Pinecone lance le moteur Nexus : structurer le contexte métier pour les agents IA

Pinecone Nexus est désormais généralement disponible en tant que moteur de connaissances pour les agents d'IA, convertissant les données d'entreprise en une couche structurée directement interrogeable par les agents. Les équipes ingèrent et organisent le contexte métier une fois, puis réutilisent les données entre les agents, améliorant ainsi la précision tout en réduisant les coûts de tokens. Pinecone soutient que les grands modèles de langage (LLM) traitent bien les connaissances générales et que les bases de données vectorielles localisent des informations spécifiques, mais que les entreprises dépendent d'un contexte métier dispersé dans les contrats, les bases de connaissances, les documents RH, les notes de réunion, les tickets de support et les dossiers financiers. Faire chercher les agents à chaque fois est inefficace, entraînant des coûts de tokens plus élevés et des réponses plus lentes. Nexus intègre les connaissances distribuées dans une couche structurée, déplaçant la consommation de tokens d'une récupération par requête à une ingestion unique. Les premiers utilisateurs dans les secteurs juridique et financier ont constaté des améliorations significatives : dans les tâches juridiques, Nexus a accompli toutes les tâches assignées, tandis que les agents de codage ont atteint 6 % et les systèmes de génération augmentée par récupération (RAG) 66 %. Le RAG a eu du mal avec la synthèse doctrinale, le raisonnement transversal et les questions de couverture nécessitant l'intégration de multiples sources. La consommation de tokens a chuté à environ 1/9 à 1/15. Dans la gestion des données d'entreprise, Nexus a atteint 90 % de précision contre 65 % pour le RAG, avec un coût de 0,0038 $ par document. Nexus utilise des Workspaces comme conteneurs de premier niveau, des Contexts pour des ensembles de données spécifiques, des Manifests pour les règles d'ingestion, et les experts métier peuvent intégrer des connaissances via des blueprints. L'ingestion de données prend en charge les fichiers locaux, Box et Microsoft OneLake ; Google Drive, Slack, GitHub, Notion, Confluence et S3 seront bientôt disponibles. Les requêtes utilisent KnowQL, utilisable par les agents, les chatbots et les systèmes de recommandation. Nexus propose une expérience de prévisualisation et une option de déploiement BYOC (apportez votre propre cloud) pour des exigences strictes de résidence des données et de conformité. Les concurrents incluent Cognite, RationalAI et LlamaIndex.