settore farmaceutico, dove il sistema registra ogni fase della selezione di un paziente per uno studio clinico, dall'utilizzo dei dati sanitari all'identificazione di un candidato, alla simulazione rispetto al protocollo di studio e alla raccomandazione del medico. Questi processi possono essere controllati e migliorati per gli studi successivi.