Группа Arenadata адаптирует свою дата-платформу для сценариев с ИИ-агентами: им понадобятся не только таблицы и быстрые запросы, но и контролируемые права, понятный контекст и качественные метаданные. Дата-платформа Arenadata в этой логике должна обслуживать уже не только аналитика с SQL-клиентом, но и программного помощника, который сам выбирает источники и строит цепочку действий.
О подходе компания рассказала 8 октября на форуме «Цифровые решения», сообщает CNews. Директор по дата-стратегии и искусственному интеллекту группы Arenadata Петр Емельянов описал смену ролей: сначала с корпоративными данными работал человек, затем — детерминированные роботы с заранее заданными сценариями, а теперь к ним добавляются ИИ-агенты. Последние могут интерпретировать задачу, искать релевантные источники, формировать гипотезы и последовательно выполнять действия для достижения цели.
Это важное уточнение для российских компаний, которые переходят от пилотных чат-ботов к прикладным ИИ-сценариям. Модель или агент бесполезны, если не понимают, какой набор данных актуален, откуда он взялся, кто отвечает за его качество и разрешён ли к нему доступ. Подключить языковую модель к витрине данных технически несложно; объяснить ей, что именно лежит в витрине и что ей нельзя видеть, обычно оказывается заметно труднее.
ИИ-агенту нужен не просто доступ к данным
В Arenadata предлагают считать ИИ-агента полноценным пользователем платформы — со своими правами, ограничениями и правилами взаимодействия с источниками. Такой подход выводит на первый план Data Governance: описание объектов, полноту метаданных, происхождение данных и разграничение доступа. Если эти элементы существуют только в голове пары инженеров или в устаревшей wiki, агент будет действовать в той же туманной среде, что и новый сотрудник в первую рабочую неделю.
Для ИИ-сервисов критичен контекст. Недостаточно сообщить название таблицы продаж: нужно понимать периодичность обновления, методику расчёта показателей, владельца, связь с другими наборами и ограничения на использование. Иначе даже корректно сформированный запрос способен дать бизнесу неверный ответ — например, на основе архивной витрины, тестовых записей или неполных данных. Поэтому развитие ИИ в корпоративной среде упирается не только в выбор модели, но и в дисциплину управления данными.
Компания перечислила несколько продуктов, которые связывает с такими сценариями. Arenadata Hyperwave, или ADH, позиционируется как гибридная платформа для хранения, обработки и анализа данных разных типов и объёмов. Она может служить основой для данных, используемых ИИ-приложениями. Arenadata QuickMarts (ADQM) — кластерная колоночная СУБД на базе ClickHouse для оперативной аналитики по большим объёмам структурированных данных; через неё можно готовить наборы для аналитических ИИ-сервисов.
Отдельная роль отведена Arenadata Catalog (ADC), системе управления корпоративными данными и процессами Data Governance. В её составе есть модуль AI Data Steward. По информации компании, он анализирует недокументированные объекты, ищет дубликаты, проверяет полноту описаний и предлагает дополнить сведения о происхождении данных. Предложения оформляются как заявки на изменение, а окончательное подтверждение остаётся за сотрудником. Это заметно практичнее идеи поручить ИИ самостоятельно переписать каталог: автоматизация помогает разобрать завалы, но не отменяет ответственности владельца данных.
Что меняется для команд и бизнеса
Для разработчиков и data-команд этот подход означает, что интеграцию ИИ придётся проектировать как обычный корпоративный сервис, а не как эксперимент с API-ключом. Понадобятся сервисные учётные записи, минимально необходимые права, аудит обращений и правила, по которым агент получает доступ к конкретным доменам данных. Отдельно придётся решать, как агенту передавать бизнес-термины и описания метрик, не открывая ему всё хранилище целиком.
Для продактов и руководителей важен другой вывод: ценность ИИ-сценария будет зависеть от готовности данных. Если каталог пуст, владельцы наборов не определены, а происхождение показателей невозможно восстановить, то сначала придётся закрывать базовую работу с качеством и управлением. Инструменты наподобие AI Data Steward могут ускорить инвентаризацию и подсветить пробелы, однако они не способны сами установить, какой показатель в компании считается выручкой и почему его нельзя смешивать с бухгалтерским оборотом.
На российском рынке этот вектор выглядит логичным: заказчики одновременно строят локальные контуры хранения, развивают аналитику и ищут прикладные способы использовать генеративный ИИ. Дата-платформа Arenadata пытается собрать эти слои в единую конструкцию — хранение, подготовку, каталогизацию и защищённую обработку данных. На стенде компании на форуме побывали министр цифрового развития Максут Шадаев и вице-премьер Дмитрий Григоренко, но главным тестом для подхода станут не визиты чиновников, а реальные корпоративные кейсы.
Следующий вопрос для рынка — смогут ли компании превратить свои каталоги и политики доступа из формального слоя комплаенса в рабочий контекст для ИИ. Чем больше агентам доверяют подготовку аналитики и выполнение операций, тем выше цена ошибки в правах, метаданных или трактовке показателя. Поэтому дата-платформа Arenadata делает ставку на менее эффектную, но необходимую часть ИИ-внедрения: привести данные в состояние, при котором ими можно безопасно пользоваться не только людям.