Agentic RAG: passando da pesquisa para a ação no conhecimento empresarial

Por que o RAG tradicional é insuficiente para fluxos de trabalho empresariais

A geração aumentada de recuperação foi um avanço para fundamentar os resultados do LLM em conteúdo factual, mas o padrão padrão, recuperar pedaços relevantes e gerar uma resposta, atinge um limite em ambientes corporativos. Questões empresariais reais raramente são respondidas por uma única passagem de documento. Um funcionário que pergunta como solicitar uma extensão de licença precisa de informações do documento de política de RH, do contexto sobre seu tipo específico de licença, do fluxo de trabalho de aprovação para seu departamento e, potencialmente, do status atual de sua solicitação existente no sistema HRIS. O RAG padrão recupera alguns pedaços e espera que o modelo possa sintetizar uma resposta. Na prática, isso produz respostas que são parcialmente corretas, mas que perdem etapas processuais críticas ou, pior, declaram políticas desatualizadas com segurança porque a etapa de recuperação revelou uma versão do documento substituída.

Agentic RAG: recuperar, raciocinar e agir em um único pipeline

O Agentic RAG estende o paradigma de recuperação, dando ao agente a capacidade de recuperar iterativamente, raciocinar sobre lacunas em seu conhecimento atual, recuperar novamente de diferentes fontes e, por fim, agir em nome do usuário. Em vez de uma única etapa de recuperação, o agente executa um loop de raciocínio. Primeira recuperação: retire a política de licença. Etapa de raciocínio: a política faz referência a regras diferentes para diferentes tipos de licença, mas o usuário não especificou o tipo de licença. Decisão: verificar no sistema HRIS o registro de licença ativa do usuário. Segunda recuperação: extraia os detalhes da licença do funcionário do Workday. Etapa de raciocínio: o funcionário está em licença FMLA, que possui processo de prorrogação específico. Terceira recuperação: puxe o procedimento de extensão FMLA. Ação: gere o formulário de solicitação de extensão pré-preenchido com os dados do funcionário e envie-o através do fluxo de trabalho de aprovação correto. Esse padrão multi-hop transforma um sistema de resposta a perguntas em um mecanismo de execução de fluxo de trabalho. O usuário fez uma pergunta e recebeu uma ação concluída, não apenas uma resposta de que precisaria para agir por conta própria.