YiENTi

Enterprise Information & Graph-Native Intelligence

Strukturér systemer.Forstå relationer.Byg rigtig software.

YiENTi repræsenterer processer, relationer, afhængigheder og softwarestrukturer eksplicit i stedet for kun at støtte sig til sprogbaseret kontekst.

YiENTi Enterprise
Intelligent Enterprise Information
YiENTi Intelligence
Graph-Native Intelligence Engine

YiENTi kombinerer en Intelligent Enterprise Information-platform med en Graph-Native Intelligence Engine. Den kan bruge sprogmodeller, hvor det er nyttigt, men dens centrale ræsonnementsmodel er strukturel, procesbevidst og uafhængig af en enkelt LLM-udbyder.

HændelseKontekstVidenProcesRegelEntitetSystemGatewayBeslutning

En hændelse udløser en proces. Kontekst og regler bliver relevante. Gatewayen munder ud i en beslutning.

Siden 2010
Udviklet fra Logical Board til YiENTi
To søjler
Enterprise Information + Intelligence Engine
LLM-valgfri
Udbydere er udskiftelige komponenter
I brug
Kerneteknologi i ACCENTSYS' engineering

YiENTi-platformen

Én vision. To kerneteknologier.

YiENTi er en overordnet teknologi med to adskilte, forbundne søjler. Den ene repræsenterer en organisations operationelle virkelighed. Den anden udfører ræsonnement over struktureret kontekst – både i YiENTi Enterprise og uden for det.

YiENTi i centrum

YiENTi er centrum. Alt andet er forbundet til det.

YiENTi er den strukturelle intelligens og ingeniørmæssige kerne. Cloud-platforme, sprogmodeller, Playwright, IDE'er og lokale AI-værktøjer er forbundne systemer omkring YiENTi – hver med en tydelig rolle. De er ikke YiENTi selv.

YiENTi
StrukturMålingRæsonnement
  • Struktureret modellering

    Det, YiENTi ræsonnerer over · → YiENTi

    BPMN · Use cases · Aktiviteter · Sekvenser · Klasser · Data-/entitetsmodeller

  • Generativ AI

    Ekstern · kan udskiftes · ↔ YiENTi

    OpenAI · Anthropic · Perplexity · Gemini · Lovable · Zapier · Pickaxe · Grok · Jasper · Abacus.AI · Relevance AI · Notion AI · Og flere følger snart · Lokale / alternative modeller

  • Udviklerværktøjer

    Udviklingsmiljø · ↔ YiENTi

    Visual Studio Code · OpenCode

  • Lokal infrastruktur / modelinfrastruktur

    Kørsel af modeller lokalt · ↔ YiENTi

    Ollama · Lemonade · Andre kompatible lokale modelworkflows

  • Test

    Validering af reel adfærd · ↔ YiENTi

    Playwright · Abacus.AI · ChatGPT Work · Visuel validering · Funktionel validering

  • Udrulning

    Hvor genereret software kører · YiENTi →

    AWS · Microsoft Azure · Google Cloud · Privat infrastruktur (fremtidig)

  • Egentlig software

    Bygget med YiENTi · YiENTi →

    Alle ACCENTSYS-produkter

Fødes ind i YiENTiUdveksler med YiENTiProduceret eller leveret af YiENTi-understøttet udviklingEkstern og udskifteligFremtidig retning

Den strukturelle kerne

Sprog er en grænseflade.
Grafen er modellen.

Disse strukturer er ikke dekorative diagrammer. De repræsenterer maskinforståelig system- og processtatus – den model, YiENTi udfører ræsonnement over.

  • BPMN
  • Procesmodeller
  • Aktivitetsdiagrammer
  • Use cases
  • Samarbejdsdiagrammer
  • Sekvensdiagrammer
  • Klassemodeller
  • Entitets-/datamodeller
  • Regler
  • Afhængigheder
  • Tilstand
  • Krav
  • User stories

Måling · en central YiENTi-funktion

Strukturér det. Mål det. Lær af det.

Måling er ikke en dashboard-funktion. YiENTi forbinder udførelsen af en proces med det, udførelsen faktisk frembringer — og omsætter det til maskinforståelig viden om, hvordan arbejde reelt forløber.

01 · YiENTi Enterprise

Procesudførelse

  1. Opgave AHøj
  2. Opgave BNormal
  3. Opgave CNormal

Prioritet og vægt er en del af strukturen.

02 · Måling

Hvad der faktisk skete

Arbejde og indsats

  • Prioritet
  • Opgave
  • Tid / indsats
  • Opgavevægt / mængde
  • Tid i forhold til opgavevægt
  • Kvantitativ præstation

Output og udfald

  • Kvalitet
  • Omarbejde / nyt opfølgende arbejde
  • Indhold, der når frem til slutproduktet
  • Genbrug
  • Effektivitet

Mennesker og kompetence

  • Roller
  • Kompetencer
  • Færdigheder
  • Uudnyttet potentiale

03 · YiENTi AI

Ræsonnerer over målbar virkelighed

Lær · forbedr · genbrug

YiENTi måler ikke kun, hvor længe nogen har arbejdet. Det kan sætte indsatsen i forhold til arbejdets struktur, vægt, udfald, kvalitet og genbrug.

LÆRINGSLØKKESTRUKTURÉRUDFØRMÅLLÆRFORBEDRGENBRUG
  1. Struktur

    YiENTi Enterprise

    Leverer den strukturerede operationelle og procesmæssige kontekst: processer, opgaver, roller, prioriteter og arbejdets vægt.

  2. Virkelighed

    Måling

    Registrerer, hvad der faktisk sker inden for denne struktur: indsats, udfald, kvalitet, omarbejde og genbrug.

  3. Ræsonnement

    YiENTi AI

    Ræsonnerer over denne målbare virkelighed — ikke kun over beskrivelser af, hvordan arbejdet efter planen skal foregå.

YiENTi lærer ikke kun af beskrivelser af arbejde. Det kan ræsonnere over strukturerede processer og de målbare udfald, de frembringer.

Denne forbindelse var allerede en del af den YiENTi-arkitektur, der blev præsenteret i 2016: operationelle processer knyttet til målbart output og til YiENTi AI.

Søjle A · Intelligent Enterprise Information

YiENTi Enterprise

YiENTi Enterprise forbinder mennesker, processer, systemer og viden i ét struktureret operationelt miljø.

En intelligent platform til virksomhedsinformation til modellering og drift af relationerne mellem mennesker, arbejde, processer, systemer og information. Integration er én af dens muligheder – ikke dens definition.

  • Personer
  • Roller
  • Kompetencer
  • Teams
  • Opgaver
  • Projekter
  • Aktiviteter
  • Processer
  • Ressourcer
  • Systemer
  • Dokumenter
  • Kommunikation
  • Hændelser
  • Regler
  • Data
  • Viden
  • Målinger
  • Beslutninger
  • Afhængigheder
  • Virksomhedens arbejdsgange

Diagram A · YiENTi Enterprise Information

ORGANISATIONARBEJDEINFORMATION OG SYSTEMERPersonerRollerTeamsProjekterProcesserOpgaverBegivenhederSystemerDataRessourcerDokumenterViden
Organisation, arbejde og information findes som én sammenhængende model – ikke som adskilte lister, filer og værktøjer.

Søjle B · Graph-Native Intelligence Engine

YiENTi Intelligence

YiENTi Intelligence er en graph-native intelligence engine, der er designet til at ræsonnere på tværs af entiteter, relationer, processer, kontekst, softwarestrukturer og visuel information.

Dens rolle rækker ud over platformen YiENTi Enterprise. Kerneteknologien i YiENTi Intelligence bruges allerede internt i ACCENTSYS' softwareudviklingsworkflows; den selvstændige platform er stadig under udvikling.

En anden vej mod generel maskinintelligens.

Den langsigtede vision for YiENTi Intelligence.

Ud over YiENTi Enterprise

YiENTi Intelligence er ikke blot AI-modulet i YiENTi Enterprise. Det er designet som et genanvendeligt intelligenslag – og software, der er designet med det, er ikke automatisk en del af Enterprise-platformen:

  • ACCENTSYS softwareudviklingI intern brug
  • Andre ACCENTSYS-produkterRetning
  • Fremtidige eksterne systemerRetning
  • Andre use cases med struktureret ræsonnementRetning

Diagram B · YiENTi Intelligence-graf

Strukturel kontekst

  • Entiteter
  • Relationer
  • Kontekst
  • Tilstand
  • Regler
  • Afhængigheder
  • Visuelle strukturer
  • Viden

YiENTi Intelligence Graph

Forbundet, vedvarende og eksplicit – selve ræsonnementskonteksten.

Ræsonnementsfunktioner

  • Forstå
  • Ræsonnér
  • Sammenlign
  • Forudsig
  • Anbefal
  • Planlæg
  • Orkestrér
Centrale ræsonnementsfunktioner Udviklingsretning

Sådan fungerer YiENTi

Fra struktureret virkelighed til ræsonnement – og tilbage igen.

YiENTi Enterprise repræsenterer, hvad der findes, hvem der er involveret, hvad der sker, hvordan arbejdet flyder, hvad der afhænger af hvad, og hvilken tilstand organisationen er i. YiENTi Intelligence ræsonnerer over denne strukturerede kontekst.

  1. 01Enterprise

    Repræsentér

    Mennesker, systemer, information, opgaver, processer og kontekst bliver til struktureret, forbundet information.

  2. 02Intelligence

    Forstå

    YiENTi Intelligence ræsonnerer på tværs af relationer, afhængigheder, tilstand og kontekst.

  3. 03Intelligence

    Beslut

    Regler, begrænsninger, historisk kontekst og ræsonnement understøtter beslutninger.

  4. 04Begge

    Orkestrér

    Handlinger, systemer og arbejdsgange kan koordineres inden for definerede regler og ansvarsområder.

  5. 05Enterprise

    Lær / Opdatér

    Det strukturerede miljø ændrer sig, efterhånden som arbejdet skrider frem, og ny information bliver tilgængelig.

En kontinuerlig cyklus: hver opdateret tilstand bliver konteksten for næste runde af ræsonnement.

Struktureret intelligens · ikke LLM-first

Sprog er en grænseflade.
Grafen er modellen.

Store sprogmodeller er nyttige generative sprogkomponenter. YiENTi kan bruge dem, hvor de hjælper – men er ikke afhængig af genereret prosa som sit sandhedsgrundlag. Processer, relationer, tilstande, afhængigheder og strukturer modelleres eksplicit.

YiENTi repræsenterer strukturen bag informationen.

  • Processer repræsenteres som processer.
  • Relationer repræsenteres som relationer.
  • Afhængigheder repræsenteres som afhængigheder.
  • Tilstand repræsenteres som tilstand.

Sprog er én måde, mennesker interagerer med denne struktur på.

LLM-first-systemer udleder en stor del af deres adfærd fra probabilistisk modelinferens. YiENTi's centrale ræsonnementskontekst er en eksplicit strukturel repræsentation af entiteter, relationer, processer, tilstand og afhængigheder.

Spørgsmålet er ikke kun, hvilke input et system accepterer. Det er, om dets operationelle sandhed findes som en probabilistisk genereret repræsentation – eller som eksplicit struktureret tilstand.

Struktureret intelligens vs. LLM-first-ræsonnement

Ræsonnementsgrundlag
LLM-first: Probabilistisk modelinferens
YiENTi: Eksplicit strukturel repræsentation
Kontekst
LLM-first: Ofte rekonstrueret dynamisk
YiENTi: Vedvarende, sammenhængende kontekst
Workflow
LLM-first: Kan eksistere som beskrivelse
YiENTi: Processer repræsenteret strukturelt
Tilstand og afhængigheder
LLM-first: Bæres typisk i prompts og kontekstvinduer
YiENTi: Repræsenteret eksplicit i grafen
Sprog
LLM-first: Fremragende generativt sprog
YiENTi: Bruger sprogmodeller, hvor generering er nyttig
Modellens rolle
LLM-first: Model/udbyder udgør en væsentlig intelligenskomponent
YiENTi: Modeluafhængigt generativt lag – udbydere kan udskiftes

Hvor sprogmodeller excellerer

  • Tekstgenerering
  • Opsummering
  • Oversættelse
  • Interaktion på naturligt sprog
  • Informationsudtræk
  • Idéudvikling
  • Dokumentassistance

Hvor struktur bør forblive eksplicit

  • Præcis procestilstand
  • Gentagelighed
  • Sporbarhed
  • Integritet i afhængigheder
  • Korrekt workflow
  • Konsistens i softwarearkitektur
  • Vedvarende struktureret hukommelse

Probabilistisk AI kan understøtte processen. Den behøver ikke definere processen.

Genereret sprog kan være usikkert. Eksplicit proces- og graftilstand behøver ikke at blive rekonstrueret ud fra genereret prosa. YiENTi er designet til at holde kritisk procestilstand, afhængigheder og operationel sandhed uden for probabilistisk sproggenerering – og dermed reducere afhængigheden af den, hvor strukturel nøjagtighed og gentagelighed er vigtig.

Modeluafhængigt sproglag

YiENTi kan bruge LLM'er. Den er ikke afhængig af dem for at vide, hvad systemet er.

Udskiftelige udbydere

  • OpenAI-modeller
  • Anthropic-modeller
  • Lokale modeller
  • Åbne modeller
  • Fremtidige udbydere

Sproglag

  • Tekstgenerering
  • Opsummering
  • Oversættelse
  • Interaktion på naturligt sprog
  • Indholdsassistance

YiENTi Intelligence-arkitektur

Graf, tilstand, processer, regler og afhængigheder – uafhængigt af den valgte modeludbyder.

Sprogmodeller er valgfrie, udskiftelige komponenter, der kan tilsluttes YiENTi, hvor generative evner er nyttige. De er komponenter i arkitekturen – ikke den centrale strukturelle ræsonnementsmodel.

Procesarv

Fra procesforståelse til maskinel ræsonnering.

YiENTi blev bygget omkring den idé, at komplekse systemer ikke kan forstås pålideligt, hvis deres relationer og processer kun findes som dokumenter eller beskrivelser.

Processer, aktiviteter, roller, hændelser og afhængigheder bør findes som eksplicitte, maskinforståelige strukturer.

  • Aktiviteter
  • Opgaver
  • Hændelser
  • Gateways
  • Konversationer
  • Koreografier
  • Samarbejde
  • Swimlanes
  • Data
  • Roller
  • Kompetencer
  • Ressourcer
  • Projekter
  • ProcesStrukturer
  • Måling
  • Informationsstrømme
ROLLESYSTEMjanejVurderKomplet?GodkendHent dataPost
En moderne abstraktion af YiENTi's procesfundament – lanes, hændelser, aktiviteter, gateways og data som eksplicit struktur. Illustrativ, ikke en produktgrænseflade.

Visuel og strukturel ræsonnering

YiENTi beskriver ikke blot en proces. Den repræsenterer processen.

Aktiviteter, afhængigheder, tilstande, aktører og informationsstrømme bliver eksplicitte dele af ræsonneringskonteksten. Visuelle og diagrammatiske strukturer kan repræsenteres eksplicit – og der kan ræsonneres over dem.

  • Aktivitetsdiagrammer
  • Procesdiagrammer
  • Samarbejdsdiagrammer
  • Systemarkitektur
  • Afhængighedsgrafer
  • Roller
  • Hændelser
  • Tilstandsovergange
  • Informationsstrøm

Softwareudvikling

Softwareudvikling uden at genopbygge kontekst fra prompts.

YiENTi vedligeholder strukturel kontekst om systemer, processer og afhængigheder, så tekniske beslutninger kan udledes som en del af en sammenhængende model.

Typisk LLM-assisteret udvikling

  1. Prompt
  2. Genereret output
  3. Gennemgang
  4. Ny prompt
  5. Genskabt kontekst

Konteksten genopbygges ved hver iteration.

YiENTi's engineeringmodel

  1. Krav
  2. Eksplicit struktureret model
  3. Systemer · processer · afhængigheder
  4. Ræsonnement
  5. Implementering
  6. Validering
  7. Opdateret strukturel tilstand

Konteksten bevares som struktur og udvikler sig sammen med systemet.

Modeldrevet softwareudvikling

Fra model til software.

YiENTi gætter ikke software ud fra prompts. Det bruger strukturerede systemrepræsentationer, forbinder flere visninger af det samme system og ræsonnerer på tværs af dem – og det kan understøtte eller udføre softwaregenerering ud fra disse modeller.

Bygget med YiENTi.
Ikke afhængig af YiENTi.

YiENTi kan designe og generere software ud fra strukturerede modeller. Den resulterende applikation kører uafhængigt af YiENTi.

YiENTi er en del af udviklingsprocessen – ikke en obligatorisk runtime-afhængighed.

Strukturerede modellerRæsonnementGenerering og valideringKører uafhængigt
  1. 01

    Krav

  2. 02

    EPICs / User Stories

  3. 03

    Use cases

  4. 04

    Aktivitets-/procesmodeller

  5. 05

    Samarbejds-/sekvensmodeller

  6. 06

    Klasse-/datamodeller

  7. 07

    Arkitektur / ræsonnement

  8. 08

    Genereret implementering

  9. 09

    Validering

  10. 10

    Selvstændig software

Konceptuel kæde. Læses fra venstre mod højre, række for række.

Modellag, som YiENTi ræsonnerer på tværs af

Ikke isolerede tegninger, men forbundne projektioner af én underliggende systemmodel.

  • EPICs
  • User Stories
  • Use cases
  • Aktivitetsdiagrammer
  • Samarbejdsdiagrammer
  • Sekvensdiagrammer
  • Klassediagrammer
  • Data-/entitetsmodeller
  • BPMN-/procesmodeller
  • Regler
  • Afhængigheder
  • Tilstande

YiENTi under udviklingen

  • Krav
  • Modeller
  • Ræsonnement
  • Arkitektur
  • Generering
  • Validering

Resulterende applikation

  • Frontend
  • Backend
  • Database
  • API'er
  • Forretningslogik
  • Integrationer

kører uafhængigt

En genereret applikation behøver ingen YiENTi-runtime, cloud, agent eller forbindelse i produktion – medmindre et bestemt produkt bevidst bruger sådanne tjenester. Software skabt med YiENTi er heller ikke automatisk en del af YiENTi Enterprise-platformen.

Diagrammer er ikke dokumentation bagefter

I YiENTi er modeller ikke blot billeder, der dokumenterer software, efter den er bygget. De repræsenterer den struktur, som software kan ræsonneres om, valideres og genereres ud fra.

Et softwaresystem kan beskrives gennem supplerende visninger – epics, user stories, use cases, aktivitets-, samarbejds-, sekvens- og klassediagrammer, entitets-/relationsmodeller, processer, tilstande, regler og afhængigheder. Det er ikke isolerede tegninger. De er projektioner af én underliggende systemmodel, og YiENTi er designet til at ræsonnere på tværs af dem, så en ændring i én visning kan analyseres i forhold til de andre.

Visuelt betyder ikke billedgenkendelse. En boks, node, kant, gateway eller relation er ikke blot en pixel. Den har en defineret betydning – og den betydning bliver en del af ræsonnementsmodellen.

YiENTi opbygger en forbundet repræsentation af systemet, så krav, processer, softwarestrukturer og data ikke behøver at eksistere som adskilte dokumenter.

Flere visninger, én systemmodel

  1. 01User story

    Hvad brugeren har brug for

    “Som kunde vil jeg lægge en vare i min kurv, så jeg kan bestille den senere.”

  2. 02Use case

    Hvad aktøren vil opnå

    KundeSøg vareLæg i kurvAfgiv ordre
  3. 03Aktivitet

    Hvordan processen forløber

    SøgVælg[på lager]Læg i kurvBekræft
  4. 04Samarbejde

    Hvilke komponenter der interagerer

    :Customer:Article:Cart:Order1.1 show()1.2 add()2 order()
  5. 05Sekvens

    I hvilken rækkefølge interaktionerne sker

    :Customer:Article:Cart:Ordersearchshowaddorder
  6. 06Klasse / data

    Hvilke objekter og relationer der findes

    Customerid · nameOrderid · dateCartitems · totalArticlesku · price1*11**
  7. 07Implementering

    Genereret ud fra strukturen

    // generated from the model
    class Cart {
      items: Article[]
      add(a: Article): void
      checkout(): Order
    }
  8. 08Applikation

    Kører selvstændigt

    Kurv (2)Frontend · Backend · Database · API'er

Ét system, mange projektioner. “Kurv” har den samme betydning i alle visninger. Illustrativt eksempel.

Kodegenerering er ikke LLM-kodegenerering

YiENTi behøver ikke at gætte applikationen ud fra en prompt. Det arbejder ud fra en eksplicit model af, hvad applikationen er.

LLM'er kan hjælpe med tekster, dokumentation, labels, fortolkning af naturligt sprog og kodeforslag, hvor det er nyttigt. Softwarearkitekturen afhænger ikke udelukkende af probabilistisk genereret kildekode.

Prompt-først-generering

YiENTi modeldrevet

  • PromptEksplicit struktureret model
  • AI skriver noget kodeEksplicitte systemrelationer og ræsonnement
  • Kontekst genopbygges for hver forespørgselRegelbaseret generering, hvor det er relevant
  • Kildekode som eneste sandhedModel som maskinlæsbar sandhedskilde

YiENTi ligner mere et intelligent udviklingsmiljø som en compiler til komplekse systemer end en AI-afhængighed indlejret i hver applikation.

Det viste flow er konceptuelt. Den præcise interne pipeline kan afvige, og ikke alle trin præsenteres som fuldt automatiserede. Sporbarhed, konsistenstjek, konsekvensanalyse og synkronisering på tværs af modeller beskriver retningen for den modeldrevne tilgang.

Model- og udviklerværktøjer

YiENTi bruger den rette intelligens til den rette opgave.

Generative modeller fremskynder opgaver, hvor probabilistisk generering er effektiv. YiENTi bevarer den strukturerede systemmodel, proceskonteksten og den målbare tilstand.

Uddelegeret til generative modeller

  • UI-iteration
  • Tekstgenerering
  • Formulering
  • Dokumentation
  • Hurtigt generativt arbejde
  • Udvalgt kodeassistance, hvor det er hensigtsmæssigt

Bevares af YiENTi

  • Struktureret systemmodel
  • Proceskontekst
  • Målbar tilstand
  • Generativ AI

    Ekstern · kan udskiftes

    • OpenAI
    • Anthropic
    • Perplexity
    • Gemini
    • Lovable
    • Zapier
    • Pickaxe
    • Grok
    • Jasper
    • Abacus.AI
    • Relevance AI
    • Notion AI
    • Og flere følger snart
    • Lokale / alternative modeller
  • Lokal infrastruktur / modelinfrastruktur

    Kørsel af modeller lokalt

    • Ollama
    • Lemonade
    • Andre kompatible lokale modelworkflows
  • Udviklerværktøjer

    Udviklingsmiljø

    • Visual Studio Code
    • OpenCode
Udbydere og værktøjer kan skifte. YiENTi's strukturelle model består.

Det er tilsluttede systemer med forskellige roller – de er ikke en del af YiENTi selv, og de tilbyder ikke alle de samme funktioner. Tredjepartsnavne er varemærker tilhørende deres respektive ejere; der er ikke tilsigtet eller antydet noget partnerskab eller nogen godkendelse.

Test og validering

Fra model til verificeret adfærd.

Genereret kode er ikke målet – korrekt adfærd er. Playwright kan bruges til at kontrollere, om den faktiske applikation opfører sig og vises som forventet, så der skabes en feedbackloop mellem model, implementering, den faktiske brugerflade og validering.

  1. 01

    YiENTi

    Model og struktureret ræsonnement

  2. 02

    Genereret / ændret applikation

    Implementering

  3. 03

    Playwright

    Inspicerer den kørende app

  4. 04

    Visuel + funktionel validering

    Vises og opfører sig som forventet?

  5. 05

    Feedback

    Tilbage til udviklingsiterationen

Feedback går tilbage til YiENTi og udviklingsiterationen, indtil den observerede adfærd svarer til modellen

Playwright er et test- og valideringsværktøj – ikke en del af AI-laget.

Automatiseret udrulning

Bygget med YiENTi. Ikke afhængig af YiENTi.

Arbejdsgange understøttet af YiENTi kan automatisk udrulle software til AWS, Microsoft Azure og Google Cloud. YiENTi er ikke en hostingudbyder, og den udrullede applikation kører ikke inde i YiENTi.

YiENTi er designet til at forblive infrastrukturuafhængig. Fremtidige udrulningsmuligheder er tiltænkt at omfatte privat og kundekontrolleret infrastruktur ud over offentlige cloudplatforme.

YiENTi-udviklingsmiljø

Her modelleres, genereres, valideres og udgives software.

  1. Strukturerede modeller

    BPMN, use cases, klasser, data

  2. YiENTi

    Strukturel model og ræsonnement

  3. Implementering / generering

    Kildekode oprettet eller ændret

  4. Playwright-validering

    Visuelle og funktionelle kontroller af den kørende app

  5. Udrulningspipeline

    Automatiseret build og release

Miljøgrænse · overdragelse af den udrulningsklare applikation

Applikationens runtime-miljø

Her kører den færdige applikation.

  • AWS
  • Microsoft Azure
  • Google Cloud
  • Privat infrastrukturFremtidig

Selvstændig applikation

Kører uden YiENTi som runtime-afhængighed

Vist kun på udbyderniveau. Privat og kundekontrolleret infrastruktur er en fremtidig retning, ikke en produktionsklar mulighed i dag.

Produktbevis

Ikke en labdemo. Rigtig software.

Hele den nuværende ACCENTSYS-applikationsportefølje er bygget med YiENTi-understøttet udvikling, hvor YiENTi selv fungerer som udviklingsplatform.

Beviset er hele den nuværende ACCENTSYS-portefølje – ikke et udvalgt udsnit. YiENTi-understøttet udvikling er den måde, ACCENTSYS bygger software på, på tværs af alle de domæner, selskabet arbejder i.

YiENTiudviklingskerne

7 proprietære ACCENTSYS-applikationer og 1 kundeudviklingsprojekt, alle udviklet med YiENTi-understøttet udvikling

Proprietære ACCENTSYS-applikationer

Kundeudviklingsprojekt

Udviklet af ACCENTSYS AG for dets kunde med YiENTi-understøttet udvikling. Kundeprojekter er eksterne udviklingsreferencer og indgår ikke i ACCENTSYS AG's portefølje af proprietære SaaS-produkter.

Denne liste er hentet direkte fra ACCENTSYS' produktregister, inklusive dets klassificering af proprietære applikationer og kundeprojekter, så nye poster automatisk vises her. LOXY Time gennemgås i detaljer nedenfor, fordi dets udviklingsindsats er målt.

Udforsk porteføljen

Bygget med YiENTi. Ikke afhængig af YiENTi.

YiENTi understøtter, hvordan disse produkter udvikles – ekspertstyret, ikke autonom generering af hver eneste kodelinje. Selve produkterne kører uafhængigt og kræver ikke YiENTi i runtime.

Engineering-reference fra kundeprojekt · LOXY Time

Engineering understøttet af YiENTi, vist gennem reel enterprise-software.

LOXY Time er et enterprise-engineeringprojekt fra den virkelige verden, der viser softwareudvikling understøttet af YiENTi på tværs af komplekse operationelle workflows, regulatoriske krav, databehandling og systemintegration.

LOXY Time er en platform til transport og overholdelse af regulatoriske krav, udviklet af ACCENTSYS AG for Loxy International AG. Den fungerer som en reel engineering-reference, der viser mulighederne i softwareudvikling understøttet af YiENTi. LOXY Time er ikke en del af ACCENTSYS AG's portefølje af egne SaaS-produkter.

Implementeret i LOXY Time

  • Behandling af DDD-filer fra digitale færdselsskrivere · Gen1, Gen2 V1, Gen2 V2
  • Fører- og køretøjsdata
  • Regulatoriske kontroller og overholdelse af krav
  • Workflows og rapporter
  • Integrationer og masseforarbejdning af data
  • Automatiseret kvalitetssikring og regressionstest

Intern anvendelse er ikke det samme som kommerciel tilgængelighed. Den selvstændige YiENTi-platform er fortsat under udvikling.

YiENTi compute-strategi

YiENTi kører, hvor computekraften er.

YiENTi er ikke bundet til en bestemt cloud- eller GPU-udbyder. Det kan køre overalt, hvor der er tilstrækkelig CPU, GPU, hukommelse og understøttende computeressourcer. Mindre arbejdsbelastninger kan køre lokalt, mens komplekst strukturelt ræsonnement kan kræve betydelig ekstern eller dedikeret computekapacitet.

Mere tilgængelig computekraft øger ikke kun hastigheden. Den gør det muligt for YiENTi at arbejde på tværs af større sammenhængende proces-, graf- og systemkontekster samtidigt.

YiENTi-arbejdsbelastning

Computekrav

  • CPU
  • GPU
  • Hukommelse
  • Lager / I/O

Leveres af en vilkårlig af

  • Lokalt

    • Avanceret arbejdsstation
    • Lokal server
  • Ekstern compute

    • Alibaba Cloud
    • AWS
    • Microsoft Azure
    • Google Cloud
    • Andre egnede udbydere
  • Privat / dedikeret

    • Privat infrastruktur
    • Dedikeret compute
Computekilder er udskiftelige. De leverer kapacitet – de er ikke en del af YiENTi.

Lokal kørsel

Mindre YiENTi-arbejdsbelastninger kan køre lokalt. Mere komplekse arbejdsbelastninger kan forbruge de tilgængelige CPU-, GPU- og hukommelsesressourcer selv på avancerede engineeringsystemer.

Ekstern compute i dag

ACCENTSYS lejer i øjeblikket ekstern compute hos udbydere, herunder Alibaba Cloud og AWS-infrastruktur i USA. Cloud-leverandører stiller kapacitet til rådighed. De er ikke arkitektoniske afhængigheder.

  1. Nuværende

    I dag · Fleksibel compute

    • Lejet ekstern compute
    • Alibaba Cloud
    • AWS
    • Andre egnede udbydere
    • Lokal kørsel af mindre arbejdsbelastninger

    YiENTi kører, hvor den nødvendige CPU, GPU, hukommelse og understøttende ressourcer er tilgængelige.

  2. Retning for skalering

    Skalering · Dedikeret compute

    • Reserveret / dedikeret kapacitet
    • Private computemiljøer
    • Dedikerede servere eller klynger
    • Arbejdsbelastningsspecifik infrastruktur
    • Større kontrol over ydeevne og omkostninger

    Endnu ikke implementeret. Retningen i takt med, at YiENTi-arbejdsbelastninger vokser.

  3. Langsigtet vision

    Lang sigt · ACCENTSYS' computeinfrastruktur

    • ACCENTSYS-kontrolleret compute
    • Dedikeret højtydende infrastruktur
    • Potentiel egen datacenterinfrastruktur

    ACCENTSYS driver ikke sit eget datacenter i dag.

Microsoft Azure og Google Cloud er yderligere mulige computekilder – ikke senere faser. De tre kort beskriver infrastrukturstrategien; udbyderne er udskiftelige kilder til kapacitet inden for den.

Udbyderuafhængig

YiENTi er ikke grundlæggende afhængig af Alibaba Cloud, AWS, Microsoft Azure eller Google Cloud.

Computeafhængig

Den praktiske begrænsning er tilstrækkelig computekraft til arbejdsbelastningen: CPU, GPU, systemhukommelse, VRAM, lager / I/O, netværksgennemstrømning og parallel computekapacitet.

Kommerciel strategi · Vision

Langsigtet dedikeret YiENTi-infrastruktur er tænkt som en følge af den kommercielle skalering af ACCENTSYS' produktportefølje, med Merclino som en kommercialiseringsprioritet på kort sigt. Vellykket kommercialisering af porteføljen skal være med til at finansiere stadig mere dedikeret YiENTi-computekapacitet. Merclino er en kommerciel prioritet, ikke et teknisk særtilfælde: alle nuværende ACCENTSYS-produkter er bygget med YiENTi-understøttet engineering.

Computebegrænsning

I nuværende interne arbejdsbelastninger kan YiENTis strukturelle ræsonnement kræve cirka en størrelsesorden mere computekraft end konventionelle LLM-first-arbejdsgange.

YiENTi ræsonnerer over grafstrukturer, processer, tilstande, afhængigheder, målinger, flere modelvisninger og relationerne mellem dem – sammen med historik og valideringsresultater. YiENTi bytter computeeffektivitet for en rigere strukturel kontekst.

Baseret på interne ACCENTSYS-arbejdsbelastninger; ikke en uafhængig benchmark.

Hvorfor mere computekraft betyder noget

Yderligere computekraft gør mere end at reducere behandlingstiden. Den gør det muligt for YiENTi at ræsonnere på tværs af større sammenhængende kontekster på samme tid:

  • Processer
  • Grafrelationer
  • Afhængigheder
  • Tilstand
  • Historik
  • Måling
  • Softwaremodeller
  • Flere modelvisninger
  • Valideringskontekst

Mindre struktur

  • Lavere computekraft
  • Probabilistisk rekonstruktion af kontekst

Rig strukturel model

  • Højere computekraft
  • Eksplicit tilstand, processer, relationer og målbar kontekst
YiENTi bruger betydelig computekraft, fordi det bevarer og ræsonnerer over mere af problemets struktur.ACCENTSYS bruger denne arkitektur, fordi strukturel konsistens og præcision er vigtige i softwareudvikling.

Oprindelse

YiENTi har udviklet sig siden 2010.

YiENTis oprindelse går tilbage til 2010, hvor projektet begyndte som Logical Board hos Grandes Planos S.A. Teknologien udviklede sig senere til YiENTi og kombinerer struktureret virksomhedsinformation med et stadig mere avanceret intelligenslag.

  1. 2010

    Logical Board

    Oprindelse hos Grandes Planos S.A.

    Projektet begynder som Logical Board hos Grandes Planos S.A. med fokus på struktureret virksomhedsinformation, processer, opgaver og relationer.

  2. 2016

    YiENTi

    Første præsentation af YiENTi hos Swisscom AG

    YiENTi – Intelligent Enterprise Information. Den præsenterede arkitektur omfattede allerede:

    • Virksomhedsinformation
    • YiENTi AI
    • Strukturerede processer
    • Måling
    • Graf- og procesbaseret intelligens
  3. I dag

    YiENTi Enterprise + YiENTi Intelligence

    Videreførelse og teknisk udvikling af arkitekturen fra 2016

    Understøtter allerede egentlig softwareudvikling hos ACCENTSYS ved hjælp af:

    • Eksplicitte systemmodeller
    • Strukturerede processer
    • Grafbaseret ræsonnement
    • Måling
    • Modeldrevet udvikling (model-driven engineering)
    • Generering og validering
  4. Næste

    Real Intelligence / AGI

    Udviklingsretning

    Videreudvikling mod stadig mere generel intelligens baseret på struktureret ræsonnement, målbar virkelighed og eksplicitte systemmodeller.

    Vision / forskningsretning

    Længerevarende forskningsretning

    Generel og potentielt overmenneskelig maskinintelligens.

“Næste” beskriver en udviklingsretning, ikke en opnået evne. YiENTi gør ikke krav på AGI eller superintelligens.

Fra kunstig intelligens mod real intelligence

ACCENTSYS bruger begrebet Real Intelligence om en retning ud over probabilistisk sproggenerering: intelligens, der kan ræsonnere over eksplicitte processer, relationer, tilstand, målinger og konsekvenser.

Real Intelligence er ACCENTSYS' egen virksomhedsterminologi og ikke et etableret videnskabeligt begreb.

Allerede i arkitekturen fra 2016

Adskillelsen mellem virksomhedsinformation og maskinintelligens var allerede en del af den YiENTi-arkitektur, der blev præsenteret i 2016.

Processer forbundet med målbart output, en graf over virksomhedsinformation og et AI-lag, der ræsonnerer over den. YiENTis arkitektur blev ikke skabt som en reaktion på de store sprogmodellers seneste fremgang.

Hvorfor nu

Arkitekturen gik forud for nutidens AI-infrastruktur.

Den grundlæggende retning fandtes allerede i 2016. Det, der har ændret sig, er den tilgængelige regnekraft til at udføre den i meningsfuld skala. Nutidens væsentligt større regnekapacitet gør en stadig mere kompleks udførelse af arkitekturen mulig. Den nuværende implementering er ikke identisk med implementeringen fra 2016; den er en væsentlig teknisk videreudvikling af den.

Større regnekraft gør det muligt for YiENTi at arbejde på tværs af større sammenhængende proces-, graf- og softwarekontekster samtidigt.

Den arkitektoniske forskel

En LLM kan fortolke et diagram. YiENTi kan gøre strukturen til en del af modellen.

Processer, gateways, aktiviteter, klasser, sekvenser, relationer og afhængigheder kan forblive eksplicitte objekter i ræsonnementskonteksten.

Billedfortolkning

Multimodale sprogmodeller kan fortolke tekst, billeder og diagrammer. Strukturen udledes af prompten.

Et billede af en proces, fortolket på forespørgsel.

Strukturel repræsentation

I YiENTi kan processer, relationer, tilstande og afhængigheder eksistere som eksplicitte, maskinlæsbare strukturer og ikke blot som information, der udledes af prompts.

  • Aktivitet
  • Hændelse
  • Gateway
  • Aktør
  • Sekvens
  • Klasse
  • Relation
  • Tilstand
  • Afhængighed
  • Dataentitet
  • Procesforløb

YiENTi ser ikke blot på et diagram. Den struktur, som diagrammet repræsenterer, kan blive en del af systemmodellen.

Flere modelvisninger

Forskellige diagrammer bliver til forskellige visninger af én sammenhængende systemmodel.

  • Krav
  • User stories
  • Use cases
  • Aktivitetsdiagrammer
  • BPMN
  • Samarbejde
  • Sekvens
  • Klassemodeller
  • Datamodeller
  • Systemafhængigheder

Softwareudvikling

Ikke kun genereret kode. En model af systemet bag den.

YiENTi anlægger en grundlæggende anden tilgang til softwareudvikling end LLM-first-systemer. I stedet for gentagne gange at stole på genereret sprog til at rekonstruere systemkonteksten vedligeholder YiENTi eksplicitte strukturelle repræsentationer af systemet.

LLM-first-cyklus

  1. Prompt
  2. Genereret kode
  3. Gennemgang
  4. Ny prompt
  5. Rekonstrueret kontekst
  6. ↺

Systemkonteksten rekonstrueres ud fra sprog i hver cyklus.

YiENTi-cyklus

  1. Strukturerede krav
  2. Eksplicit proces- / systemmodel
  3. Afhængigheder
  4. Ræsonnement
  5. Implementering
  6. Validering
  7. Målt resultat
  8. Opdateret model
  9. ↺

Systemmodellen består og opdateres med hvert målt resultat.

Produktbevis

  • Arbeitsmarktvollzug
  • Castovia
  • Kicaly
  • Merclino
  • SchoolApp
  • STV Portal
  • xcess

Kundeudviklingsprojekt

  • LOXY Time · Loxy International AG

Hele ACCENTSYS' nuværende applikationsportefølje er udviklet med YiENTi-understøttet engineering, hvor YiENTi selv fungerer som engineeringplatform. LOXY Time, et kundeprojekt udviklet af ACCENTSYS AG for Loxy International AG, er et virkeligt enterprise-engineeringprojekt, der demonstrerer YiENTi-understøttet softwareudvikling på tværs af komplekse operationelle arbejdsgange, lovgivningsmæssige krav, databehandling og systemintegration.

Arkitektur

To teknologier, én sammenhængende arkitektur.

Virksomhedsinformation bliver til en struktureret operationel graf. YiENTi Intelligence ræsonnerer over den, og resultaterne flyder tilbage til virksomhedens tilstand eller ud til tilsluttede systemer. Det samme intelligenslag fungerer også uden for YiENTi Enterprise.

Diagram C · Integration

Samspil

YiENTi Enterprise

Enterprise Information Platform

Struktureret operationel graf

Hvad der findes · hvem der er involveret · hvad der afhænger af hvad

YiENTi Intelligence

Graph-Native Intelligence Engine

Ræsonnement · Beslutning · Orkestrering

Enterprise-platform

Opdateret virksomhedstilstand

Eksterne systemer

Tilsluttede grænseflader

Den opdaterede tilstand bliver den næste ræsonnementskontekst.

Ud over YiENTi Enterprise

YiENTi Intelligence

Genanvendeligt intelligenslag

ACCENTSYS softwareudvikling

Kerneteknologi i intern brug

Andre ACCENTSYS-produkter

Udviklingsretning

Fremtidige eksterne systemer

Udviklingsretning

Andre use cases for struktureret ræsonnement

Udviklingsretning

Aktuel udvikling

Åbenhed om, hvor YiENTi står.

YiENTi-platformen

Under udvikling

Den selvstændige YiENTi-platform er under udvikling og er endnu ikke kommercielt tilgængelig.

YiENTi Intelligence · kerneteknologi

I intern brug hos ACCENTSYS

YiENTi understøtter allerede ACCENTSYS' engineering, mens den selvstændige platform fortsat udvikles.

Human-in-the-loop · nuværende modenhed

YiENTi er ekspertstyret i dag.

Det nuværende system giver en betydelig engineering-løftestang, når det betjenes af personer, der forstår processer og systemstruktur. Dets styrke kommer af kombinationen af strukturerede modeller, procesforståelse og maskinassisteret ræsonnement.

Viden, der i dag mangedobler YiENTi

  • BPMN
  • Procesmodellering
  • Systemarkitektur
  • Softwareudvikling
  • Forretningsworkflows
  • Fortolkning af strukturerede modeller

YiENTi er endnu ikke et færdigt massemarkedsprodukt, som alle kan bruge uden domæneviden.

Retning · ikke et dateret løfte

  1. I dag

    Ekspertstyret strukturel engineering

  2. Næste

    Mere automatiseret modellering, ræsonnement, test og levering

  3. Lang sigt

    Stadig mere autonom systemudvikling

YiENTi-filosofien

Fra kunstig intelligens mod real intelligence.

Intelligens er mere end at producere plausibelt sprog. Den kræver forståelse af relationer, kontekst, processer, konsekvenser og af, hvordan information ændrer sig over tid. YiENTi er ACCENTSYS' tilgang til dette problem.

“Real intelligence” beskriver filosofien bag YiENTi og ACCENTSYS – det er ikke en etableret videnskabelig kategori.

Strategisk vækst

Skalering af den næste fase.

YiENTi bruges allerede til at bygge reel software. Den næste fase handler om at skalere produktificering, beregningskapacitet og kommercialisering. YiENTi er en del af ACCENTSYS' bredere teknologiportefølje.

De begrænsende faktorer er kapital, skalering og beregningskapacitet – ikke om YiENTi virker.

ACCENTSYS

Udviklet af ACCENTSYS AG, Schweiz.

YiENTi har to roller hos ACCENTSYS: et teknologilag, der understøtter softwareudviklingen hos ACCENTSYS, og en fremtidig selvstændig platform.

Interesseret i den bredere platformstrategi bag YiENTi? Udforsk ACCENTSYS, virksomhedens teknologiportefølje og den aktuelle strategiske vækstrunde.

Til partnerskaber, tekniske drøftelser, strategisk samarbejde og investering.