-
Hogyan gyorsította fel a Ricoh az intelligens dokumentumfeldolgozást az AWS-sel
A Ricoh nemrég áttörő lépést tett az intelligens dokumentumfeldolgozás terén, amikor az AWS felhőszolgáltatásaira építve egy skálázható, AI-alapú megoldást alkotott. A vállalat célja az volt, hogy a hagyományos, sok kézi beavatkozást igénylő folyamatokat automatizálva jelentősen lerövidítse az ügyfélbevezetési időt, miközben növeli a feldolgozott dokumentumok számát és a rendszer megbízhatóságát. Az új platform a generatív mesterséges intelligenciát, a szerver nélküli architektúrát és szabványosított keretrendszereket ötvözve válaszolja meg a modern vállalati kihívásokat, így a Ricoh ügyfelei már napok alatt végezhetik el azt, ami korábban hetekbe telt. Az egészségügyi szektor dokumentumkezelési kihívásai A Ricoh egészségügyi üzletága több mint 200 országban szolgál ki nagy egészségbiztosítókat, kezelő szervezeteket és egészségügyi szolgáltatókat. Naponta több száz ezer…
-
Hogyan segíti az MI a COBOL rendszerek modernizálását költséghatékonyan
A COBOL nyelv még mindig szinte mindenhol jelen van a pénzügyi rendszerekben, a légitársaságoknál és az állami szektorban, hiszen az ATM-tranzakciók 95%-át is ez a több évtizedes programozási nyelv kezeli az Egyesült Államokban. Ennek ellenére az érintett szakemberek száma folyamatosan csökken, hiszen a rendszereket fejlesztő mérnökök már nyugdíjba vonultak, az ő tudásuk pedig velük együtt távozott. A dokumentációk elavultak, a kódok pedig az elmúlt évtizedek alatt többszörösen módosultak, így a karbantartás egyre bonyolultabbá vált. A kérdés az, hogyan lehet ezeket a kritikus rendszereket modernizálni anélkül, hogy a megbízhatóság vagy a működési folytonosság sérülne, és mindezt lehetőleg költséghatékony módon? A COBOL modernizálás egyedi kihívásai Nem egyszerű elavult kódot frissíteni, amikor az…
-
Hatékonyabb csapatmunka és testreszabható pluginek vállalatoknak
A modern vállalati környezetben egyre fontosabbá válik, hogy a csapatok rugalmasan és hatékonyan dolgozhassanak együtt, miközben a munkafolyamatokat személyre szabható eszközök segítik. A Claude legújabb frissítései éppen ebben nyújtanak komoly segítséget: a Cowork és a pluginok fejlesztése révén mostantól minden részleg és munkakör számára testreszabható, speciális asszisztenseket hozhatunk létre, amelyeket egy privát piactéren keresztül oszthatunk meg a vállalaton belül. Új szintre lép a pluginok kezelése A legfontosabb változás, hogy a pluginok létrehozása és kezelése sokkal egyszerűbbé vált. A rendszergazdák most már induló sablonokból vagy teljesen nulláról építhetnek fel pluginokat, miközben Claude végigvezeti őket a beállításokon, személyre szabva a képességeket, parancsokat és a különböző kapcsolódó modulokat (MCP-ket) a cég igényei szerint.…
-
Melyik AI munkafolyamat illik a projektedhez? Három alapminta
Az AI-ügynökök egyre önállóbban döntenek a feladatok megoldásáról, de ehhez elengedhetetlen, hogy megfelelő munkafolyamatokat építsünk köréjük. A jól megválasztott munkafolyamat nemcsak rendszert visz az autonómiába, hanem segít abban is, hogy az AI egységek összehangoltan, hatékonyan és kiszámíthatóan működjenek együtt. A gyakorlatban három fő mintával találkozunk: a szekvenciális, a párhuzamos és az értékelő-optimalizáló munkafolyamatokkal. Mindegyik más-más problémára kínál megoldást, és mindegyiknek megvannak a maga előnyei és buktatói. A munkafolyamatok és az AI-ügynökök kapcsolata Ha már dolgoztál csapatban vagy projektmenedzserként, akkor a munkafolyamatok fogalma nem ismeretlen számodra. Gondolj csak egy gyártósorra: minden állomáson egy-egy szakember dolgozik a saját részfeladatán, miközben az egész rendszer előre megszabott rend szerint halad. Hasonlóan működnek az AI-ügynökök…
-
Claude új integrációkkal és mélyebb kutatási képességekkel bővül
A mesterséges intelligencia világában gyorsan változnak a lehetőségek, és a Claude nevű AI asszisztens most egy jelentős lépést tett előre. A legújabb frissítéssel már nem csak önmagában képes dolgozni, hanem közvetlenül kapcsolódhat a felhasználók által használt különféle alkalmazásokhoz és eszközökhöz. Ez a fejlesztés gyökeresen átalakíthatja a digitális munkafolyamatokat, hiszen Claude így sokkal jobban megértheti a felhasználók igényeit, és hatékonyabban segíthet a feladatok elvégzésében. Integrációk: Claude a munkaeszközeink központja Az új Integrations funkcióval Claude immár távvezérelt MCP (Model Context Protocol) szerverekhez csatlakozhat, így nemcsak a helyi gépünkön futó alkalmazásokkal működik együtt, hanem a felhőben is képes kapcsolódni különböző szolgáltatásokhoz. Ez azt jelenti, hogy a felhasználók akár több tucat népszerű programot is…
-
Miért hibáznak az IT-ügynökök? IBM és Berkeley feltárja a titkokat
Az utóbbi években a mesterséges intelligencia és a nagy nyelvi modellek (LLM-ek) egyre nagyobb szerepet kaptak az informatikai automatizálásban. Különösen az IT ügynökök, vagyis az önállóan működő szoftveres asszisztensek, amelyek komplex feladatokat végeznek el, például hibák diagnosztizálását vagy rendszerkarbantartást. Az IBM Research és a Kaliforniai Egyetem Berkeley kutatói közösen vizsgálták, hogy miért hibáznak ezek az ügynökök, és hogyan lehetne ezt a problémát jobban megérteni és kezelni. A „fekete doboz” probléma az ügynökértékelésben A szakmai világban megszokott, hogy az automatizált rendszerek teljesítményét egyetlen számjeggyel mérik, például sikeres vagy sikertelen futás alapján. Ez azonban nem árulja el, mi okozza a hibát, vagyis a rendszerek működésének belső problémái rejtve maradnak – ezért nevezik…
-
Gyorsabb éves tervezés a Perplexity segítségével
Az éves tervezés minden vállalat és csapat számára kulcsfontosságú, hiszen a következő év irányvonalát határozza meg. Ennek ellenére sokszor előfordul, hogy a tervek összeállítása kaotikus módon, szétszórt dokumentumokból és találgatások alapján történik. A Perplexity új útmutatója azonban megmutatja, hogyan lehet ezt a folyamatot egyszerűbbé és hatékonyabbá tenni, akár a visszatekintő elemzéstől egészen a végső jóváhagyásig. Az éves tervezés mint rendszer Sok csapat szembesül azzal, hogy bár az éves terveket január elsejére kellene elkészíteni, a prezentációk újraírása, a költségvetések módosítása még hónapokig elhúzódik. A Perplexity segítségével azonban ez a folyamat rendszerezhető és megismételhetővé válik. Az útmutatóban található sablonok és promptok minden tervezési fázishoz kínálnak támogatást, legyen szó a múlt év tapasztalatainak…
-
Hogyan oldják meg az AI ügynökök a hosszú távú, összetett feladatok kihívásait?
Az AI ügynökök egyre fejlettebbé válnak, így a fejlesztők egyre gyakrabban bíznak rájuk összetett, akár órákig vagy napokig tartó munkafolyamatokat. Azonban a hosszú távú, folyamatos előrehaladást igénylő feladatok megoldása még mindig komoly kihívást jelent, különösen azért, mert az AI ügynökök munkamenetei diszkrétek, és minden új munkamenet egy előzményektől mentes, „tiszta lappal” indul. Ez nagyjából olyan, mintha egy szoftverfejlesztő csapatban minden műszak új mérnökökkel indulna, akik nem ismerik az előző műszak történéseit. A probléma gyökere, hogy a legtöbb fejlesztési projekt nem fejezhető be egyetlen „kontekstusablak” (context window) keretében, hiszen ezek az ablakok méretben és időben is korlátozottak. Ezért az AI ügynököknek hatékony módszerekre van szükségük, hogy a munkamenetek közötti szakadékot áthidalják,…
-
Hatékonyabb AI-ügynökök az MCP és a kódvégrehajtás segítségével
Az AI-ügynökök és külső rendszerek összekapcsolása eddig gyakran egyedi integrációkat igényelt, ami megnehezítette a skálázhatóságot és a hatékony együttműködést. A Model Context Protocol (MCP) egy nyílt szabvány, amely azt célozza, hogy egységes módon kapcsolja össze az AI-ügynököket különféle eszközökkel és adatforrásokkal. Az MCP bevezetése óta gyorsan terjedt, és mára az iparág alapértelmezett protokolljává vált az AI-eszközök integrálására. Ugyanakkor a kapcsolódó eszközök számának növekedésével egyre nagyobb kihívást jelent az erőforrások hatékony kezelése, különösen a tokenhasználat és a működési sebesség szempontjából. Cikkünkben bemutatjuk, hogyan segíthet a kódvégrehajtás az MCP-alapú ügynökök hatékonyabb működésében. Az MCP és a skálázódás kihívásai Az MCP lehetővé teszi, hogy a fejlesztők egyszer implementálják az ügynökökben a protokollt, amely…
-
Új távlatok az AI képességeiben: Bemutatkoznak az Agent Skills
Az egyre fejlettebb mesterséges intelligencia modellek lehetővé teszik, hogy általános célú ügynököket hozzunk létre, amelyek komplex feladatokat képesek ellátni különböző környezetekben, például helyi kódvégrehajtással és fájlrendszerekkel. Az Anthropic legújabb fejlesztése, az Agent Skills, egy olyan innovatív megoldás, amely lehetővé teszi az AI-ügynökök számára, hogy egyedi, speciális szakterületi tudással gazdagodjanak, és így még hatékonyabban végezzenek speciális feladatokat. Cikkünkben bemutatjuk, mit takarnak az Agent Skills, hogyan működnek, és milyen irányelvek alapján érdemes saját képességeket fejleszteni. Mi az az Agent Skills és hogyan működik? Az Agent Skills lényege, hogy egy jól szervezett mappában, a SKILL.md nevű fájl segítségével tárolt utasítások, szkriptek és egyéb erőforrások összessége. Ezek a képességek lehetővé teszik, hogy az AI-ügynökök…
