Что это такое

Upsolve Data Models — часть платформы Upsolve для AI-аналитики. Идея простая: вместо того чтобы каждый раз объяснять агенту, что такое выручка, активный пользователь или нужная таблица, команда заводит общий слой описаний. В него попадают таблицы, поля, первичные и внешние ключи, словарь бизнеса, канонические определения метрик и правила вывода ответа.

Главная проблема, которую решает продукт, — не сама генерация запроса к хранилищу, а доверие к смыслу ответа. Если в компании живут десять определений выручки, AI-агент может выбрать не то, выдать число, которое выглядит правдоподобно, и ошибка всплывёт только на встрече с руководством. Upsolve пытается закрыть этот риск через версионируемый контекст.

Как работает

Сценарий состоит из трёх шагов. Сначала команда подключает таблицы и поля, добавляя описания, типы и связи. Затем фиксирует деловой словарь: определения метрик, подходы к анализу и формат ответа. После этого Upsolve поддерживает значения в актуальном состоянии: выбранные колонки можно предварительно кэшировать, обновляя их ночью или по расписанию.

Важная деталь: продукт не требует отдельного семантического слоя на старте. Его можно поставить поверх существующего хранилища и постепенно добавлять определения там, где агент ошибается или пользователи спорят о смысле метрик. Для зрелых команд это похоже на мост между документацией, каталогом данных и рабочим AI-аналитиком.

Цены

У Upsolve есть бесплатный пробный режим с 2 000 разовых кредитов. Платный тариф Pro стоит 500 долларов в месяц и включает 2 000 кредитов в месяц; Team стоит 2 000 долларов в месяц и включает 10 000 кредитов. Перерасход на этих тарифах указан как 0,05 доллара за кредит. Корпоративный тариф рассчитывается индивидуально и может включать развёртывание в своей инфраструктуре, единый вход и работу со своими моделями.

Кредиты списываются за взаимодействия с агентом: простой уточняющий ответ стоит меньше, глубокий многошаговый анализ — больше. Поэтому реальная цена зависит не только от числа сотрудников, но и от сложности аналитических запросов.

Сильные стороны

  • Upsolve бьёт в болезненную точку корпоративной аналитики: агент может быть технически быстрым, но бесполезным, если не понимает внутренние определения.
  • Версии и черновики делают изменения безопаснее: контекст можно обновлять и откатывать, а не хранить в разрозненных подсказках.
  • Предварительное обновление значений помогает агенту не гадать по устаревшему списку статусов, категорий или условий оплаты.
  • Модель подходит командам, которые уже хотят запускать AI-аналитиков в рабочие процессы, а не просто показывать демонстрацию в чате.

Слабые стороны

  • Ценность сильно зависит от дисциплины самой компании: если никто не готов описывать метрики и спорные термины, слой контекста быстро устареет.
  • Цена начинается на уровне серьёзного инструмента для команд, а не дешёвого помощника для одного аналитика.
  • Продукт конкурирует не только с другими AI-платформами, но и с уже внедрёнными каталогами данных, BI-системами и семантическими слоями.
  • Чем сложнее права доступа и структура данных, тем важнее проверять результат на собственных сценариях, а не верить общей странице продукта.

Альтернативы

Ближайшие альтернативы — семантический слой dbt, Cube, каталоги данных вроде Atlan или Select Star, а также связка внутренней документации, BI-инструмента и собственных правил для агента. Разница в том, что Upsolve упаковывает это именно вокруг AI-аналитиков: контекст, права, наблюдаемость и цикл улучшения должны работать вместе.

Вердикт

Upsolve Data Models стоит смотреть командам данных, которые уже дают сотрудникам AI-доступ к метрикам и боятся тихих смысловых ошибок. Это не волшебная кнопка для чистой аналитики: без владельцев метрик и регулярного ухода слой контекста станет ещё одной документацией. Но если компания готова поддерживать определения как часть инженерного процесса, продукт закрывает один из самых неприятных провалов AI-аналитиков — уверенный ответ на неправильно понятый вопрос.