SAS lanceert no-code AI-oplossing voor data-inzicht

SAS, een leider in data en AI, lanceert daarom een oplossing die de bedrijfsproductiviteit een boost geeft. SAS® Retrieval Agent Manager (RAM) stroomlijnt het proces dat onbewerkte, ongestructureerde data binnen een organisatie snel omzet in relevante antwoorden die het mogelijk maken betere beslissingen te nemen.

RAM biedt een oplossing voor uitdagingen die voor bedrijfsleiders uit alle sectoren herkenbaar zijn, zoals:

• Hoe breng je de kracht van GenAI en Large Language Models (LLM’s) op een snelle, schaalbare en betrouwbare manier naar je bedrijfsdata?
• Hoe integreer je AI, van chatbots tot meer verfijnde agents, in bestaande systemen?

“SAS Retrieval Agent Manager vertaalt gefragmenteerde, ongestructureerde informatie naar werkbare bedrijfskennis die geïnformeerde beslissingen versnelt”, zegt Kathy Lange, Research Director voor AI en Automatisatie bij analysebedrijf IDC. “Met behulp van GenAI en agentic AI biedt RAM een handige interface voor het bouwen en moderniseren van organisatorische processen zonder dat bestaande systemen moeten worden herzien.”

Van verzekeringen tot gezondheidszorg en manufacturing

RAM is een no-code oplossing, die is gebouwd op het Retrieval Augmented Generation (RAG)-framework. De tool verwerkt en evalueert ongestructureerde documenten. Daarna worden de beste configuraties geselecteerd voor snelle interactie via een API of chatbot. RAM ondersteunt ook plug-and-play gebruik van GenAI-diensten zoals LLM’s en vectordatabases. Om complexe workflows te automatiseren, voegt de tool een agentic AI-laag toe.

In verschillende sectoren helpt RAM organisaties om sneller beslissingen te nemen op basis van ongestructureerde data. RAM kan fraudeteams bijvoorbeeld helpen om binnen enkele seconden verdachte patronen te detecteren, waardoor onderzoek sneller verloopt en compliance versterkt. In de verzekeringssector kunnen schade-experts onmiddellijk informatie oproepen om snellere, eerlijke en reglementair conforme uitbetalingen voor klanten te realiseren.

Contactcenters kunnen dankzij RAM de wachttijden aanzienlijk verkorten en tevens consistente antwoorden garanderen. In de zorgsector haalt RAM dan weer sneller inzichten uit onder meer patiëntendossiers en klinische protocollen, waardoor adviezen en behandelingen verbeteren. En ook in de maakindustrie heeft RAM veel potentieel, bijvoorbeeld door onderhoud te voorspellen op basis van ongestructureerde data zoals handleidingen, inspectierapporten en e-mails. Zo kunnen fabrikanten de kern van een probleem sneller vaststellen en de juiste oplossing bepalen. De tool haalt ook relevante onderhoudsinfo op en genereert duidelijke opdrachten voor technici.

Betrouwbaarheid zit ingebakken in RAM

Via de agentic AI-laag gebruikt RAM de eigen data en documenten van een bedrijf om verzoeken te begrijpen, relevante antwoorden of aanbevolen acties te tonen, en op transparante wijze de bron­documenten en data te delen waarop antwoorden en aanbevelingen zijn gebaseerd. De SAS-oplossing gebruikt geen bedrijfsdata om een LLM te trainen, maar houdt de data en LLM volledig gescheiden. Zo ontstaat een kennisdienst die bedrijfsgegevens en de LLM op het juiste moment samenbrengt om een relevant en tijdig antwoord te genereren.

“SAS Retrieval Agent Manager kan opschalen naar zeer grote datavolumes die continu worden bijgewerkt”, zegt Jason Mann, VP IoT bij SAS. “RAM maakt het voor een bedrijf eenvoudiger om technologieën zoals chatbots en conversational AI toe te passen op de eigen kennisbasis, maar ook om GenAI-gestuurde kennisdiensten te integreren in bestaande toepassingen via robuuste API’s, en om de ontwikkeling van AI-agents te ondersteunen.”

Hoewel iedereen met AI bezig is, blijven veel organisaties worstelen met het effectieve gebruik van de technologie. RAM biedt hiervoor een oplossing door AI sneller in waarde om te zetten.