このドキュメントでは、 MongoDBを基盤としたAI駆動型機能でエンタープライズ 操作を強化するために設計された IntellectAI のソリューションである Lightweight Factory のアーキテクチャについて説明します。これは、 システムがMongoDBをアーキテクチャに組み込み、データ管理、 AIプロセス、 規制コンプライアンスに関するエンタープライズな問題に対処するための詳細なパーセンテージを提供し、組織内にAIソリューションを実装したいチームのリソースとして提供します。
主要学習目的
AI配置でエンタープライズが発行する課題を理解する。
コレクションの 4 つの技術スタックと、それらがMongoDB をどのように活用するかについて説明します。
URコレクション内のマルチエージェントAIワークフローに関するインサイトを得ることができます。
エンタープライズレベルのサポート、強化、オートメーションソリューションを円滑化する際のプラットフォームのロールの概要を説明します。
パーティションの概要
コレクションは、オープン ビジネス 影響AIプラットフォームであり、柔軟で相互運用性があり、拡張可能であり、意味のあるビジネス結果を実現するように設計されたフルスタックAIオペレーティング システムです。そのアーキテクチャは、独立したAIエージェント、安全なデータ管理、ガバナンスをサポートするスケーラブルなコンポーネントで構成されており、これらのコンポーネントはMongoDBを活用して動的データニーズをサポートします。
コレクション用の認証提携するもではありませAI。カスタマーエクスペリエンス、コンプライアンス、製品開発、操作などのエンドツーエンドのビジネス機能を支援、強化、または自動化できるエンタープライズ レベルのAIエージェントをサポートしています。
図の 1。保存環境への影響。
コレクションは、ISO 27001、ISO 27017、ISO 27018、SOC 2、Amazon Web Services WAR、Amazon Web Services FTR などのセキュリティと規制コンプライアンスに関する業界標準に準拠しています。コレクションは、ガバナンスとコンプライアンスAIワークが最新のAI代理人を含む最新の状態にあるようにします。
エンタープライズAIデプロイに関する課題
一般的な問題点には、次のようなものがあります。
フラグメント化されたエンタープライズ データ
エンタープライズ データの約 75% が非構造化、サイロ化、整合性がないか、信頼できません。
エンタープライズ固有のコンテキストがないと、 AIモデルの結果は精度が低くなります。
マイクロオートメーションと Macro の影響
ほとんどの配置では分離されたマイクロタスクが実行されるため、 AIが実際のビジネス上の決定を伝達したり、に影響することなく、AIの出力は絞り込まれます。
専門家レベルの理由付け、コラボレーション、オーケストレーションがないと、 AI のビジネス値は上限に達します。
コンプライアンスとガバナンスに関するリスク
エージェントや LVM が急増すると、セキュリティ、規制、運用などの重大なリスクが発生します。
エンタープライズでは、一元化された監視とガバナンスが欠落しており、サンプル ステージで導入が停止しています。
LVM モデルのロックインと運用コスト
エンタープライズは、トークン コストの増加やモデル柔軟性の制限など、単一ベンダーの LM ソリューションでは多くの場合、問題が発生します。
最適な精度、コスト管理、長期的なスケーラビリティには、継続的なベンチマークとタスク固有の LM の選択が必要です。
これらの課題は、Red Function の包括的なAIプラットフォームによって対処されています。分離された LM ツールとは異なり、URId Database は次のことが保証されます。
適切な知識はエンタープライズ全体でアクセス可能
適切なデジタル専門家（エージェント）が作業を行っています
適切なLMが各タスクに選択されます
適切なガバナンス信頼とコントロールの確保
赤色のドキュメント プラットフォーム: 4 つのテクノロジー スタック
コレクションのアーキテクチャには、スケーラビリティーのあるデータとAIマネジメントのために設計された 4 つの基礎スタックが組み込まれています。
Enterprise KB（EKG）。
エンタープライズ デジタル エクスペリエンス（EDE）。
エンタープライズ ガバナンス（EG）。
モデル最適化ハブ（MOH）。
図の 2。パーティションの 4 つのテクノロジー スタック
リアルタイムのスタック（エージェント。MongoDB の柔軟で高性能なインフラストラクチャは、エンタープライズAIがインテリジェントだけでなく、安全性と監査可能性を確保するマルチエージェント システムをサポートするのに重要な役割を果たします。
1。エンタープライズ アナライザ フィールド: AIのデータ変換
構造化データ、半構造化データ、非構造化データを、コンテキストに応じて豊富で追跡可能で、 AIエージェントが継続的にアクセスできる決定レベルの知識に変換します。
EKG は、倉庫や API の構造化データ、規制ファイルや業界レポートなどの半構造化コンテンツ、 PDF、メール、コール記録などの非構造化アセットなど、さまざまなソースと形式からのデータを取り込みます。EKG は、チャンクの作成と豊富化に最初の基準に基づいたアプローチを使用するため、固定のトークンWindowsのみに依存するのではなく、人間がコンテンツを理解するようになります。
MongoDBのロール:
MongoDB Atlas は、 EKG のデータストレージおよび取得バックグラウンドとして機能します。エンタープライズなチャンクはそれぞれベクトル埋め込みに変換され、ネイティブのベクトルインデックスを使用してMongoDB内に保存されます。MongoDB の 柔軟なドキュメントモデルを活用することで、埋め込みは豊富なメタデータ（ソース、ドキュメントタイプ、タイムスタンプ、データラインなど）と一緒に保存され、深いコンテキストとトレーサビリティを確保します。
これにより、検索可能なだけでなく、インテリジェントになる 動的な知識リポジトリが実現され、大規模な言語モデル（LM）にインサイトを提供する際にコンテキストの精度が向上します。EKG は、クレームケースの概要や契約句の相互参照など、さまざまなドメインにわたるタスクをサポートしています。
2。エンタープライズ デジタルの専門家: マルチエージェント自動システム
URコレクションのエンタープライズ デジタル エクスペリエンス（EDE）により、ユーザーは理由付け、コラボレーション、アクションが独自に実行できる独立したドメイン固有のAIエージェントチームを構築できます。エージェントは、低コードのオーケストレーションと自然言語プロンプトを使用して作成され、アトミック、子、または複合エンティティとして動作します。Reactなどの高度なフレームワークを活用して、プラン作成、メモリ、エージェント間でのソートのダイアログを組み込み、より洗練された決定と結果を実現します。
MongoDBのロール:
MongoDB は、これらのエージェントの動的メモリと状態管理を取り扱います。各エージェントはMongoDB内で独自の作業メモリ、タスク状態、コンテキストに応じた知識を維持し、マルチマップの理由付けやユーザーとのやり取り中にリアルタイムでの永続性と展開状態の取得を可能にします。
実稼働環境が必要な場合、エージェントは検索拡張生成（RAG）パイプラインを呼び出してエンタープライズ アナライザ フィールド（EKG）にアクセスします。MongoDB Atlas は、クエリの意図と類似性に基づいて、正しいベクトル埋め込みとソース ドキュメントへの高速でフィルタリングされたアクセスを提供することで、このパイプラインを強化します。これにより、エージェントは追跡可能でコンテキストに関連するエンタープライズ知識に基づいた応答を提供し、プロンプトを最小限に抑え、信頼性を最大化します。
3。エンタープライズ ガバナンス: 運用コンプライアンスと制御
コレクション用のエンタープライズ ガバナンス（EG）スタックでは、デフォルトで 担当者AIが強制され、コンプライアンス、セキュリティ、説明可能性がシステムの各レイヤーに埋め込まれます。
ガバナンスレイヤーは、データの取り込み、エージェントのオーケストレーション、LVM の呼び出し、最終出力生成など、 AIライフサイクルのあらゆる側面を監視します。その設計により、すべてのアクションが観察可能で、監査可能で、ポリシーに準拠していることが保証され、企業が内部リスク要件と外部の規制標準を満たできるようになります。
主なガバナンス機能には、次のものが含まれます。
ガバナンスとコストの検出: 安全でない、または準拠していないクエリと応答をフィルタリングします。
アクセス制御とワークスペースの分離: 安全なコラボレーションのためのロール、チーム、可視性の分割
PII マスクとエンティティリダクション: 取得層と出力層の両方で機密データを保護します。
レート制限と使用量の追跡: トークンの使用状況、エージェントの動作、オーバーユースを防止します。
MongoDBのロール:
MongoDB は、特に検索の可視性とドキュメント行を確保する点で、URI コレクションのガバナンスフレームフレームワークの基礎となります。エージェントが RG パイプラインを呼び出して出力を処理すると、 MongoDB は検索された知識チャンクの埋め込み、メタデータ、ソースポインターを保存します。 これにより、入力から検索された知識、生成された出力までのプロセス全体をマッピングする検証可能な末尾が作成され、変更後の監査、コンプライアンスレビュー、ルート因果分析が可能になります。
コレクションの詳細な説明はありMongoDB能力：
4。モデル最適化ハブ: 動的モデル選択
コレクションのモデル最適化ハブ（MOH）は、タスクに適した LM を選択するための信頼性とインテリジェンスをエンタープライズに提供するように設計されています。これは、 AIのスケーリングにおける最も重要な問題の 1 つである、さまざまなユースケース間でのコスト、精度、パフォーマンスの分散です。
MOH を使用すると、チームは集計、抽出、分類、理由付け、検証などの実際のタスクに対して複数の LVM をベンチマークできます。これらの評価は、レイテンシ、トークン消費、出力精度などのカスタマイズ可能なメトリクスに基づいています。これらはすべてリアルタイムテストと使用状況データによって追跡されます。
ベンチマークが行われると、モデルは次のようになります。
パフォーマンスに基づいて特定のエージェントまたはユースケースに固定
コストおよびレイテンシの制約に応じて動的に切り替え
ドメインの固有性のためにプロンプトエンジニアリングと数少ない例で調整済み
MOH は独自モデルの使用（BYOM）機能もサポートしているため、エンタープライズは、より高い制御、データ所有権、またはカスタム ドメインの適応型を要求するユースケースに、独自のインフラストラクチャ上またはプライベートエンドポイント経由で実行中プロファイリングまたは微調整された LM を導入できます。 。このモジュール性により、企業はベンダーロックイン を回避し、ユースケースが変化してもパフォーマンスを維持し、品質やコンプライアンスを犠牲にすることなく LM の経済性を最適化することができます。
参照アーキテクチャ図
Practical String は、データの取り込み、知識のオーケストレーション、エージェント的実行、エンタープライズガバナンスをシームレスに統合し、信頼できる、説明可能な結果を生成するAIエージェントを実際のエンタープライズ設定で提供します。
MongoDB Atlas は基礎データプラットフォームとして機能します。MongoDB はベクトルストレージ、セマンティック検索、ライン追跡などの重要な機能を強化し、 AI駆動型のすべてのアクションがトレーサビリティと信頼性を確保するためにエンタープライズ グレードのデータに固定されるようにします。MongoDB の柔軟なドキュメントモデルとスケーラビリティは、Lightweight Factory のAIエコシステムの多彩で動的なデータ ニーズを管理するために不可欠です。
図の 3。高レベルの機能アーキテクチャ: エンタープライズ フィールド内の赤色のフィルター
ユースケース: マルチエージェントAI がエンタープライズ操作をどのように変換する
コレクションのマルチエージェント アーキテクチャは、分離されたタスクだけでなく、複雑なエンドツーエンドのビジネス課題に対処するために設計されています。その主要プロジェクトと堅牢なオーケストレーションを組み合わせることで、エンタープライズはより高速、よりスマート、エンタープライズコンテキストに完全に基づいた結果を実現できます。
ユースケース: 競合調査
5 週間の手動プロセスをAI駆動型ソリューションに変換し、 分で結果を提供します。
英国のリージョンのリージョン マネージャーは、新しい消費者ユーティリティ ルールによりカスタマークレームが 50% を超える急増をトリガーし、危機に陥るようになりました。10、000 を超える未解決のケースが蓄積されているため、会社は長い調査サイクルに対応できなくなりました。1 つのクレームを解決するまでに最大 5 週間かかり、調査者は、ポリシー管理データベース、CRM ツール、内部ドキュメント、規制更新など、10 を超えるシステムから情報を手動で取得する必要がありました。
このプロセスには、データソースの断片化、エラー率の高い、変化するポリシーと規制に対応できないなどの非効率性がありました。SLA タイムライン内に解決されたクレームの 30% 未満のため、会社はカスタマーへの失効とコンプライアンスリスクの増大に対応できません。
コレクションは、速度と一貫性を備えた実行、理由、コラボレーションするように設計された、クレーム調査用の本番レベルのマルチエージェント システムを配置することで、このプロセスを変換しました。
このソリューションは、ワークフローの一部に特殊化された、20 を超えるインテリジェントエージェントのチームを統合しました。クレームの詳細を抽出してログに記録することを目的とするエージェントもあれば、検証済みポリシータームを使用したり、事前チェックを実行したり、システム全体で証明書を収集したり、構造化された調査レポートを作成したりするエージェントもあります。コンプライアンス マネージャーエージェントがフロー全体を調整し、 Amazon Web Services は最終決定のコンプライアンスと監視を確保します。
結果は？
以前は 5 週間の手動引き継ぎが必要であったが、数分で完了するようになりました。AIを基盤としたシステムは、監査可能性と整合性とともに、エビクションの収集、分類、調査、および調整を独立して処理します。
11 システム全体に統合された 22 プロセス
ループ内の人間と自律的に連携する 20+ AIエージェント
エンドツーエンドのプロセス時間は週から 分へ短縮
フレームワークは、コレクションの管理方法を変更し、コンプライアンスリスクを最小限に抑えながら、速度、品質、増やすを解除します。
図の 4。バックグラウンドでは、エージェントチームは11+ システムと接続し、カスタマー詳細、トランザクション履歴、ポリシー ドキュメント、規制ガイドラインを取得し、クレーム用の完全なコンテキスト基盤を構築します。
図の 5。ケース ドキュメントがコンパイルされると、エージェントの最後のレイヤーである調査エージェントとレポート作成エージェントは、情報を詳細化し、調査レポートを作成し、解決策を推奨します - をサポートするエビクションを用意します。
図の 6。すべての決定、アクション、およびエージェントのインタラクションは TRACE に記録されます。これは、推奨値に達した方法を正確に追跡することができます。
図の 7。すべてのインサイトはエビクションによってサポートされています。「ソース」は、どのドキュメントがどのように使用されたかを示し、クレームから解決までの完全な追跡可能性を提供します。
図の 8。競合調査書チームの各エージェントはモジュール型であり、 API発行可能です。つまり、ワークフロー全体を既存のエンタープライズ アプリケーションに埋め込むことができ、現在のシステムを中断することなくインテリジェントなクレーム解決を可能にします。
ユースケース: 企業情報
100、000 日数からインテリジェントな ESG インサイトへ。
9,000 会社のポートフォリオを管理するリージョナルなプロジェクトが、ESG（環境、ソーシャル、ガバナンス）のインサイトをポートフォリオ分析に統合するという限界に達した。ESG データは、レポート、ディスクリージョン、ファイル、ニュース記事など、数千のソースにわたって高度にフラグメント化され、アナリストが手動で処理するドキュメントの数が 1000 万ドキュメントを超えるという結果になりました。
ポートフォリオは毎月約 10% ずつシフトし、ESG 評価は一貫性がないことが証明され、規制負荷の増大には持続可能な整合性が必要です。100アナリストは、推定:000
コレクションは、ESG 分析を自動化および昇格するように設計されたマルチエージェントの Developer Intelligence システムを配置することで、このプロセスを変換しました。
このソリューションは、構造化形式と非構造化形式にわたって ESG ドキュメントを取り込むエージェントによって開始され、統合された ESG 知識データベースを構築しています。次に、専門家がデータを抽出してクライアント固有の ESG ガイドラインに整合させ、すべてのインサイトがいずれかが所有者のフレームワークにマップされるようにします。
環境エージェント、ソーシャル データエージェント、ガバナンス データエージェントなどのエージェントは、持続可能性関連の情報を増やすで解析しました。360 アナリスト エージェントが全体的な会社プロファイルを作成しました。クエリエージェントにより、ユーザーは 自然言語を使用してポート全体をやり取りできます。また、レポート作成エージェントにより、すべて追跡可能で監査も可能なユーザー対応のサマリーが生成されます。
インテリジェンスをリアルタイム で維持するために、 API を使用してニュースレターと外部データ フィードを取り込み、エージェントが最新の ESG 開発に対してコメント分析を実行できるようにしました。これにより、プラットフォームは、手動によるレビュー サイクルに先立ち、会社全体の新たなリスクと機会を特定できるようになりました。
すべてのインサイトは、設計による説明可能性を持つ元のデータに基づいています。また、エージェントは履歴レコードとライブ API の両方にリアルタイムでアクセスできるため、分析は常に最新でした。
結果は？
100ポート番号:
ESG レコードの抽出における 90% 以上の精度
従来の方法と比較して、1,000x より高速な所要時間
年間で保存される 100,000 のスペシャリストの日数
以前はブルートフォース手動レビューが必要であったものが、インテリジェントな連携エージェントで実行され、前例のない速度、増やす、追跡可能性で ESG 分析が提供されます。
図の 9。ESG と非金融ポートフォリオ分析のための最も包括的かつ区別化された知識ベース。9,000 会社全体の 1000 万以上のドキュメントから構築され、6000 億以上の検索可能なチャンクに構造化されています。
図の 10。自然言語クエリは、会社固有のドキュメントを使用して応答されます。各応答は TRACE と、基礎となるソース資料へのリンクによって説明できます。
図の 11。ユーザーは専用の ESG エージェントによってキュレーションされ、ポートフォリオ マネジメントと ESG レポート作成のための区別されたアクション可能なインサイトを持つ構造化されたインターフェースを通じて表示される、完全な 360degree の会社ビューを秒単位で取得します。
図の 12。ユーザーは、ポートフォリオ ダッシュボードから個々の会社のスコアまで、複数のレベルにわたるインサイトを収集できます。また、あらゆるデータポイントを強化する元のソースドキュメントまでです。
配置に関する考慮事項
コレクションの既存のインフラストラクチャ、データレジデンシーポリシー、コンプライアンス要件に整合する配置モデルを提供します。エンタープライズは、次の 2 つのプライマリ配置オプションから選択できます。
独自のVPC内に配置
エンタープライズは、データ、アクセス、Azureクラウドを完全に制御できるようにします。このモデルでは、すべてのエンタープライズ 知識、エージェントのオーケストレーション、ガバナンスコンポーネントはクライアント独自のVPC （VPC）内で実行され、内部セキュリティ、監査する、およびコンプライアンスポリシーに従います。
Intel クラウド上の専用テナント
インフラストラクチャのオーバーヘッドなしに、より高速な配置を検討しているエンタープライズには、Flexible を Intellect の安全なクラウドの専用テナントとしてプロビジョニングできます。エンタープライズは認証情報ベースのプライベート接続を介して内部システムに接続し、データアクセスを安全に確実に管理します。各テナントは、独立したガバナンス、 Observable、 コンピュート制御 で論理的に分離され、エンタープライズ レベルのセキュリティを確保すると同時に、本番環境への時間が短縮します。
配置パスに関係なく、構成要素のパスに関係なく、構成要素の変更を許可する。
組み込みのモニタリングと可視性:リアルタイムダッシュボード、コスト追跡、エージェントの実行追跡、システム健全性メトリクスなど
エンタープライズ システムへの安全なアクセス: 認証情報モジュールによって管理され、 APIキー、データベース認証情報、メールコネクタトークンを保存および暗号化してシームレスで安全な統合を実現します
セキュリティとアクセス制御: 粒度のあるロールベースのアクセスとワークスペース レベルの分離
監査可能性とコンプライアンス: すべてのドキュメント取得、エージェントアクション、および LM 出力は、保管時の暗号化のサポート付きで、エンドツーエンドの追跡可能性のためにログに記録されます。
エンタープライズのクラウド環境内でホストされている場合でも、Intellect のクラウドで安全に分離されたテナントとして管理されている場合でも、URI はすべてのステップでAIが安全に配置され、透過的に監視され、管理されることを保証します。
まとめ: ビジネスに影響を与えるAIの構築
コレクションの AI をスケーリングしながら、ガバナンス、セキュリティ、説明可能性をワークフローに埋め込み、エンタープライズAI を増やす能力を示します。MongoDB は、ベクトルストレージ、セマンティック インデックス、メタデータベースのトレーサビリティなどの重要な機能を有効にし、低レイテンシ、堅牢、準拠したAI駆動型ソリューションを増やすに提供します。
MongoDB を基盤としたMongoDBを基盤とした Edition では、エンタープライズAI配置を検索しているチームは、スケーラブルなデータ操作、マルチエージェントのオーケストレーション、コンプライアンスを重視したワークフローにより、実際に影響を与えることができます。
次のステップ
コレクションの詳細を参照し、IntellectAIチームに接続してください（ Updaterfac Atlas の場合 ）。MongoDB Atlasとそのエンタープライズ レベルのデータベースソリューションの詳細については、こちらを参照してください。