O contexto é a outra metade da história, e o cenário do contexto é, honestamente, uma bagunça. Os fornecedores estão trabalhando duro para convencê-lo de que apenas sua linguagem de modelagem semântica pode salvá-lo, embora não esteja totalmente claro se isso é necessário ou mesmo suficiente. Quer você mantenha sua lógica de negócios em uma camada semântica como MetricFlow ou Malloy, ou apenas em Markdown simples, o objetivo é o mesmo: colocar essa lógica em um formato que um LLM possa usar. O contexto é quase sempre criado à mão e, como toda documentação escrita à mão, começa a mudar no momento em que é escrito.
Isto destaca uma oportunidade, nomeadamente o facto de os agentes serem bons precisamente nas partes do contexto que são mecânicas e maus precisamente nas partes que não o são. Um agente pode inferir quais tabelas estão associadas a quais, quais valores uma coluna tende a manter, quais são suas regiões de vendas e quais tabelas as pessoas realmente consultam. O que não se pode inferir é algo que nunca foi realmente uma questão de dados: o certo forma de calcular a receita, o que conta como “cliente”, no início do ano fiscal. Não são factos escondidos num armazém à espera de serem descobertos. São decisões, muitas vezes de negócios, que uma pessoa deve tomar. O que um agente pode fazer é sinalizar o momento em que uma delas silenciosamente deixa de ser verdadeira.
Os insights automatizados dos agentes continuam sendo uma fantasia
O discurso mais chamativo, onde os agentes revelam insights que você nunca pediu, é aquele em que eu apostaria por último. Parece maravilhoso ter análises sem usar as mãos. Um agente monitorará seus dados, observará o que é importante e criará um painel personalizado para tudo o que está acontecendo hoje. Mas o nível de relevância é alto e os falsos positivos podem fazer com que os usuários humanos percam a confiança.
