Generative AI Agents

Oracle Cloud Infrastructure (OCI) Generative AI Agents combine la puissance des grands modèles de langage (LLM) et de la génération augmentée par extraction (RAG) avec vos données d'entreprise, permettant aux utilisateurs d'interroger diverses bases de connaissances d'entreprise. Bientôt, les utilisateurs pourront accéder à des informations pertinentes et actualisées via une interface en langage naturel .

Pourquoi utiliser OCI Generative AI Agents ?

  • Dialoguez directement avec vos bases de connaissances d'entreprise

    Tirez parti d'une interface conversationnelle qui permet à tous vos collaborateurs d'interroger des banques de données en langage naturel.

  • Des résultats à jour

    Recevez des réponses dynamiques en temps réel, même avec des magasins de données d'entreprise en évolution rapide.

  • Intégration pour des résultats pertinents

    Créez et intégrez des agents d'IA personnalisés dans les processus et applications métiers.

  • Mise à l'échelle pour vos recherches

    Obtenez des résultats plus rapides grâce à la RAG dans OpenSearch, avec AI Vector Search dans Oracle Database 23ai.

Fonctionnement d'OCI Generative AI Agents

Diagramme technique sur le fonctionnement d'OCI Generative AI, détails ci-dessous

  1. Entrée

    Le côté gauche du diagramme montre une icône d'une personne, désignant l'utilisateur, sous le texte « Entrée ».
    1. La requête en langage naturel d'un utilisateur est envoyée à l'agent d'IA générative qui l'encode. L'agent envoie ensuite la demande à la banque de données de l'entreprise.

  2. Generative AI Agent

    Une flèche bleue pointe ensuite de gauche à droite, dirigeant le lecteur vers une autre section du diagramme. Cette section est intitulée « Agent d'IA générative » et comporte une icône désignant une base de données cloud, avec une flèche noire plus petite pointant vers une icône désignant l'intelligence artificielle. Sous ces icônes, se trouve le texte suivant : « L'agent d'IA générative utilise un grand modèle de langage (LLM) pour comprendre la requête, puis formule et exécute un plan pour :
    1. 1. Rechercher des articles liés dans la base de connaissances
    2. 2. Réévaluer la pertinence sémantique des documents
    3. 3. Envoyer les principaux documents et la requête d'origine à combiner en une réponse cohérente
    4. 4. Envoyer la réponse à l'utilisateur

  3. Sortie

    Une deuxième flèche bleue pointe ensuite de gauche à droite, dirigeant le lecteur vers la troisième et dernière section du diagramme. Cette section est intitulée « Sortie » et comporte une icône désignant un chatbot tapant une réponse. Sous l'icône se trouve le texte suivant :
    1. L'utilisateur reçoit la réponse avec des références aux documents utilisés lors de la rédaction de la réponse.

Cas d'utilisation d'OCI Generative AI Agents

Optimisation des centres d'appels

Augmentez la satisfaction des clients grâce à des réponses plus précises et à un volume plus élevé de résolutions de requêtes.

Accélération des recherches juridiques

Trouvez des réponses plus rapidement en conversant avec une IA plutôt qu'en parcourant manuellement des bases de données de dossiers judiciaires.

Informations sur les revenus

Comprenez l'historique et les tendances des achats des clients en posant des questions en langage naturel au lieu de devoir consulter des rapports.

Recrutement de candidats qualifiés

Trouver plus facilement de nouveaux candidats via le langage naturel plutôt que de construire une requête de base de données.

Ce que les clients disent d'OCI Generative AI Agents

« Le lancement en bêta du service RAG Generative AI Agents d'Oracle change la donne. Nous sommes impatients de présenter cette innovation à nos clients dans divers secteurs, car elle servira de base pour exploiter un nouveau potentiel grâce à leurs stratégies d'IA générative sur OCI. Par exemple, l'implémentation de la RAG est essentielle pour permettre un accès plus rapide et plus intelligent aux données et aux connaissances au sein des ressources humaines, des finances et des soins de santé pour les sources de données structurées et non structurées. »

Antony Heljula
Directeur de la technologie de TPXimpact

« En accédant à un plus large éventail d'informations et de perspectives, la génération augmentée par récupération (RAG) peut aider à générer des résultats plus créatifs et cohérents. Elle s'avère utile pour les tâches de création de contenu telles que la rédaction de rapports, de supports marketing et de contenus créatifs. Les services client peuvent désormais tirer parti d'Oracle RAG pour atteindre un nouveau niveau d'efficacité, améliorer leurs chatbots et assistants virtuels, personnaliser leurs interactions avec la clientèle et résoudre les demandes avec une précision et une rapidité remarquables. »

Imran Azhar Sheikh
Responsable de l'intelligence artificielle, Abu Dhabi Media Network

23 janvier 2024

L'avenir de l'IA générative : ce que les entreprises doivent savoir

Greg Pavlik, Vice-Président senior d'Oracle Cloud Infrastructure

L'avènement d'infrastructures cloud puissantes combinées à des GPU avancés nous a permis de repousser les limites de la technologie grâce à l'IA. Au cours de la dernière année, les modèles d'IA générative entraînés et réentraînés sur d'énormes quantités de données provenant d'Internet nous ont stupéfiés par leurs capacités. Aujourd'hui, nous regardons l'IA générative créer du texte, générer des requêtes SQL, écrire du code, créer des illustrations et contribuer au support produit, ce qui semblait impossible il y a quelques années à peine. Ces exploits ont captivé l'imagination des dirigeants qui voient un immense potentiel d'amélioration de la productivité et des revenus grâce à l'IA générative.

Lire la suite de l'article

Articles de blog à la une

Tout afficher

Ressources pour OCI Generative AI Agents

Lancez-vous avec OCI Generative AI Agents


Contactez l’équipe commerciale

Vous souhaitez en savoir plus sur l'IA d'Oracle ? Laissez l’un de nos experts vous aider.

Nous contacter