Način na koji se suočava s izazovima poduzeća s umjetnom inteligencijom (AI) 2026. godine nije onakav kakvim su ga mnogi zamišljali. Problem nije u tome što su modeli pogrešni, da agenti ne mogu rezonirati ili da je tehnologija prenapuhana. Glavni problem leži u tome što su podaci koji hrane te sustave fragmentirani, neujednačeno označeni i raspoređeni preko desetaka aplikacija koje nikada nisu bile dizajnirane da dijele kontekst.
Boomi naziva ovaj problem aktivacijom podataka AI agenata. Nakon praćenja 75,000 AI agenata koji rade u proizvodnji diljem svoje korisničke baze, tvrtka tvrdi da rješavanje ovog problema dolazi prije svega ostalog. Taj broj dolazi iz veljače kada je Boomi izvijestio o svom najjačem rastu do sada: više od 30,000 korisnika globalno, 75,000 AI agenata u proizvodnji i korisnička baza koja uključuje više od četvrtine Fortune 500.
Ipak, dosljedan obrazac među tim implementacijama, prema Steveu Lucasu, predsjedniku i izvršnom direktoru Boomija, je da AI vrijednost postaje stvarna tek kada se riješi problem s podacima. “AI donosi vrijednost samo kada su podaci pravilno aktivirani, pouzdani i upravljani”, rekao je Lucas kada je tvrtka objavila svoje najnovije mogućnosti platforme 9. ožujka.
Problem fragmentacije
Podaci u poduzećima nisu izgubljeni; postoje u izobilju, raspodijeljeni preko ERP sustava, CRM-a, jezera podataka, SaaS platformi i naslijeđenih aplikacija koje su se akumulirale tijekom desetljeća. Ono što nedostaje je zajednički kontekst koji omogućuje AI agentu da tretira podatke iz jednog sustava kao pouzdano kompatibilne s podacima iz drugog.
Agent koji crpi korisničke podatke iz CRM-a i podatke o cijenama iz ERP-a može raditi s proturječnim definicijama onoga što zapravo jest korisnik ili proizvod. Rezultati koje proizvodi su samo onoliko koherentni koliko su podaci ispod njih standardizirani.
Boomijevo rješenje je Meta Hub, središnji sustav zapisa koji je najavljen u ažuriranju platforme 9. ožujka, dizajniran za standardizaciju poslovnih definicija širom poduzeća i proširenje tog konteksta na svakog AI agenta koji djeluje unutar njega. Cilj je osigurati da agenti rezoniraju iz dosljednog razumijevanja poslovne logike umjesto da generiraju rezultate temeljen na fragmentiranim interpretacijama iz odvojenih sustava.
Istim ažuriranjem uvedeno je i real-time izvlačenje podataka iz SAP-a putem promjene podataka, rješavajući jedan od najčešćih integracijskih uskih grla u velikim poduzećima, gdje su SAP podaci često nedostupni zbog sporih, ručnih procesa izvoza koji ih čine gotovo nedostupnima za AI radne tokove u stvarnom vremenu.
Nova upravljačka rješenja za Snowflake Cortex agente unutar Boomi Control Tower-a dodala su tragove revizije i evidencijske dnevnike, adresirajući zabrinutost koja se stalno povećava na popisu prioriteta poduzeća: AI agenti koji djeluju kao crna kutija, poduzimajući radnje bez vidljivog lanca rezoniranja.
