Um Unternehmens-KI von der Stufe „kann Fragen beantworten“ zu der Stufe „vertrauenswürdige Ausführung“ zu überführen, hat Qianzhi Intelligence das zentrale Geschäfts-Agenten-Hub vorgestellt.
Mit Datensätzen als Kern und Business Flow Harness als vertrauenswürdige Basis lassen sich bewertbare, wiederverwendbare und evolvierbare Verbindungen zwischen allgemeinen intelligenten Tools und den bestehenden Geschäftssystemen von Unternehmen herstellen.
Das Kernprodukt „Vertrauenswürdiges Geschäft-Agenten-Zentrum“ von Beijing Qianzhi Intelligent Technology Co., Ltd. (im Folgenden als „Qianzhi Intelligence“ bezeichnet) zielt auf das Schlüsselproblem nach dem Übergang von Unternehmens-KI von der Dialogunterstützung zur Geschäftsausführung ab: Wie man Agenten dazu bringt, Geschäftsregeln wirklich zu verstehen, bestehende Systeme aufzurufen und unter der Voraussetzung überprüfbarer Ergebnisse und nachvollziehbarer Prozesse stabil, schnell und mit geringem Token-Verbrauch zu arbeiten.
Die Schwelle für Unternehmens-Agenten verlagert sich von der Modellfähigkeit zur geschäftlichen Vertrauenswürdigkeit
Allgemeine intelligente Agenten sind bereits in der Lage, Dokumente zu lesen, Code zu generieren und Tools aufzurufen. Doch nach dem Eintritt in den realen Geschäftsbetrieb besteht noch eine Lücke zwischen der Fähigkeit des Modells, „etwas zu tun“, und der Bereitschaft des Unternehmens, „es zu nutzen“. Eine Prüfung der Einkaufskonformität kann gleichzeitig Vertragstexte, Stammdaten von Lieferanten, Budgetkonten, Genehmigungsaufzeichnungen und Rechnungsbilder betreffen; eine finanzielle Prüfung erfordert nicht nur die Erkennung von Anomalien in Berichten, sondern auch das Verständnis von Verknüpfungsbeziehungen zwischen Berichten, den Maßstäben von Rechnungslegungsvorschriften und Aufsichtsregeln.
Die Schwierigkeiten solcher Aufgaben lassen sich kaum nur durch die Erweiterung von Modellparametern oder die Erhöhung von Prompts lösen. Die Geschäftslogik von Unternehmen ist oft in Datenbankverknüpfungen, Regeln bestehender Systeme und Erfahrungen von Experten verankert und verteilt sich auf verschiedene Systeme wie ERP, Finanzwesen, OA und Einkauf. Selbst wenn allgemeine Agenten eine Aufgabe durch mehrere Dialogrunden abschließen, ist es schwierig, sie stabil zu reproduzieren und zu gewährleisten, dass das Ausführungsergebnis bei mehreren Ausführungen durch verschiedene Personen nahezu identisch ist.
Der technische Ansatz von Qianzhi Intelligence besteht nicht darin, die bestehenden Geschäftssysteme von Unternehmen zu ersetzen oder das große Modell alle Geschäftsvorgänge neu „hart berechnen“ zu lassen. Stattdessen wird eine Schicht für vertrauenswürdige Geschäftszentren zwischen allgemeinen intelligenten Tools und Geschäftssystemen hinzugefügt, um den von der KI erforschten und geplanten Geschäftsprozess zu festigen. Durch Geschäftsanbindung, Automatisierung von Ontologien, Festigung von Agenten und RSI-Evolution wandelt die Plattform einmalige intelligente Erkundungen in wiederverwendbare, bewertbare und nachhaltig verbesserbare Geschäftsprozesse um. Dabei werden „Festlegen von Regeln“ und „Anwenden von Regeln“ getrennt: Geschäftsexploration, Prozessplanung und Festlegung von Prüfstandards werden einheitlich einmalig bei der Iteration von Prozessversionen abgeschlossen; die tägliche Geschäftsverarbeitung ist nur für die Ausführung zuständig und wiederholt diese Aktionen nicht. Zur Laufzeit ist weiterhin eine Prüfung erforderlich, aber Prüfdimensionen und Regeln können je nach Szenario konfiguriert werden, ohne an ein einziges Set gebunden zu sein. Sobald unternehmensweite Agenten mit großen Datenmengen konfrontiert werden, ist die Festigung von Geschäftsprozessen eine zwingende Anforderung: Ohne die Absicherung durch festgelegte Prozesse muss das Modell bei jedem Aufruf vor Ort schlussfolgern, sodass die Kosten in Form von Tokens kontinuierlich anfallen und direkt die Geschäftsgewinne schmälern.
Mit Datensätzen als Kern lassen Agenten Geschäftsbeziehungen verstehen
Der Kern dieses Zentrums ist das von Qianzhi Intelligence selbst entwickelte „Business Flow Harness“. Über MCP-Konnektoren und Skill-Pakete verbindet die Plattform gängige Programmier- und Bürointelligenztools mit den bestehenden ERP-, DRP- und Datenplattformen von Unternehmen, sodass das übergeordnete Modell die zugrundeliegenden Geschäftsfähigkeiten aufrufen und gleichzeitig die Regeln und Prozessvermögen in den vorhandenen Systemen des Unternehmens behalten kann.
Im Unterschied zu Agenten-Plattformen, bei denen Variablen oder Dateien die Hauptträger darstellen, verwendet Business Flow Harness Datensätze als Laufkern. Sein ProtoDataSet überträgt strukturierte Daten und unstrukturierte Materialien zwischen Prozessknoten, und der Proto-Prototyp unterstützt jederzeit Abfragen und Rückverfolgung von Geschäftssemantik (Ontologieobjekte, Attribute, Regeln oder auf andere Weise definierte Metadaten). Dadurch können Operationen wie Verbundabfrage, Perspektivierung, Gruppierung, Filterung und Verknüpfungsprüfung direkt zu Knoten im Geschäftsprozess werden, ohne in eine große Anzahl einmaliger Variablenzuweisungen oder temporäre Skripte zerlegt zu werden.
Auf dem Kern der Datensätze kapselt Qianzhi Intelligence Datenverarbeitung, Verarbeitung durch große Modelle, maschinelles Lernen sowie API- und MCP-Aufrufe einheitlich zu visuellen und debuggbaren Verarbeitungsknoten ein. Nachdem Geschäftsmitarbeiter eine Prüfung oder Analyse mithilfe intelligenter Tools abgeschlossen haben, können sie den gültigen Pfad zu einem standardmäßigen Geschäftsprozess-Agenten festigen. Deterministische Aufgaben im Prozess werden von Datenverarbeitungs- und Regelknoten übernommen, während große Modelle sich auf Planung, Verständnis, Extraktion und Generierung konzentrieren, um die durch wiederholte Erkundung verursachte Instabilität zu reduzieren.
Die Ontologie-Entwicklungs-Engine ergänzt die Geschäftssemantik weiter. Business Flow Harness ist nahtlos mit der Ontologie-Engine verbunden und stellt die beste Grundlage für die automatisierte Ausführung von Ontologien dar. Qianzhi drückt Geschäftsregeln mit Formeln aus, die der natürlichen Sprache nahekommen (die Syntax ist kompatibel mit Abschlussberichten von Finanz- und Zentralunternehmen), unterstützt die automatische Verknüpfung zwischen Tabellen, die Optimierung der Datenabfrage und die Abbildung von Regeln auf Datenbankanweisungen oder Schnittstellen-APIs und kann Teile der Graphabfrageanforderungen mit Abfragen in relationalen Datenbanken übernehmen, um die Implementierungskosten für Unternehmen beim Aufbau der Geschäftssemantikschicht zu senken.
Wandeln Sie „Vertrauenswürdigkeit“ in einen ausführbaren Veröffentlichungsmechanismus um
Für fehlertoleranzarme Szenarien wie Finanzwesen, Einkauf, Aufsicht und Rechnungsprüfung bedeutet ein erfolgreicher Demonstrationsvorgang noch keine Produktionsverfügbarkeit. Daher macht Business Flow Harness die automatisierte vertrauenswürdige Bewertung zu einer unabhängigen Schicht: Vor der Veröffentlichung des Agenten werden historische Daten oder Simulationsdaten zur Laufzeitbewertung aufgerufen, um Proben mit inkonsistenten Ergebnissen zu lokalisieren, und dann durch Anpassung des Prozesses, Optimierung von Prompts und Ergänzung der Probenbank eine Iteration abgeschlossen, bevor der Agent nach Erfüllung der Anforderungen veröffentlicht wird.
Nach der Inbetriebnahme kann die Plattform Fehlerfälle als negative Proben festigen und durch Differenzzuordnung, Erweiterung der Probenmenge und Regressionstests nachfolgende Verbesserungen fördern. Die Multi-Agent-Lernplattform von Qianzhi hat für Kunden bereits mehrere Millionen Korpora intelligent gefiltert und annotiert, und alle ihre Fähigkeiten sind in Form von Tools und Fähigkeiten in die RSI (Recursive Self-Improvement) Evolutions-Engine des Geschäftsprozesses integriert. Die Verbesserungsobjekte hier sind nicht die Parameter des Grundmodells, sondern die Prozesse, Prompts, Regeln und Probenvermögen des Geschäfts-Agenten; jede Geschäftskorrektur kann in die Testgrundlage für die nächste Veröffentlichung oder die Referenzprobe für die nächste Inferenz umgewandelt werden.
Dieser Mechanismus wandelt die Zuverlässigkeit von Agenten von der Abhängigkeit von persönlichen Debugging-Erfahrungen in einen testbaren, nachvollziehbaren und regressionsfähigen Ingenieursprozess um. Für Unternehmen bedeutet Vertrauenswürdigkeit nicht nur genauere Antworten, sondern auch eine Prüfung vor der Veröffentlichung, Aufzeichnungen während des Betriebs sowie Lokalisierungs- und Korrekturpfade bei auftretenden Problemen.
Prozesswiederverwendung reagiert gleichzeitig auf Genauigkeit, Geschwindigkeit und Token-Kosten
Ein weiterer Wert der Festigung von Geschäftsprozessen besteht darin, wiederholte Planungen und Erkundungen von Agenten in der Laufphase zu reduzieren. Bereits validierte Datenverknüpfungen, Regelberechnungen und Systemaufrufe können direkt wiederverwendet werden, sodass das Modell nicht jedes Mal von Grund auf den Prozess verstehen, Skripte generieren und wiederholt Fehler korrigieren muss. Dadurch trägt der Prozess nicht nur Geschäftswissen, sondern wird auch zu einem technischen Mittel zur Steigerung der Betriebseffizienz.
In den letzten drei Jahren hat Qianzhi die Prüfung von mehreren Millionen Berichten (in Bereichen wie interne Kontrolle, Finanzberichte, Ausschreibungen und Angebote) und 200 Millionen Begleitdokumenten abgeschlossen. Die Genauigkeit aller verwendeten intelligenten Agenten überstieg bei der Veröffentlichung 90 %, und die Hälfte erreichte 95 % (basierend auf dem intelligent annotierten Korpus, der von Geschäftsexperten überprüft wurde). Vergleichstests zeigen, dass nach der Festigung des Geschäftsprozesses die Betriebsgeschwindigkeit der intelligenten Agenten um das Zehnfache gesteigert wird und der Token-Verbrauch auf ein Zehntel des ursprünglichen Werts sinkt (die Indikatoren stammen aus der eigenen Geschäftspraxis des Unternehmens, die spezifische Leistung hängt von Geschäftsszenarien, Datengrundlagen und Modellkonfigurationen ab).
Die Genauigkeit ergibt sich hauptsächlich aus automatisierter Bewertung, RSI-Iteration, vertrauenswürdiger Veröffentlichung und Lernen aus negativen Proben; Geschwindigkeit und Token-Kosten ergeben sich hauptsächlich daraus, dass Erkundung, Planung und Prüfung der KI vorverlagert und in die Veröffentlichungsphase verlagert werden (dabei werden in großem Umfang lokale Open-Source-Modelle verwendet); die Entwicklungseffizienz profitiert von Ontologiesemantik, visueller Orchestrierung und automatisierter Validierung. Das Ziel besteht nicht darin, große Modelle durch Prozesse zu ersetzen, sondern die Fähigkeiten des Modells in einem deterministischen Geschäftsrahmen zur Geltung zu bringen, die KI-Fähigkeiten durch Prozesse zu festigen, anstatt Geschäfte direkt mit KI mit hoher Unsicherheit zu bearbeiten.
Vom einmaligen Lieferobjekt zu kumulierbaren intelligenten Vermögenswerten der Organisation
Das Zentrum für vertrauenswürdige Geschäfts-Agenten eignet sich für Szenarien mit großen Datenmengen, in denen strukturierte Daten und Dokumentenmaterialien gemischt vorliegen. In diesen Szenarien sind große Modelle für das Verständnis von Materialien, Extraktion und Induktion von Elementen zuständig, während der Geschäftsprozess für die datenabfrage über Systeme hinweg, Regelausführung, Protokollierung von Vorgängen und Weiterleitung von Anomalien verantwortlich ist. Beide schließen gemeinsam den geschlossenen Kreislauf von „Verstehen“ bis „Abschließen der Aufgabe“ ab.
Noch wichtiger ist, dass festgelegte Prozesse, Korpora, Proben und Fähigkeiten weiterhin zu Unternehmensvermögenswerten festgelegt werden können. Die Erfahrungen von Geschäftsexperten existieren nicht mehr nur in den Köpfen von Einzelpersonen oder in einem einzigen Dialog, sondern können durch Prozesse und Bewertungssätze wiederverwendet, geteilt und iteriert werden. Für große Organisationen, die KI-Fähigkeiten langfristig aufbauen müssen, ist diese Vermögensbildungsfähigkeit näher an den tatsächlichen Anforderungen von Produktionssystemen als die Demonstration einer einzelnen Aufgabe.
Qianzhi Intelligence gibt an, dass es sich künftig kontinuierlich in Business Flow Harness, Ontologieautomatisierung und vertrauenswürdiges Bewertungssystem investieren wird, um die Replikation von Geschäfts-Agenten in mehr Szenarien mit hoher Regeldichte voranzutreiben. Mit der kontinuierlichen Weiterentwicklung allgemeiner Modelle und intelligenter Tools möchte Qianzhi Intelligence nicht noch einen weiteren Modellzugang besetzen, sondern die Brücke für Verbindung, Verständnis und Ausführung zwischen KI-Gehirn und Geschäftssystemen – vertrauenswürdige KI-Middleware – einnehmen.
Qianzhi Intelligence wurde 2022 gegründet und konzentriert sich auf die Forschung und Entwicklung von unternehmensweiten vertrauenswürdigen KI-Agenten-Plattformen sowie intelligenten Systemen für Überwachungsprüfungen und durchdringende Aufsicht. Zuvor hat es die Finanzierung der Angel-Runde abgeschlossen und treibt derzeit die Finanzierung der Pre-A-Runde voran.
Das hier genannte „intelligente System“ bezieht sich auf ein System, das auf derselben Ontologiesemantik aufbaut, gleichzeitig API-, digitale Mitarbeiter- und MCP-Schnittstellen bereitstellt und Interaktionsweisen und Darstellungsformen selbstständig auswählen kann. Drei Arten von Anweisungen – traditionelle Geschäftsvorgänge, eigenständige KI und externe KI – nutzen denselben Satz von Ausführungslogiken und Prüfregeln, sodass Benutzererfahrung, Komfort, Effizienz und Entwicklungskosten berücksichtigt werden.