Meta перетворила експертні знання на керованого агента
Meta описала «організаційний другий мозок» для комплаєнсу. Агент використовує понад 200 структурованих файлів: позиції експертів, словник, індекси маршрутизації та правила безпечного застосування знань. «Рецепти» задають порядок аналізу, а неоднозначні випадки передають людині.
Знання зберігаються не у вагах моделі, а у версійованих текстових файлах. Виправлення експертів проходять replay- і регресійні тести без перенавчання. За оцінкою Meta, час перевірки скоротився з днів до хвилин, результати були корисними майже завжди, а цикли вдосконалення не дали жодної регресії.
Чотири шари замість звичайного пошуку документів
Система Meta відрізняється від традиційного галузевого агента тим, що поєднує структуровану й придатну до аудиту базу знань із циклом контрольованого вдосконалення. Архітектура має чотири шари: систему знань, конвеєр міркувань, механізм автоматизованого оцінювання та цикл внесення перевірених експертних правок без перенавчання моделі.
Понад 200 файлів організовані за суворою таксономією. Вони виконують різні функції, а не просто утворюють сховище текстів:
- позиційні файли фіксують авторитетні висновки й практичні знання експертів;
- таксономії та словники визначають типи сутностей, категорії діяльності, рівні класифікації та інші внутрішні терміни;
- індекси маршрутизації пов’язують вхідний запит із потрібними файлами, не покладаючись лише на схожість текстових векторів;
- шлюзові файли містять перевірки, за якими агент визначає, чи можна безпечно застосувати спеціалізовані знання.
Як відокремлюють знання від процедури аналізу
Окремий шар міркувань задає не факти, а порядок роботи з ними. Так звані recipes визначають, що перевіряти спочатку, які знання завантажувати на кожному етапі, якою процедурою ухвалення рішення користуватися та за якої умови аналіз вважається завершеним. Окремі рецепти можна поєднувати.
Цей поділ дає змогу точніше діагностувати помилки. Якщо результат неправильний, команда може встановити, чого саме бракувало: потрібного правила в базі знань чи коректної послідовності міркувань. Для неоднозначних ситуацій у процес заздалегідь вбудовані контрольні точки, де рішення має перейти до профільного експерта.
Як експертна правка стає постійною частиною системи
Після виявлення помилки її спочатку пов’язують із першопричиною: неповними знаннями, недоліком процедури або реальною розбіжністю між експертами. Потім корекцію перетворюють на мінімальну зміну у версійованих текстових файлах і проганяють через повторне відтворення попереднього випадку та регресійні тести. Лише після перевірки й перегляду зміна потрапляє до робочої версії.
Кожне виправлення також додають до регресійного набору. Завдяки цьому наступні зміни перевіряють не тільки на новому прикладі, а й на вже виправлених випадках. За оцінкою самої Meta, такий процес автоматизував оновлення знань, для яких раніше були потрібні окремі інженерні спринти, і не спричинив жодної регресії протягом циклів удосконалення.
Для яких функцій це має практичне значення
Архітектуру створили для спеціалізованої сфери комплаєнсу, однак Meta вважає, що її можна перенести на безпеку, фінанси, інженерію та закупівлі. Практичний ефект стосується організацій, яким потрібно зберігати глибокі знання фахівців, робити їх доступними іншим працівникам і водночас залишати контрольовану історію правил, процедур та виправлень.
За внутрішньою оцінкою Meta, окрема перевірка стала тривати хвилини замість днів, а профільні експерти вважали результати корисними майже завжди. Водночас це опис побудованої архітектури, а не пропозиція із зазначеними умовами доступу: дати запуску й ціни в матеріалі немає.