Agentlæsbar virksomhedsviden uden en ny platform

AF: Mikkel Frimer-Rasmussen

ARTICLE

Nøglebegreber & Terminologi

Parallelt videnslag: En maskinvenlig repræsentation, der eksisterer ved siden af den menneskelige hjemmeside uden at erstatte den.
Deterministisk retrieval: En gennemskuelig søgning, hvor regler og match kan forklares uden at tilskrive en sprogmodel intelligens.
Kildeproveniens: En tydelig forbindelse fra en kort agentlæsbar beskrivelse til den oprindelige offentlige webside.

Virksomheders hjemmesider er skrevet til mennesker.

Det er naturligt. Forsiden skal skabe tillid, vise prioriteringer og hjælpe en besøgende videre. Men når en AI-agent skal forstå virksomheden, opstår et andet behov: Agenten skal kunne finde en præcis service, skelne den fra en metode, følge relationen til en case og pege tilbage på en troværdig kilde.

Det kræver ikke nødvendigvis en ny platform.

Et parallelt videnslag

På frimer-rasmussen.dk har jeg bygget et lille, offentligt videnslag i Markdown. Hver fil beskriver ét koncept: en virksomhed, en person, en service, en metode, en case eller en artikel.

Filerne har YAML-metadata med blandt andet type, titel, beskrivelse, målgruppe, forretningsværdi og kilde-URL. De linker til hinanden, så en agent kan bevæge sig fra et problem til en service og videre til dokumenteret erfaring.

Det er inspireret af idéen om et Open Knowledge Format, men jeg kalder det bevidst ikke en certificeret standard. Feltet udvikler sig hurtigt, og transparens er mere værdifuld end et stort kompatibilitetsstempel.

Hvorfor ikke bare bruge hjemmesidens HTML?

God semantisk HTML og JSON-LD er stadig fundamentet. Det nye lag erstatter dem ikke.

Markdown-filerne løser en anden opgave:

De isolerer ét begreb ad gangen.
De gør metadata eksplicitte.
De kan citeres uden navigation, annoncer eller visuel støj.
De er lette at versionere og validere.
De kan genbruges som input til fremtidige discovery- og søgeløsninger.

Demoen viser retrieval — ikke magi

I Agent Labs OKF Explorer kan man stille enkle spørgsmål til videnslaget.

Demoen bruger ikke en sprogmodel. Den laver en deterministisk rangering af titel, tags, beskrivelse, forretningsværdi og indhold. For hvert resultat viser den, hvilke felter der gav et match.

Det er en vigtig pointe.

Når informationsarkitekturen er god, behøver man ikke skjule alle mekanismer bag en intelligent sort boks. En model kan senere forbedre forståelsen af komplekse spørgsmål, men den bør arbejde oven på tydelige kilder og relationer.

Hvad betyder det for en virksomhed?

Et agentlæsbar videnslag kan gøre det lettere for søge- og assistantsystemer at:

forstå hvad virksomheden faktisk sælger,
skelne ydelser fra artikler og cases,
finde den rigtige kontaktvej,
citere en konkret offentlig kilde,
undgå at opfinde capabilities, som virksomheden ikke tilbyder.

Det er ikke et løfte om placering i alle AI-svar. Det er informationshygiejne til en webvirkelighed, hvor både mennesker og agenter læser med.

Næste skridt

Læs den offentlige OKF-inspirerede vidensoversigt, prøv demonstrationen, eller se hvordan arbejdet indgår i et Agent Readiness Audit.