NVIDIA présente le plan directeur AI-Q, qui connecte les agents d'IA pour façonner l'avenir du travail.

Les agents d'intelligence artificielle (IA) sont en train de devenir la nouvelle main-d'œuvre numérique dans les opérations commerciales, avec la capacité d'automatiser des tâches complexes et d'améliorer considérablement la productivité. Cependant, les agents individuels sont limités dans leurs capacités, et leur véritable potentiel réside dans leur capacité à travailler ensemble. Lorsque différents agents d'IA sont capables de collaborer, ils peuvent travailler ensemble pour résoudre des problèmes plus complexes, ce qui se traduit par un plus grand impact sur l'entreprise. Pour aider les entreprises à exploiter plus rapidement ce potentiel de collaboration, NVIDIA a récemment annoncé le lancement de la solution AI-QUn nouveau Blueprint NVIDIA pour aider à développer des systèmes agentiques qui utilisent le raisonnement pour débloquer la connaissance des données d'entreprise.

Le défi pour de nombreuses organisations aujourd'hui est que les agents d'IA travaillent en silos, créant des "silos d'intelligence". Cela limite leur capacité à gérer des tâches complexes, à plusieurs étapes, dans différents domaines.AI-Q Le plan d'action a été lancé pour éliminer ces obstacles et fournir une architecture de référence claire pour la mise en place d'une main-d'œuvre numérique capable de travailler ensemble.

NVIDIA AI-Q et AgentIQ Toolkit : construire des systèmes d'agents collaboratifs plus intelligents

AI-Q n'est pas un logiciel unique, mais plutôt une implémentation de référence qui intègre NVIDIA Accelerated Computing, les plates-formes de stockage des partenaires et les outils logiciels associés. Il clarifie la manière d'intégrer ces composants, en présentant notamment la nouvelle solution NVIDIA Llama Nemotron des modèles d'inférence qui excellent dans l'exécution d'analyses complexes et de raisonnements en plusieurs étapes. Au moyen de AI-QL'entreprise peut se doter d'une main-d'œuvre numérique capable de traiter des tâches très complexes avec une grande précision et une grande rapidité.

La force principale de ce projet est l'intégration d'une extraction rapide de données multimodales et de capacités de recherche de classe mondiale, grâce à la technologie NVIDIA NeMo RetrieverNVIDIA NIM Collaboration entre les microservices et l'agent d'IA lui-même. Par exemple, dans un scénario d'assistant de recherche en IA basé sur la technologie AI-Q L'agent construit génère le rapport lorsqu'il génère le fichier jeton Elle est censée être jusqu'à 5 fois plus rapide et 15 fois plus rapide pour traiter des pétaoctets de données, tout en conservant une grande précision sémantique. Cela démontre le potentiel de l'architecture pour traiter des informations à grande échelle et accélérer l'extraction de connaissances.

soutenir AI-Q Le composant logiciel clé de ce plan est le tout nouveau logiciel NVIDIA AgentIQ Boîte à outils.AgentIQ est une bibliothèque logicielle open source qui a été GitHub L'objectif principal est de permettre une connectivité transparente et hétérogène entre différents agents, outils et données. Il permet aux développeurs de connecter, d'analyser (profilage) et d'optimiser des équipes d'agents d'intelligence artificielle pilotés par des données d'entreprise afin de construire des systèmes multi-agents de bout en bout. Les développeurs peuvent s'intégrer dans des systèmes multi-agents existants, en partie ou en totalité, et le processus d'intégration est conçu pour être totalement optionnel.

AgentIQ Une autre caractéristique importante de la boîte à outils est la transparence accrue du système. Il fournit une traçabilité complète du système et une analyse des performances, permettant aux organisations de surveiller les performances des équipes d'agents, d'identifier les goulets d'étranglement et d'obtenir une compréhension granulaire de la façon dont les informations commerciales sont générées. Ces analyses peuvent être combinées avec les solutions NVIDIA NIM et NVIDIA Dynamo La nature open source d'AgentIQ signifie également que la communauté des développeurs peut y contribuer, ce qui accélère son développement et la mise en œuvre des applications, et réduit la barrière à l'adoption et à la personnalisation.

Permettre aux nouvelles entreprises de disposer d'une main-d'œuvre composée d'agents de l'IA

Alors que les agents d'IA jouent le rôle d'"employés numériques", les équipes informatiques doivent prendre en charge leur "intégration" et leur "formation".AI-Q Plan d'action et AgentIQ Les boîtes à outils soutiennent cette démarche en facilitant la collaboration entre les agents et en optimisant les performances des différents cadres de renseignement.

Les organisations qui adoptent ces outils seront en mesure de connecter plus facilement des équipes d'agents d'intelligence artificielle à travers des solutions, par exemple en connectant Salesforce (utilisé comme expression nominale) Agentforce,Atlassian Rovo(intégré dans Confluence répondre en chantant Jira (en) et ServiceNow AI etc. Cette connectivité permet de briser les silos d'information, de rationaliser les flux de travail entre applications et de réduire les temps de réponse pour certaines tâches de quelques jours à quelques heures.

Pour la commodité des développeurs.AgentIQ Il s'intègre également à une variété de cadres et d'outils populaires tels que CrewAI,LangGraph,Llama Stack,Microsoft Azure AI Agent Service répondre en chantant Letta. Cela signifie que les développeurs peuvent travailler dans un environnement qui leur est familier. Par exemple, les développeurs peuvent travailler dans un environnement qui leur est familier.Azure AI Agent Service avec AgentIQ L'intégration permet d'utiliser le Semantic Kernel Il est plus efficace de construire et d'orchestrer des cadres multi-agents, et le système de gestion de l'information est plus efficace. Semantic Kernel existent AgentIQ Il est entièrement pris en charge dans le

Des scénarios d'application commencent déjà à se dessiner. Leader dans les services financiers Visa Les agents d'IA sont utilisés pour améliorer la cybersécurité en automatisant l'analyse des courriels d'hameçonnage à grande échelle. L'utilisation d'agents AI-Q les caractéristiques de l'analyse des performances de laVisa Les performances et les coûts des agents peuvent être optimisés afin de maximiser le rôle de l'IA dans une réponse efficace aux menaces. En outre.AI-Q Avec NVIDIA Metropolis VSS（L'intégration de plans (de recherche vidéo et de résumé) donne naissance à des agents multimodaux qui combinent les capacités de perception visuelle avec la parole, la traduction et l'analyse de données pour améliorer la compréhension de l'environnement et l'interaction.

Premiers pas avec AI-Q et AgentIQ

AI-Q Les technologies clés de NVIDIA utilisées dans ce projet sont les suivantes Llama Nemotron Les modèles d'inférence de séries (par exemple llama-3.3-nemotron-49b-instruct), l'intégration et le réarrangement de modèles (par ex. llama-3.2-nv-embedqa-1b-v2), et NeMo Retriever des modèles d'analyse multimodale apparentés. Des logiciels tiers tels que Tavily(pour les recherches sur le web),LangChain(pour la construction des agents) et Milvus base de données vectorielles(disponible auprès de NVIDIA) cuVS ) jouent également un rôle important dans l'architecture.

Les développeurs peuvent désormais utiliser la fonction GitHub gain AgentIQ La bibliothèque open source de la boîte à outils (http://github.com/NVIDIA/AgentIQNVIDIA organise également des événements Hackathon pour aider les développeurs à mettre en pratique et à améliorer leurs compétences dans la construction de systèmes corporels intelligents.

Construire une organisation basée sur AI-Q Les partenaires de stockage de NVIDIA fournissent des plates-formes personnalisées qui traitent les données en continu et permettent aux agents d'IA d'accéder rapidement aux connaissances dont ils ont besoin pour raisonner et répondre à des requêtes complexes.

NVIDIA AI-Q Plan d'action et AgentIQ Le lancement de cette boîte à outils marque l'évolution des applications d'IA d'entreprise, qui passent d'intelligences uniques à des réseaux d'intelligences collaboratives. Bien que la création et la gestion d'équipes complexes d'agents posent encore des problèmes, notamment en ce qui concerne la fiabilité, la sécurité et la contrôlabilité de la collaboration, cette orientation ouvre certainement de nouvelles possibilités imaginatives pour l'automatisation et l'intelligence des entreprises.