Data เป็นพลังขับเคลื่อนให้ระบบเรียนรู้ ผลิตภัณฑ์พัฒนา และช่วยให้บริษัทตัดสินใจได้ โดย Agent นี้สามารถใช้งานได้ในหลายแพลตฟอร์ม เช่น Slack agent, web interface, IDEs, Codex CLI และภายในแอป ChatGPT ภายในของ OpenAI
ในส่วนของ Layer #1: Table Usage นั้น Agent อาศัย metadata ของ Schema (ชื่อคอลัมน์และชนิดข้อมูล) เพื่อช่วยในการเขียน SQL และใช้ table lineage เพื่อให้บริบทความสัมพันธ์ของตารางต่างๆ
สำหรับ Layer #4: Institutional Knowledge นั้น Agent สามารถเข้าถึง Slack, Google Docs และ Notion ซึ่งเก็บบริบทสำคัญของบริษัท เช่น การเปิดตัว, เหตุการณ์ด้านความน่าเชื่อถือ, ชื่อรหัสภายใน และนิยามของตัวชี้วัดหลัก
Layer #5: Memory ช่วยให้ Agent สามารถบันทึกสิ่งที่เรียนรู้เมื่อได้รับคำชี้แนะหรือค้นพบความแตกต่างของข้อมูล ทำให้การตอบคำถามในอนาคตเริ่มต้นจากฐานข้อมูลที่แม่นยำกว่าเดิม
ในด้านความปลอดภัย Agent ทำหน้าที่เป็นเพียงชั้นอินเทอร์เฟซ โดยสืบทอดและบังคับใช้สิทธิ์และมาตรการป้องกันเดียวกับข้อมูลของ OpenAI เท่านั้น การเข้าถึงทั้งหมดจึงเป็นแบบ pass-through คือผู้ใช้สามารถสอบถามเฉพาะตารางที่ตนเองมีสิทธิ์เข้าถึงเท่านั้น
การประเมินเหล่านี้เปรียบเสมือน unit tests ที่ทำงานอย่างต่อเนื่องระหว่างการพัฒนา เพื่อตรวจจับ Regression เหมือนกับ Canary ใน Production ทำให้สามารถแก้ไขปัญหาได้ตั้งแต่เนิ่นๆ ขณะที่ขีดความสามารถของ Agent ขยายตัวออกไป
ศัพท์ที่ควรรู้
- Data Agent – ตัวแทนที่ใช้ข้อมูลในการประมวลผลและตอบคำถามของระบบ
- Schema metadata – ข้อมูลเกี่ยวกับโครงสร้างของฐานข้อมูล เช่น ชื่อคอลัมน์และชนิดของข้อมูล
- Table lineage – การติดตามว่าตารางต่างๆ มีความสัมพันธ์กันอย่างไรในระบบ
- Institutional Knowledge – องค์ความรู้เฉพาะขององค์กรที่เก็บในแหล่งข้อมูลภายใน เช่น Slack หรือ Notion
- Memory – ความสามารถของ Agent ในการจดจำและนำบทเรียนจากการโต้ตอบครั้งก่อนมาใช้ในการตอบครั้งต่อไป
- Pass-through – การที่ Agent ทำหน้าที่เป็นเพียงช่องทางกลาง โดยไม่ได้เปลี่ยนแปลงสิทธิ์การเข้าถึงของผู้ใช้
ที่มา: OpenAI