在快速发展的企业AI领域，Intuit，这家金融科技巨头，正以其创新的Generative AI Operating System（GenOS）平台引领着变革。随着企业对代理型AI（agentic AI）的需求日益增长，Intuit通过一系列更新，展示了提示优化（prompt optimization）与智能数据认知层（intelligent data cognition layer）对于实现企业AI成功的重要性。
一、GenOS平台的演进与影响
Intuit的GenOS平台，自诞生以来，便致力于为企业提供先进的AI能力。从最初的内部工具，到如今支持包括QuickBooks、Credit Karma和TurboTax在内的多款产品，GenOS已显著提升了用户体验。其核心在于，通过代理型AI工作流程，实现了可量化的业务影响。这些工作流程能够智能地响应用户需求，优化业务流程，提高整体效率。
二、提示优化的重要性及实现方式
在企业AI实践中，一个长期存在的挑战是模型的可移植性和灵活性。许多企业发现，一旦为特定大型语言模型（LLM）开发了AI系统，便难以轻松切换到其他模型，这往往导致高昂的重写成本和时间损耗。Intuit通过其创新的提示优化服务，成功解决了这一问题。
提示优化服务的核心在于利用遗传算法自动创建和测试提示变体。这一过程不仅提高了AI系统对不同LLM的适应性，还实现了高效的模型间迁移。更重要的是，这种优化方式为企业提供了自动故障转移的能力，确保了当某个模型出现问题时，可以迅速切换到其他模型，从而保证了服务的连续性和可靠性。
三、智能数据认知层：超越传统数据集成
除了提示优化外，Intuit还推出了智能数据认知层，以解决企业AI在数据集成方面的复杂挑战。这一层超越了简单的文档检索和检索增强生成（RAG）方法，能够处理来自不同源、具有不同结构的数据集。
智能数据认知层的核心在于其理解和映射不同数据架构的能力。它能够自动确定数据的上下文，解决简单模式匹配所无法捕捉的复杂关系。这种能力对于处理现实世界中的企业数据至关重要，因为数据往往来自多个异构源，需要复杂的集成和处理。
四、结合预测分析：打造超级模型
Intuit的AI战略并不仅限于生成式AI和代理型AI。相反，它将这些能力与传统的预测分析相结合，构建了一个称为“超级模型”（Super Model）的集成系统。这个系统结合了多个预测模型和深度学习方法，以及先进的推荐引擎，为企业提供了前所未有的预测和分析能力。
超级模型不仅考虑了各个推荐系统的历史表现，还基于实时数据和市场反馈进行动态调整。这种混合方法使得Intuit的AI系统能够做出更加精准和可靠的预测，从而为企业决策提供更加有力的支持。
五、Intuit AI战略的关键启示
Intuit的GenOS更新及其背后的AI战略为企业AI的未来发展提供了重要启示：
- 灵活性与可移植性：企业应投资于与LLM无关的架构，以确保AI系统的灵活性和可移植性。这不仅可以降低未来的重写成本，还可以提高系统的整体可用性和可靠性。
- 数据集成与认知：智能数据集成是实现高效AI系统的关键。企业应寻求超越传统方法的数据认知层，以处理来自不同源、具有不同结构的数据集。
- 结合传统与生成式AI：在构建AI系统时，企业不应忽视传统的预测和推荐系统。相反，它们应该寻找将这些能力与生成式AI相结合的方法，以打造更加全面和强大的AI解决方案。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/intuit-de-genos-geng-xin-jie-shi-qi-ye-dai-li-xing-ai-cheng
