SAS lanceert Retrieval Agent Manager (RAM) om bedrijven te helpen bij het omzetten van ongestructureerde data naar bruikbare inzichten. De no-code oplossing moet de kloof dichten tussen GenAI-beloftes en praktische bedrijfsresultaten.
RAM biedt concrete oplossingen voor uiteenlopende bedrijfstakken. Fraudeteams kunnen binnen seconden verdachte patronen detecteren, waardoor onderzoeken sneller verlopen en compliance wordt versterkt. In verzekeringen kunnen schade-experts onmiddellijk relevante informatie opvragen voor snellere uitbetalingen.
Contactcenters profiteren van aanzienlijk kortere wachttijden terwijl consistente antwoorden gegarandeerd blijven. In de zorgsector haalt RAM sneller inzichten uit patiëntendossiers en klinische protocollen, wat behandelingen kan verbeteren.
De maakindustrie kan predictief onderhoud optimaliseren door analyse van handleidingen, inspectierapporten en e-mails. Fabrikanten stellen hiermee sneller de kern van problemen vast en bepalen de juiste oplossingsaanpak.
Ongestructureerde data brengt uitdagingen mee
Meer dan 80 procent van alle bedrijfsdata bestaat uit ongestructureerde formats zoals tekst en afbeeldingen. Deze informatie groeit jaarlijks met 50 tot 60 procent. Het extraheren van waarde uit deze datastroom vormt een van de grootste uitdagingen voor organisaties die GenAI willen inzetten.
Bestaande benaderingen zijn vaak complex, code-intensief en inefficiënt. Hierdoor slagen bedrijven er niet altijd in om consistente resultaten te behalen met hun GenAI-projecten. SAS wil deze kloof overbruggen met een nieuwe aanpak.
No-code benadering voor complexe processen
RAM bouwt voort op het Retrieval Augmented Generation-framework en verwerkt ongestructureerde documenten automatisch. De tool evalueert verschillende configuraties en selecteert de beste instellingen voor snelle interactie via API’s of chatbots.
De oplossing ondersteunt plug-and-play gebruik van GenAI-diensten zoals Large Language Models en vectordatabases. Voor complexere workflows voegt RAM een agentic AI-laag toe die automatisering mogelijk maakt.
Betrouwbaarheid staat centraal
RAM gebruikt uitsluitend de eigen data en documenten van organisaties om verzoeken te begrijpen. De oplossing toont transparant de brondocumenten waarop antwoorden gebaseerd zijn. Cruciaal is dat SAS geen bedrijfsdata gebruikt voor het trainen van Large Language Models.
De data en het LLM blijven volledig gescheiden. Pas op het moment dat een antwoord gegenereerd wordt, komen bedrijfsgegevens en het model samen. Deze kennisdienst zorgt voor relevante en tijdige antwoorden zonder dat gevoelige informatie het bedrijf verlaat.
Veel organisaties worstelen met het effectieve gebruik van AI-technologie. RAM moet de vertaalslag maken van theoretische mogelijkheden naar concrete bedrijfsresultaten. De focus ligt op het sneller omzetten van AI-investeringen in meetbare waarde.
De tool ondersteunt zowel eenvoudige chatbot-implementaties als geavanceerde AI-agent ontwikkeling. Bedrijven kunnen stapsgewijs hun AI-volwassenheid opbouwen zonder bestaande systemen te herzien.
Met RAM positioneert SAS zich als brug tussen de complexe wereld van GenAI en praktische bedrijfsbehoeften. De komende maanden zal blijken of deze no-code benadering werkelijk de doorbraak brengt die veel organisaties zoeken.
Tip: Met 50 jaar ervaring in analytics zet SAS de AI-koers uit