Трансформация Dun & Bradstreet: как подготовить корпоративные данные для работы ИИ-агентов

Компания Dun & Bradstreet, обладающая более чем 180-летним опытом работы с коммерческими данными, провела масштабную переработку своей архитектуры. Переход от инструментов, предназначенных для людей, к системам, способным взаимодействовать с автономными ИИ-агентами, стал ответом на запросы бизнеса в сферах кредитования и управления цепочками поставок.

Почему старые системы не подходят для ИИ

Ранее база данных Commercial Graph, содержащая информацию о 642 миллионах компаний, была оптимизирована под запросы аналитиков и специалистов по управлению рисками. Использование людьми допускало работу с фрагментированными системами, ручной поиск и ожидание ответов на запросы. Однако для ИИ-агентов такой подход оказался неэффективен по ряду причин:

• Фрагментированная структура: база данных представляла собой набор разрозненных систем, объединенных кастомными интеграциями, которые ИИ не мог эффективно обрабатывать.
• Масштаб и скорость: за последние пять лет объем записей вырос с 300 до 642 миллионов, а количество полей в каждой из них достигло 11 000. Ежемесячно система проводит 100 миллиардов проверок качества, что делает невозможным выполнение запросов от агентов с минимальной задержкой в текущей архитектуре.
• Статичность связей: традиционные системы фиксировали жесткие связи между объектами, тогда как агентам требуются динамические модели — например, отслеживание истории карьеры руководителя при его переходе в другую компанию.

Новая архитектура для автоматизированных систем

В ходе реорганизации компания консолидировала разрозненные базы данных в облачной инфраструктуре. Была создана единая «структура данных» (data fabric), которая нормализует записи с учетом региональных требований. Для работы агентов был разработан специализированный слой доступа. Вместо прямых SQL-запросов теперь используются инструменты, которые упаковывают данные в контекст и направляют агентов к проверенным сущностям с помощью системы идентификации и разрешения конфликтов.

Важным нововведением стала концепция «Знай своего агента» (Know Your Agent). Поскольку стандартные модели аутентификации были рассчитаны на людей, для ИИ-систем ввели регистрацию через верифицированные IP-адреса и персональные ключи доступа. Это позволяет системе точно знать, какой компании принадлежит агент и к какому уровню данных он допущен.

Ключевые рекомендации для бизнеса

Опыт Dun & Bradstreet показывает, что внедрение ИИ-агентов требует серьезной подготовки корпоративной инфраструктуры. Специалисты выделяют четыре обязательных этапа:

• Подготовка фундамента: работа с данными должна быть стандартизирована, нормализована и консолидирована до запуска агентской инфраструктуры.
• Динамические связи: системы должны учитывать изменения связей во времени, а не просто фиксировать статичные данные.
• Проверка согласованности сущностей: в цепочках, где задействовано несколько агентов, необходим механизм подтверждения того, что все они работают с одной и той же записью.
• Прослеживаемость данных: возможность отследить путь каждого ответа к первоисточнику должна быть заложена в архитектуру с самого начала, а не добавляться после появления ошибок.

* — деятельность компании запрещена на территории РФ