Корейские инженеры ускорили работу ИИ-агентов в 20 раз

Традиционные методы Retrieval-Augmented Generation (RAG) часто дают сбои, когда нужно одновременно учитывать семантику текста, связи между объектами и жесткие структурные параметры. Разработчики AkasicDB устранили этот разрыв, внедрив метод Omni RAG. Теперь система обрабатывает сложные бизнес-запросы — например, поиск условий контрактов с учетом истории поставок — как единую операцию SQL или GQL. Это исключает необходимость многократной передачи данных между разрозненными базами, что раньше замедляло работу приложений.

Тестирование показало впечатляющие результаты: время обработки запросов сократилось с 21,3 секунды до менее чем одной. Параллельно точность ответов выросла на 78%, что критически важно для внедрения ИИ в финансах, промышленности и оборонном секторе. Объединение трех типов архитектур в одном ядре позволяет ИИ не просто «угадывать» контекст, а опираться на точные структурные и логические связи, заложенные в корпоративных данных.