Adeptia公司通过电子数据交换(EDI)等方法自动化处理企业间数据交换,专注于首英里数据处理并加速采用。该公司联合创始人兼首席创新官Deepak Singh认为,AI智能体取代SaaS应用的想法是错误的,因为这种观点忽视了基于EDI的SaaS应用在企业基础设施中的深层作用,这些应用无法简单地被移除或替换。
**对AI智能体取代SaaS应用观点的质疑**
Singh表示,这一观点反映了对企业SaaS实际功能的根本误解。这种想法源于微软CEO萨提亚·纳德拉的一次访谈,但Singh认为纳德拉的评论来自微软的战略定位——他们通过OpenAI拥有感知中的AI优势,希望创造市场紧迫感,但这种观点过于简化。
他指出,SaaS不仅仅是"带用户界面的CRUD操作",而是将数十年的领域专业知识、合规框架和复杂的多方协调编码到可靠系统中。在Adeptia,他们每天处理来自数千个合作伙伴的数百万笔交易,涉及数百种格式。
**SaaS应用的复杂功能**
现代SaaS平台是处理现实世界复杂性的精密编排引擎,提供以下功能:
1. **领域智能**:平台中嵌入的多年行业特定知识
2. **信任与合规**:审计跟踪、安全认证、监管框架
3. **多方协调**:管理数十个利益相关者之间的关系
4. **异常处理**:处理20%打破标准规则的案例
5. **数据质量保证**:确保信息准确性,避免影响运营
Singh举例说明,合作伙伴之间的日期格式差异可能破坏整个供应链,而他们的平台能自动处理这些问题。
**实际业务场景的复杂性**
Singh提供了多个行业实例:
**保险行业**:大型承保公司从500多个经纪人接收理赔信息,有些通过现代API,有些通过EDI X12 837文件,许多是PDF格式。每份文件都必须根据州法规、承保限额和欺诈模式进行验证。
**制造业**:汽车零部件供应商以数十种EDI变体发送提前发货通知。零件号中的一个字符错误就可能导致生产线停工。
**医疗保健**:患者数据来自实验室、医疗提供者和药房,格式包括HL7、专有格式和传真文档。HIPAA合规不是可选项,而是联邦法律要求。
**AI智能体的局限性**
尽管AI智能体在自然语言查询和模式识别方面表现出色,但在业务操作的确定性要求方面存在困难:
1. **责任差距**:当AI智能体错误处理百万美元订单时,谁承担责任?
2. **合规黑盒**:监管机构要求可解释、可审计的决策,而非AI概率分数
3. **格式脆弱性**:AI可能很好地读取PDF,但在处理格式错误的EDI段时完全失败
4. **异常处理**:业务异常通常需要在监管约束内进行人工判断
**三层SaaS应用模型**
Singh提出了结合AI创新与企业可靠性的三层架构:
**第一层——智能界面**:AI智能体和自然语言界面,让所有人都能轻松使用软件。通过对话提问、获取洞察、触发工作流程。
**第二层——编排与治理**:SaaS平台确保AI决策符合业务规则、合规要求和运营约束。这里承载着领域专业知识。
**第三层——执行与集成**:处理数据移动、交易处理和系统连接的可靠骨干。处理数千种格式和协议的复杂现实。
**AI智能体的实际作用**
在这个模型中,AI智能体在第一层发挥强大作用,在第二层提供辅助,但不会取代基础层:
- **简化交互**:用户可以说"显示供应商X的延迟发货",而不需要导航复杂的用户界面
- **呈现洞察**:识别人类可能在数千笔交易中遗漏的模式
- **建议行动**:基于历史数据推荐优化方案
- **自动化常规决策**:处理80%遵循标准模式的案例
但关键是,它们在平台设定的护栏内运行,是辅助驾驶员,而非自动驾驶员。
**Adeptia的解决方案**
Adeptia代表着纳德拉所遗漏的未来——既启用AI又保持企业可靠性:
- **处理现实**:以99%的准确率处理来自任何来源的任何数据格式,无论是现代API还是咖啡渍斑斑的传真
- **智能嵌入AI**:AI从模式中学习,建议映射并捕获异常,但始终在业务约束内
- **赋能人类**:业务用户无需编码即可加入合作伙伴,同时IT部门保持治理
- **扩展信任**:从10个到10,000个合作伙伴,保持合规性和可靠性
Singh强调,他们花费20年时间编码现实世界数据交换的复杂性。AI增强了他们的平台,但不会取代它。这就是为什么财富500强公司信任他们处理关键任务运营的原因。
未来不是智能体取代SaaS,而是利用AI的智能SaaS平台,同时尊重企业运营的现实。Adeptia不是在等待这个未来,而是今天就在交付它。
Q&A
Q1:为什么AI智能体无法完全取代SaaS应用?
A:AI智能体在处理业务操作的确定性要求方面存在局限。当智能体错误处理重要订单时责任归属不清;监管机构需要可解释的决策而非AI概率分数;智能体可能在处理格式错误的数据时完全失败;业务异常往往需要人工判断。SaaS应用承载着数十年的领域专业知识、合规框架和复杂协调机制。
Q2:Adeptia提出的三层SaaS架构模型是什么?
A:第一层是智能界面,提供AI智能体和自然语言界面让用户通过对话操作;第二层是编排与治理,确保AI决策符合业务规则和合规要求;第三层是执行与集成,作为可靠骨干处理数据移动和系统连接。AI智能体主要在第一层发挥作用,在第二层提供辅助,但不取代基础层。
Q3:EDI数据处理为什么需要专业的SaaS平台?
A:EDI数据处理涉及复杂的现实业务场景。比如保险公司需要处理500多个经纪人的不同格式理赔数据并验证合规性;制造业中零件号的一个字符错误就能导致生产线停工;医疗数据必须严格遵守HIPAA法规。这些都需要专业平台的领域知识、异常处理能力和合规保障,不是简单的数据处理。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。