A Harmonic újraépítette Scout AI-asszisztensét, négyszeresére nőtt a megtartás

A merev munkafolyamatok helyett rugalmas ügynök

A Harmonic eredetileg kockázatitőke-társaságok forrásszerző eszközeként indult, ma pedig különböző befektetők használják a magánpiacok követésére. A Scout természetes nyelvű felületet ad a vállalat adataihoz. Segítségével például alapítói csapatok hátterére vagy egy szűk technológiai terület finanszírozási trendjeire lehet rákérdezni.

A Scout első verziója LangGraph-alapú ügynökként, több, egymásra épülő algráffal működött. A felhasználók természetes nyelvű kereséseit a rendszer pontos szűrőbeállításokká alakította a Harmonic adatindexében. A megoldás azonban merev volt: minden új képességhez új algráfot kellett létrehozni, a karbantartásához pedig több száz értékelésre volt szükség. A személyre szabott megkereséstervezetekhez és az absztrakt befektetési tézisek kereséséhez a Scout V1 már nehezen alkalmazkodott.

A Scout V2 egyetlen, Deep Agents környezetben futó, élvonalbeli modellre épül. Két eszközcsoportot használ: az egyik a Harmonic globális adatrétegéhez, a másik a befektetési cégek saját környezetéhez fér hozzá. A globális réteg 40 millió vállalatot, 200 millió embert és 230 ezer befektetőt tartalmaz, míg a céges kontextushoz például pipeline-listák, CRM-jegyzetek, korábbi e-mailek és LinkedIn-kapcsolatok tartoznak.

A keresőből befektetési tanácsadó lett

A Harmonic szerint Scout V2 már kevésbé hasonlít hagyományos keresőmezőre, és inkább tanácsadóként működik. A felhasználó megadhat egy befektetési tézist, majd kérheti öt illeszkedő vállalat kiválasztását. Arra is utasíthatja a rendszert, hogy egy tíz perc múlva esedékes alapítói találkozó előtt gyűjtse össze a legfontosabb tudnivalókat, ehhez pedig használja a CRM-et, a korábbi levelezést, a LinkedIn-kapcsolatokat és a vállalat nyilvános profilját.

A fejlesztők egyik alapelve lett, hogy amit a felhasználó lát, azt a modellnek is fel kell tudnia fedezni. Ez a vizualizációknál és a vállalatkeresésnél is fontos. Scout már a beszélgetés részeként képes vizualizációkat létrehozni, amelyeket a felület ugyanott jelenít meg. A modell és a felhasználó így ugyanazt az artefaktumot látja.

A nagy találati listákat közös fájlrendszerben tárolják. A felület soronként jeleníti meg az eredményeket, a modell pedig később újra hozzáférhet ugyanahhoz az adathalmazhoz, például amikor a felhasználó megkérdezi, miért három vállalat került a lista élére.

LangSmith, nyomon követés és négyszeres megtartás

A LangSmith Deployment kezeli a tartós beszélgetésszálak futtatását, a telepítéseket és a megfigyelhetőséget. A Harmonic mérnökei teljes beszélgetési nyomokat vizsgálnak, így a létrehozott artefaktumokkal együtt láthatják, mit tapasztaltak a felhasználók. A LangSmith MCP-t AI-alapú fejlesztőeszközökkel is használják, hogy a nyomok alapján módosítsák a kódot.

A csapat a LangSmith Engine korai használói közé tartozik. A rendszer azonosítja és csoportosítja a hibamódokat, valamint értékeléseket és kódmódosításokat javasol. Austin Berke, a Scout vezető mérnöke szerint a Deep Agents nyomai több tucat vagy akár több száz fordulót is tartalmazhatnak, ezért az Engine órákat takarít meg a mintázatok felismerésével.

A Harmonic adatai szerint a Scout felhasználóinak első heti és negyedik heti megtartása a korábbi verzióhoz képest négyszeresére nőtt. Az átlagos munkamenet hossza tízszeresére emelkedett, mivel a felhasználók egyszeri vállalatkeresések helyett hosszabb, több lépésből álló beszélgetéseket folytatnak. A vállalat által idézett befektetők a Scoutot „hihetetlenül hasznosnak” és „játékmódosítónak” nevezték, egyikük pedig úgy fogalmazott, hogy a Scout mindenki titkos fegyverévé válik.