Kindo introduceert Deep Hat Sift om onnodige AI-taken te filteren
Het bedrijf Kindo heeft een nieuw model genaamd Deep Hat Sift gelanceerd. Dit systeem filtert inkomende meldingen voordat grotere AI-agenten aan het werk worden gezet.
Organisaties die geautomatiseerde systemen inzetten voor bijvoorbeeld beveiligingslogs, merken dat het doorzoeken van grote hoeveelheden meldingen veel rekenkracht kost. Veel van deze meldingen blijken achteraf geen actie te vereisen. Om dit proces efficiënter in te richten, beoordeelt de nieuwe software van Kindo vooraf welke gebeurtenissen daadwerkelijk de inzet van een grotere AI-agent rechtvaardigen.
Efficiënt databeheer
Het model leert van de eerdere beslissingen van de agent die het ondersteunt. Op basis daarvan kan het systeem zelfstandig irrelevante meldingen en logboeken weren. Dit helpt om de werkbelasting en de operationele kosten van geautomatiseerde processen binnen grote organisaties te beperken.
Deze samenvatting is gebaseerd op een origineel artikel van Unite.AI. Lees het volledige, originele bericht bij de bron.
Lees het originele artikel