Confluent unisce l’elaborazione Batch e Stream per un’AI agentica e Analytics più veloci e intelligenti

Confluent unisce l'elaborazione Batch e Stream per un’AI agentica e Analytics più veloci e intelligenti

Le snapshot queries su Confluent Cloud for Apache Flink combinano l’elaborazione in batch e in stream per consentire alle app e agli agenti di intelligenza artificiale di agire su dati passati e presenti

Confluent, pioniere nel data streaming, ha annunciato nuove funzionalità di Confluent Cloud che rendono più semplice l’elaborazione e la protezione dei dati per ottenere insight e capacità di prendere decisioni più rapidi. Le snapshot queries, una novità di Confluent Cloud for Apache Flink, uniscono l’elaborazione di dati storici e in tempo reale per rendere più intelligenti gli agenti di intelligenza artificiale (AI) e gli analytics. Confluent Cloud network (CCN) routing semplifica il networking privato per Apache Flink e IP Filtering aggiunge controlli di accesso per le pipeline Flink accessibili pubblicamente, proteggendo i dati per l’intelligenza artificiale e gli analytics.

“L’agentic AI sta passando dall’hype all’adozione da parte delle aziende che cercano di ottenere un vantaggio competitivo nello scenario di mercato attuale”, ha dichiarato Shaun Clowes, Chief Product Officer di Confluent. “Tuttavia, senza dati di alta qualità, anche i sistemi più avanzati non possono fornire un valore reale. Le nuove funzionalità di Confluent Cloud for Apache Flink rendono possibile la fusione di dati in tempo reale e in batch, in modo che le aziende possano fidarsi della loro agentic AI per guidare un cambiamento reale”.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

Colmare il divario tra tempo reale e batch

“L’ascesa dell’orchestrazione dell’agentic AI è destinata ad accelerare e le aziende devono iniziare a prepararsi fin d’ora”, ha dichiarato Stewart Bond, Vice President of Data Intelligence and Integration Software di IDC. “Per sbloccare il pieno potenziale dell’intelligenza artificiale, le aziende devono cercare soluzioni che uniscano tipi di dati diversi, tra cui informazioni strutturate, non strutturate, in tempo reale e storiche, in un unico ambiente. Ciò consente all’AI di ricavare insight più ricchi e di ottenere risultati più incisivi”.

Leggi anche:  Snowflake rende l’AI di OpenAI più accessibile e sicura per le aziende grazie all'espansione della partnership con Microsoft

L’agentic AI sta determinando un cambiamento diffuso nelle operation aziendali, aumentando l’efficienza e accelerando il processo decisionale grazie all’analisi dei dati per scoprire tendenze e insight preziosi. Tuttavia, per prendere le decisioni giuste, gli “agenti di AI” hanno bisogno di un contesto storico di ciò che è accaduto in passato e di una visione di ciò che sta accadendo in questo momento. Ad esempio, per rilevare le frodi, le banche devono poter contare su dati in tempo reale per reagire immediatamente, ma anche su dati storici per verificare se una transazione rientra nei comportamenti abituali del cliente. Allo stesso modo, gli ospedali hanno bisogno di monitorare in tempo reale i parametri vitali dei pazienti, ma anche di accedere alla loro storia clinica per prendere decisioni sicure e informate. Tuttavia, per sfruttare al meglio sia i dati passati che quelli presenti, i team si trovano spesso costretti a usare strumenti diversi e a sviluppare soluzioni manuali, con conseguenti perdite di tempo e interruzioni nei flussi di lavoro. Inoltre, è fondamentale proteggere i dati utilizzati per analytics e AI agentica; questo garantisce risultati affidabili e permette di tutelare le informazioni sensibili.

  • Le snapshot queries unificano l’elaborazione su un’unica piattaforma

Le snapshot queries in Confluent Cloud consentono ai team di unificare i dati storici e in streaming con un unico prodotto e linguaggio, consentendo esperienze coerenti e intelligenti sia per l’analisi che per l’agentic AI. Grazie alla perfetta integrazione con Tableflow, i team possono facilmente ottenere un contesto dai dati passati. Le snapshot queries consentono ai team di esplorare, testare e analizzare i dati senza dover avviare nuovi carichi di lavoro. In questo modo è più facile fornire agli agenti un contesto dai dati storici e in tempo reale, o condurre un audit per comprendere tendenze e modelli chiave. Le snapshot queries sono ora disponibili in early access.

  • Il CCN Routing semplifica la rete privata per Flink
Leggi anche:  Fabbrica digitale. IoT e AI guidano la nuova era dell'automazione

La rete privata è importante per le organizzazioni che richiedono un ulteriore livello di sicurezza. Confluent offre una soluzione di rete privata semplificata riutilizzando le CCN esistenti che i team hanno già creato per i cluster Apache Kafka. I team possono utilizzare il CCN per collegare in modo sicuro i propri dati a qualsiasi carico di lavoro Flink, come pipeline di streaming, agenti AI o analytics. CCN routing è ora generalmente disponibile su Amazon Web Services (AWS) in tutte le regioni in cui Flink è supportato.

  • IP Filtering protegge i carichi di lavoro Flink in ambienti ibridi

Molte organizzazioni che operano in ambienti ibridi hanno bisogno di un maggiore controllo su quali dati possono essere accessibili pubblicamente. IP Filtering per Flink aiuta i team a limitare il traffico Internet agli IP consentiti e a migliorare la visibilità dei tentativi di accesso non autorizzati, rendendo più semplice la tracciabilità dei tentativi. IP Filtering è disponibile per tutti gli utenti di Confluent Cloud.