Fortune Cookie

Fortune Cookie fonctionne via une interface de chat, donc les employés interagissent avec lui comme s'ils écrivaient à un collègue. Depuis cette seule fenêtre, ils accomplissent des tâches, cherchent des données, lancent des requêtes, reçoivent des alertes et génèrent du contenu dans de nombreuses applications d'entreprise. La sécurité est au cœur de la conception. Cela compte quand l'assistant lit des dossiers de paie, de ventes et de RH.

Plutôt que d'imposer un seul modèle à chaque client, la plateforme laisse les équipes mettre en œuvre des grands modèles de langage personnalisés et choisir celui qui correspond à leurs besoins. RandomWalk le présente comme un moyen de garder le système efficace et économique. Un modèle léger gère les recherches courantes, les plus lourds prennent l'analyse complexe. On choisit par tâche, pas par entreprise.

L'assistant analyse de grands ensembles de données pour faire ressortir des schémas qui appuient la décision. Il se branche sur des outils de visualisation via l'IA générative, donc le résultat dépasse le texte. Posez une question et recevez un graphique ou un tableau de bord. Pas de mur de chiffres à décoder. Les données en silo sont l'ennemi ici. L'outil transforme aussi des tables brutes en vues qu'un responsable peut vraiment lire.

Les données isolées sont le problème que Fortune Cookie veut résoudre. Il transforme des sources éparpillées en graphes de connaissances sémantiques et bases de données vectorielles, et c'est ainsi qu'il relie des enregistrements qui vivent dans des systèmes différents. C'est la plomberie derrière des réponses exactes. Sans elle, la recherche ne renvoie que du bruit.

L'assistant améliore la recherche dans toute l'organisation pour que les gens atteignent l'information pertinente sans savoir exactement où elle se trouve. Au lieu de deviner des noms de fichiers ou des chemins de dossiers, ils décrivent ce qu'ils veulent. Aucune taxonomie de dossiers à apprendre. Cela réduit le temps de recherche et garde le savoir accessible entre services.

Fortune Cookie repose sur le RAG. En clair, l'assistant récupère les données pertinentes de l'entreprise avant de répondre, au lieu de s'appuyer sur ce que le modèle a mémorisé pendant l'entraînement. Il associe une base de données vectorielle à un graphe de connaissances. Les bases vectorielles gèrent des recherches rapides par similarité sur de grands ensembles de données, ce qui convient à la recherche sémantique et aux recommandations. Les graphes de connaissances révèlent les relations et les dépendances, ce qui aide le modèle à comprendre le contexte, comme les lignes hiérarchiques ou la façon dont une métrique s'agrège. Et concrètement ? Posez une question sur une métrique et le modèle la trace dans le graphe avant de répondre, au lieu de renvoyer une correspondance de mots-clés approximative. C'est la différence qui compte dans une grande organisation.

L'interface est pensée autour des relances, des synthèses et des vues de données. Le but est d'améliorer l'expérience des employés plutôt que de leur déverser des données brutes. Pour les équipes qui déploient l'outil largement, une disposition de chat familière allège la charge de formation. Les gens savent déjà taper une question. Rien à apprendre.