A Replit szerint az AI bevezetésének alapja a közösen kezelt igazság

A hibás válaszok visszavetik az AI használatát

A Replit 2026. augusztus 3-án közzétett írása szerint egy magabiztosan közölt, de hibás válasz után a felhasználók nagyobb eséllyel ellenőrzik a következő eredményt is. Ha ez ismétlődik, a fontos munkafolyamatokat fokozatosan az AI-rendszeren kívülre irányítják. Ilyenkor az AI hasznos eszköz marad, de nem válik a vállalati működés központi infrastruktúrájává.

A vállalat szerint a fejlettebb ügynökök használata előtt meg kell teremteni annak megbízható módját, hogy a rendszer felismerje a cég által elfogadott igazságokat. Ebben segít a szemantikai réteg, amely megmutatja, mely táblák számítanak hiteles forrásnak, hogyan kapcsolódnak egymáshoz, és milyen üzleti jelentést hordoznak az adatok.

A Replit hangsúlyozza, hogy ez a réteg önmagában nem teljes megoldás, és nem egyszerű technikai háttér. A cég értelmezése szerint ez az AI-ra épülő vállalatirányítás első lépése: közös üzleti definíciókat, mérőszámokat, hiteles adatforrásokat és az ügynökök által használható kapcsolatokat rögzít.

A modell nem tudja magától, mit jelent a bevétel

Ugyanaz az adat több táblában is hihetőnek tűnhet, miközben a modell nem tudja biztosan, melyik tartalmazza a vállalat által értett bevételt, aktív felhasználót vagy ügyfelet. Egy revenue nevű oszlop például nem árulja el, hogy a visszatérítések vagy a letiltott felhasználók szerepelnek-e benne. A canonical jelölésből sem feltétlenül derül ki, ha az adott táblát időközben csendben kivezették.

A Replit szerint egy modell hibátlan SQL-lekérdezést is írhat egy olyan sémára, amelyet alapvetően félreért. Az is előfordulhat, hogy egy válaszhoz három tábla összekapcsolása szükséges, miközben az eredmény egyetlen táblából is hihetőnek látszik. A probléma ezért a vállalat megfogalmazása szerint nem pusztán az adatok elérése, hanem annak irányítása, hogy mi számít igaznak.

A cég 2025 végén kezdett olyan nyilvántartást építeni, amely az adatok jelentését és a korábbi javításokat rögzíti. Minden hibánál feljegyzik, mi romlott el, hogyan javították, és miért volt szükség a módosításra. Így a következő ügynök már örökölheti a korábbi tanulságot. A Replit ezt Michele Catasta, a folyamatos tanulásról szóló munkájának megállapításához kapcsolja, amely szerint a gyártási környezetben az ügynökök tanulásának jelentős része a tudásban és a memóriában, nem pedig a modell súlyaiban jelenik meg.

Közös, ellenőrzött tudásréteg az ügynökök mögött

A Replit szerint az Anthropic, az OpenAI és a Meta munkái ugyanabba az irányba mutatnak: a tartós érték nem kizárólag magában a modellben, hanem a körülötte felhalmozott és ellenőrzött tudásrétegben van. Az Anthropic az eszközöket, a keresést, a memóriát, az értékelést és az emberi ellenőrzési pontokat emeli ki az ügynökarchitektúrában. A Replit szerint saját adatszolgáltató ügynöke erre a megközelítésre épít.

A vállalat januárban ismertetett OpenAI-féle belső adatszolgáltató ügynökét is hasonló irányú megoldásként írja le. A Replit szerint ez a rendszer több ezer, egymáshoz közeli táblával, valamint rejtett összekapcsolási és szűrési hibákkal foglalkozik, és a táblák kód alapján levezetett jelentését emberi megjegyzésekkel egészíti ki. A Meta Analytics Agentje a vállalat szerint elemzők lekérdezési előzményeiből folyamatosan frissített kontextust, szemantikai modelleket, újrahasználható elemzési eljárásokat, ellenőrzéseket, dokumentációt és memóriát kombinál.

A Replit saját hangsúlya az auditálhatóság és az irányítás. A vállalat olyan, verziókezelt, ember által felülvizsgált és modellfüggetlen korpuszt javasol, amelyben az üzleti definíciók és javítások szerepelnek, használat előtt ellenőrzik, majd minden adatot érintő ügynök számára elérhetővé teszik.

Így működik a Replit által leírt megbízhatósági kör

A Replit négy elemet emel ki. A tudásréteg egy Git-tárolóhoz hasonló rendszer, ahol egy javítás nem egyszerűen elmentett emlék, hanem felülvizsgált változtatási javaslat. A hibás eset, a megoldás és az indoklás együtt kerül be, így a módosítás összehasonlítható, visszavonható és később is hozzárendelhető a szerzőjéhez.

A második elem az emberi jóváhagyás. Az új információ a vállalat szerint kódellenőrzésen keresztül válik közös tudássá, nem automatikus mentésként. A harmadik a válasz előtti ellenőrzés: az adatszolgáltató ügynök sorszámok, mérőszám-definíciók és korábban problémát okozó hibamódok alapján vizsgálja, hogy megbízható-e egy eredmény, majd a választ az azt alátámasztó bizonyítékokkal együtt adja át.

A negyedik elem az egyetlen, minden ügynök által olvasott ellenőrzött korpusz. Így egy pénzügyi vizsgálat során rögzített javítást a következő kérdés, a kódoló ügynök vagy az ügyfélszolgálati ügynök is felhasználhatja. A Replit szerint ez teszi lehetővé, hogy a vállalat ugyanarra a mérőszámra ugyanazt az értelmezést használja.

A cég saját adatügynöke a bevezetés után heti több mint 1000, adattárházra épülő kérdésig jutott. A Replit szerint a növekedés szájról szájra terjedt, mert a válaszok megállták a helyüket, és jelenleg a vállalat minden csapata használja a rendszert. A korábban elemzőkre váró, vagy fel sem tett kérdések így percek alatt választ kaphatnak, a bizonyítékokkal együtt.