Agenci AI Navan korzystają w środowisku produkcyjnym z modelu NVIDIA Nemotron 3.5 Super VL. Firma tworząca oprogramowanie do podróży służbowych dostroiła i wdrożyła model w ciągu trzech tygodni od uzyskania wczesnego dostępu. W komunikacie z 16 października 2026 r. Navan poinformowała, że model obsługuje interakcje z klientami przy niższych kosztach.
Najważniejsze wnioski
- Wdrożenie zostało zakończone; nie chodzi o planowany test modelu NVIDIA.
- Navan odnotowała lepsze wyniki w zadaniach związanych z podróżami w ramach własnych ewaluacji, ale nie podała wysokości oszczędności kosztów w środowisku produkcyjnym.
- Samodzielne hostowanie pozwala Navan dostosowywać i wymieniać modele, zachowując kontrolę nad ich wdrażaniem.
Spis treści
- Agenci AI Navan robią więcej niż odpowiadanie na pytania
- Testy wewnętrzne porównują jakość i sprawność odpowiedzi
- Samodzielne hostowanie zapewnia elastyczność w wyborze modeli
- Podsumowanie
Agenci AI Navan robią więcej niż odpowiadanie na pytania
Opis techniczny Navan przedstawia system zaprojektowany do realizowania zadań związanych z podróżami, a nie tylko generowania odpowiedzi w rozmowie. Odwołany lot może wymagać wyszukania aktualnie dostępnych opcji, wyjaśnienia alternatyw, sprawdzenia polityki firmy oraz skoordynowania zmian w rezerwacji hotelu lub samochodu.
W opisie wdrożenia Nemotron w środowisku produkcyjnym Navan poinformowała, że dostosowała jeden model, wykorzystując łączne doświadczenie pięciu agentów: koordynatora oraz agentów wyspecjalizowanych w hotelach, lotach, samochodach i pociągach. Każdy agent odpowiada za własne narzędzia i decyzje, jednocześnie współdzieląc informacje dotyczące podróży.
W praktyce o powodzeniu integracji decyduje zatem realizacja zadań. Szybka odpowiedź nie wystarczy, jeśli system nie potrafi prawidłowo korzystać z narzędzi do rezerwacji lub uwzględniać ograniczeń podróżnego.
| Element | Szczegóły |
|---|---|
| Pojemność modelu | Około 120 miliardów parametrów, z czego około 12 miliardów jest aktywowanych w każdym kroku. |
| Metoda dostrajania | Dostrajanie LoRA z użyciem otwartej biblioteki NVIDIA NeMo AutoModel. |
| Informacje o końcowym treningu | Około 10 milionów tokenów. |
| Walidacja | Blisko 2 000 testów walidacyjnych w końcowym zbiorze treningowym. |
Testy wewnętrzne porównują jakość i sprawność odpowiedzi
Jako główny punkt odniesienia Navan wykorzystała Qwen 3.8-27B, czyli dotychczasowy bazowy model produkcyjny hostowany samodzielnie. Firma testowała modele przy użyciu tych samych promptów, narzędzi, scenariuszy podróży i systemu oceniania.
Dostrojony model Nemotron uzyskał w ewaluacji Navan wynik lepszy lub równy wynikom modeli konkurencyjnych w sześciu z siedmiu kryteriów. Firma wskazała jako jego mocne strony korzystanie z narzędzi, realizację zadań, oparcie odpowiedzi na rzeczywistych informacjach oraz jakość rozmowy.
Są to wyniki testów przedstawione przez firmę, a nie niezależnie zweryfikowane ustalenia dotyczące wydajności. Ewaluacja koncentrowała się na tekstowych zadaniach związanych z podróżami, choć model obsługuje również inne typy danych wejściowych. Navan poinformowała, że wdrożony model obniżył koszty, ale nie ujawniła procentowej wartości oszczędności ani kwoty w dolarach.
Samodzielne hostowanie zapewnia elastyczność w wyborze modeli
Navan poinformowała, że samodzielne hostowanie daje jej większą kontrolę nad szybkością, kosztami i niezawodnością, ponieważ firma zarządza dostosowywaniem, testowaniem, wdrażaniem i aktualizowaniem modeli. Pozwala jej to również wymienić model bez konieczności przebudowy całego systemu.
Integracja poszerza zatem portfolio modeli Navan, zamiast ustanawiać jeden stały model dla każdego procesu. Firma deklaruje, że ocenia modele pod kątem wymagań specyficznych dla podróży oraz testuje całego asystenta przy użyciu rzeczywistych narzędzi, w tym jego zdolność do odzyskiwania sprawności po wystąpieniu problemu.
Podsumowanie
Potwierdzonym kamieniem milowym jest wdrożenie działające na żywo i obsługujące interakcje z klientami. Komunikat Navan przedstawia wewnętrzne dowody poprawy skuteczności realizacji zadań, nie ujawnia jednak skali oszczędności kosztów w środowisku produkcyjnym.
Więcej wiadomości
Więcej wiadomości FinanceVelix
Zastrzeżenie
Ten artykuł FinanceVelix zawiera ogólne informacje i nie stanowi spersonalizowanej porady finansowej, inwestycyjnej, prawnej ani podatkowej. Ceny rynkowe, stopy procentowe i warunki gospodarcze mogą się zmieniać; inwestycje wiążą się z ryzykiem straty. Fakty odzwierciedlają informacje dostępne w chwili publikacji i mogą ulec zmianie. Ważne informacje należy niezależnie zweryfikować, a w razie potrzeby skonsultować się z wykwalifikowanym specjalistą. Wzmianka o aktywach, firmie lub usłudze nie stanowi rekomendacji.
