تستطيع نماذج الذكاء الاصطناعي اليوم الاستدلال في المهام المعقدة، لكنها تفتقر إلى سياق الأعمال، مثل التعرف على تقارير الصناديق الحالية أو مطابقة الكيانات عبر الأنظمة. أسست Rizzoli وEdwardsson شركة V7 عام 2018، وأنشأت V7 Go لتعليم الأنظمة الذكية عمليات الأعمال. يستخدم V7 Go GPT-5.6 Luna لاستخراج المعلومات من ملايين الملفات وتنظيمها في Context Graph، الذي يربط الكيانات والعلاقات والأدلة من أجل بحث MCP ومسارات عمل قابلة للتكرار تمتد لمئات الخطوات.

يحل Context Graph مشكلة إعادة الوكلاء اكتشاف السياق في كل طلب، مما يضيّع الوقت ويغفل المعلومات الرئيسية. عند وصول البيانات، يتصل V7 Go بمستودعات مثل Share Point وGoogle Drive، ويفحص الكيانات ويملأ رسوماً بيانية أسهل وأكثر سرعة في الاستعراض من النهج طويلة السياق. يحافظ النظام على أثر قابل للتدقيق ويحفظ الأدلة المقتبسة حتى مصادرها الأصلية.

في benchmark HERB، تحسن نظام الاسترجاع التابع لـ V7 بنسبة 69% وانخفضت حالات الهلوسة فيه بنسبة 38%. ويبلغ العملاء مكاسب كبيرة: تُجرّب مديريات الأصول صفقات أسرع بـ21 مرة، بما يقلّص عملية تمتد طوال اليوم إلى 15 دقيقة، بينما اختصر فريق خدمات مالية وقت المراجعة من أكثر من 100 ساعة إلى أقل من 10 ساعات، مما وفّر 12,000 دولار من تكاليف الخبراء في كل عملية تكليف.

الكيانات الرئيسية: الشركات: V7, OpenAI | الأشخاص: Alberto Rizzoli

الأسئلة الشائعة: كيف يحسّن Context Graph التابع لـ V7 أداء وكلاء الذكاء الاصطناعي؟

يوفر Context Graph سياق أعمال منظم ومحدث يمكن للوكلاء الاستعلام عنه مباشرة، مما يلغي الحاجة إلى إعادة اكتشاف المعلومات في كل طلب. ويربط الكيانات والعلاقات والأدلة من الوثائق، ويقلل وقت البحث ويحسن الدقة إلى 99.9% في مسارات العمل المعقدة.