Anna

Anna è un livello di esecuzione governato per analisi potenziate dall'AI di Geo Orchestration AI. Affronta un problema descritto dal fornitore nei sistemi AI guidati da modelli: quando lo stesso modello linguistico interpreta una richiesta, decide cosa fare, attiva strumenti e spiega il risultato, l'incertezza nel linguaggio diventa incertezza nell'esecuzione.

Anna separa il lavoro in tre ruoli. I modelli linguistici interpretano una domanda in linguaggio naturale, selezionano tra dataset registrati, metriche, entità e flussi di lavoro, e spiegano il risultato completato. Il codice deterministico esegue l'accesso ai dati, le join, le aggregazioni, le operazioni geospaziali (sovrapposizioni, aggregazioni amministrative, analisi basate sulla posizione), le chiamate di pipeline e la generazione dell'output. La provenienza è catturata durante l'esecuzione, così un utente può vedere i dati utilizzati, i filtri applicati e i passaggi del flusso di lavoro seguiti. Gli output includono mappe, grafici, tabelle, dashboard, file scaricabili e riepiloghi narrativi.

Il fornitore definisce Anna agnostica rispetto al dominio per architettura, con un focus iniziale su salute, intelligence geospaziale e intelligence sui dati sociali. Esempi pubblicati includono il rischio sanitario da siccità per CAP in Texas e la distanza media a una clinica per la salute delle donne per CAP in Pennsylvania. Gli sviluppatori possono integrare i propri modelli, pipeline di dati e flussi di lavoro tramite integrazione basata su API. I dati registrati possono includere strati derivati da satelliti: il fornitore elenca il suo Poseidon Plastic Tracking System tra le soluzioni alimentate da Anna, e Poseidon mappa la plastica costiera da immagini satellitari multispettrali (Sentinel-2 nel suo pilota artico 2023). I piloti annunciati includono WaldoAir (immagini aeree combinate con dati sul rischio sanitario per la risposta ai disastri, 2024) e Skymantics (dati di popolazione sintetica DataGenesis, 2026). Nell'agosto 2026 il fornitore ha riportato una riduzione di 100x nell'uso di token del modello linguistico rispetto agli approcci agentici, cifra descritta come "testata tramite Perplexity".