Genie показала точность более 90% в внутренних тестах по анализу корпоративных данных

Genie — дата‑агент для сложных запросов по структурированным (таблицы, дашборды, ноутбуки) и неструктурированным (файлы рабочего пространства, Google Drive, SharePoint) корпоративным источникам;

Genie добилась точности выше 90% на внутренних тестах при решении сложных аналитических задач по корпоративным данным — результат, который авторы считают критичным для практического развёртывания дата‑агентов в реальных предприятиях. Это означает, что система значительно улучшает качество ответов по широкому набору источников и сокращает риски ошибочных выводов при расследовании метрик и бизнес‑отчётов. Система ориентирована на объединённый поиск и анализ сотен тысяч активов: таблиц, дашбордов, ноутбуков и документов, а также файлов рабочего пространства, Google Drive и SharePoint. В основе архитектуры — несколько технических приёмов: специализированный поиск знаний для отбора релевантных активов, параллельное «мышление» (parallel thinking) для независимой генерации гипотез и Multi‑LLM дизайн с оптимизированными промптами.

параллельное мульти‑агентное обнаружение источников, извлечение и исследование данных (включая формирование SQL‑запросов и сравнительный анализ), цикл самокоррекции и итоговая верификация результатов. На внутреннем бенчмарке авторы сравнили подход Genie с ведущим кодинг‑агентом и отметили рост точности с 32% до более чем 90%. Кроме того, по материалу наблюдалось заметное снижение затрат и латентности по сравнению с «универсальным» кодинг‑агентом — в публикации приведён график экспериментов для визуального сравнения. В тексте также подчёркивается различие ролей: кодинг‑агенты работают эффективно в относительно статичных и детерминированных средах (файловая система, код), тогда как дата‑агентам приходится оперировать динамичным lakehouse с большим семантическим контекстом.

Авторы выделяют три ключевые проблемы для таких систем: масштаб обнаружения данных, определение «источника истины» при противоречивых бизнес‑данных и отсутствие верифицируемых тестов для итеративной отладки ответов. Практическое значение подхода заключается в автоматизации межсистемного обнаружения и расследования несогласованных метрик, что сокращает ручной труд аналитиков и ускоряет выявление корневых причин. Важной особенностью является способность агента фиксировать случаи неполноты данных и запускать цикл самокоррекции, а при неопределённости — прозрачно возвращать соответствующий уровень уверенности пользователю. решение требовало сквозного поиска по таблицам, документам и настройкам отчётности, а также выделения контрактных ставок ценообразования. На внутренних тестах Genie демонстрирует пошаговый путь решения таких запросов в четырёх фазах — от параллельного поиска по источникам до верификации итогов.