الترميز هو حالة الاستخدام الواضحة لتحقيق ملاءمة المنتج للسوق (PMF) للذكاء الاصطناعي، لكن معظم الأعمال المعرفية لا تزال تحتاج إلى وقت أطول

يعمل الترميز لأن كل السياق موجود في مستودع git يتم التحكم في إصداراته، منظم، في مكان واحد، وعادةً ما يكون مع مجموعة اختبار تخبرك ما هو الصحيح
أما العمل المعرفي فهو يعتمد على معلومات موجودة في مجموعة من الأماكن المختلفة - سلاك، البريد الإلكتروني، أنظمة متنوعة، وغالبًا في عقول الناس
لذا إذا كنت تريد أتمتة العمل المعرفي مثل الكود، فأنت بحاجة إلى "مستودع سياق" أو ما يُطلق عليه غالبًا "دماغ الشركة"
لكن دماغ الشركة الذي يأخذ الملفات فقط ويضعها في مكان ما ويضيف عليها RAG ليس الإجابة الصحيحة
ما تحتاجه هو نظام قائم على الأنطولوجيا - إعداده صعب، وصيانته أصعب
هناك سبب لرؤية العديد من تجارب الذكاء الاصطناعي في المؤسسات تفشل أو لا تحقق العائد على الاستثمار، وهو أن "مستودع السياق" لا يتم بشكل صحيح
لكن المفاجأة هي - إذا تم بشكل صحيح، يمكن لطبقة السياق أن تتحول من كونها تكلفة تدفعها الشركات مقابل أداة جديدة، إلى أصل تقوم ببنائه ويتراكم قيمته
تصبح أصلاً عندما تُبنى سير العمل الوكيلية على طبقة السياق وتُغذي بيانات القياس عن بُعد من هؤلاء الوكلاء بيئات التعلم المعزز التي تمكن الشركة من تدريب نماذج ما بعد التدريب التي ترمز لكيفية عمل الشركة، وتكون هذه النماذج مملوكة للشركة
امتلاك نموذج ببياناتك حول كيفية عمل الشركة فعليًا هو الحركة النهائية