Context Graph: ИИ-агенты предугадывают запросы сотрудников за 30 секунд

Научная работа, опубликованная на arXiv, описывает новую архитектуру для корпоративных ИИ-агентов — Context Graph. Традиционные RAG-системы и агентные фреймворки ждут запроса от пользователя. Авторы предлагают перейти к проактивному режиму, когда ИИ сам находит и подаёт сотрудникам актуальную информацию.

В основе решения лежит Context Graph — динамический граф, который моделирует сущности предприятия, их связи и изменения во времени. На его основе построен Delta Detection Engine, непрерывно отслеживающий события. Proactivity Scorer ранжирует кандидатные уведомления по срочности, релевантности и соответствию профилю сотрудника. Далее Surfacing Layer с помощью LLM формирует итоговые уведомления с обоснованием.

Исследователи реализовали прототип на Python с использованием NetworkX и Anthropic Claude API. Тестирование проводилось на трёх корпоративных сценариях: управление жизненным циклом договоров, реагирование на инженерные инциденты и гигиена воронки продаж.

Результаты показали Precision@5 на уровне 0,83, а частота ложных срабатываний составила 0,11. Среднее время до выдачи информации сократилось с 47 минут в реактивном режиме до менее чем 30 секунд в проактивном.

Авторы утверждают, что такой подход способен значительно повысить продуктивность сотрудников, избавив их от необходимости постоянно опрашивать систему. Context Graph делает ИИ-агентов полноценными помощниками, способными предвидеть потребности.

Разработка находится на стадии исследования, но уже демонстрирует реалистичный путь к внедрению проактивности в корпоративных IT-системах.