예방적 기업 agent를 위한 컨텍스트 그래프

아카이브: 2607.07721v1 발표 유형: 새로운 요약: 정보를 추출하고 생성하는 Retrieve-Augmented Generation (RAG) 및 자기성 frameworks는 기업 AI를 크게 발전시켰지만, agent는 기본적으로 반응적입니다: 그들은 인간의 질의를 기다려야 합니다. 이 논문은 진정한 기업 생산성 향상이 진짜 proactive agent를 필요로한다고 주장합니다: 시스템이 직원들이 묻기 전에 관련하고 행동할 수 있는 정보를 표면화합니다. 우리는 Context Graph라는 실시간 관계 데이터 구조를 제안하는데, 이는 기업 엔티티, 그들의 관계 및 시간에 따른 상태 전이를 모델링합니다. 이 그래프 위에, 우리는 Delta Detection Engine를 정의하는데, 이는 상태 변경을 지속적으로 모니터링합니다. Proactivity Scorer는 후보 조언의 우선 순위를 정하기 위해 긴급성, 관련성 및 인물 적합도에 따라 ranking합니다. Surfacing Layer는 LLM를 사용하여 ranked notification을 제공하며 grounded explanation을 제공합니다. 우리는 각 구성 요소를 공식화하고, 통합된 Proactivity Score 함수를 도출하고, NetworkX 및 Anthropic Claude API를 사용하여 완전한 end-to-end Python implementation을 제공합니다. 세 가지 일반적인 기업 사례 연구(계약 수명 주기 관리, 엔지니어링 사고 대응, 판매 pipe line 유지 관리)에서 평가한 결과, Context-graph-driven proactivity는 Precision@5의 0.83, false positive rate의 0.11, 그리고 반응성 baseline에서 평균 시간을 47분에서 30초 미만으로 줄입니다.