"בדרך ל-AI, ארגונים חייבים נתונים בזמן אמת – עם הקשר"

"ארגונים החלו להטמיע פרויקטי בינה מלאכותית. יש להם נתונים, אבל לעתים קרובות הם מיושנים, מקוטעים או נעולים בפורמטים שה-AI לא יכולה להשתמש בהם. כדי לקבל שיפור לא רק לגבי העבר, אלא גם עם הבנת ההווה, נדרשת ארכיטקטורה שמאחדת את שניהם, מעבדת נתונים באופן רציף ומספקת הקשר מדויק ואמין, לטובת קבלת החלטות מושכלות ואמינות. הבינה המלאכותית טובה בדיוק, ורק, כמו ההקשר שלה", אמר ג'יי קראפס, מייסד ומנכ"ל קונפלואנט.

קראפס התראיין לעיתונות הטכנולוגית בעקבות הכנס השנתי שערכה החברה באחרונה בניו אורלינס. הוא אמר כי "עלינו לעבור לשלב הבא וליישר קו עם האופן שבו כל סוגי הבינה המלאכותית פועלים – חזויה, יוצרת וסוכנית (Predictive, GenAI ו-Agentic). כל יישומי ה-AI זקוקים כעת להזנות נתונים בזמן אמת, כדי לפעול על גבי דאטה עם קונטקסט. צריך שתהיה זרימת נתונים בכל מקום, בכל הענפים העסקיים, עם יכולת לעשות בהם שימוש חוזר. ארגונים צריכים לחבר את הבינה המלאכותית לנכסי התוכנה שהם מנהלים".

"לפני עשור היינו ממוקדים בהכנסת הדאטה לאגם הנתונים, ואז מטפלים בדיווח ובניתוח", הסביר. "אלא שזה כמו שתרצו לחצות רחוב מסוכן ומה שיש לכם הוא תמונה של היכן היו המכוניות אתמול. זה לא מסייע באמת".

קראפס ציין כי "כל ארגון צריך להיות מונע על ידי נתונים באמת". הוא אמר ש-"מערכות AI הן עולם אחר לגמרי. קל לשאול את מנועי ה-AI כמה שאלות פשוטות, אבל הרבה יותר קשה לבנות באמצעותם מוצרים ושירותים פונקציונליים באמת".

ההקשר של הנתונים הוא המלך

"במערכות התוכנה המסורתיות", אמר מנכ"ל קונפלואנט, "הלוגיקה העסקית היא המלך. במערכות AI, ההקשר של הנתונים שבהם נעשה שימוש – הוא המלך. זה קורה כי אף על פי שיש מעט חברות, יחסית, שמספקות תשתית לבניית בינה מלאכותית – אנת'רופיק, גוגל, OpenAI ואחרות, הרי שנתוני ההקשר שארגונים משתמשים בהם כדי להזין את המנועים הללו מפוזרים במקומות רבים ברחבי העסק ולאורך נקודות החיבור שלו – למכונות, לממשקי API, ליישומים אחרים ולמשתמשים אחרים".

"צריך לרתום את המידע הנכון כדי לעקוף בעיות. בניית מערך נתונים חדש, מבוססת הנדסת הקשר, מבוצעת על ידי שילוב לכידת נתונים, עיבודם ושאילתות לאורך כל הדרך שהם עוברים", הוסיף.

קראפס ציטט מחקר של MIT, שלפיו ארגונים משקיעים השנה 30-40 מיליארד דולר בבינה מלאכותית יוצרת, אולם 95% מהיוזמות לא מניבות תשואה כלל. "האתגר הגדול ביותר שלהם הוא ההקשר – הבנה מלאה של האירועים, ההקשרים והמשמעות שמודלים קיימים צריכים כדי להפיק מהם תובנות ביעילות", ציין. "כדי להשיג זאת נדרשת תשתית שיכולה להזרים ולעבד נתונים באופן רציף, על מנת להעריך את מה שקרה בעבר, להתאים למה שקורה ברגע זה ולהזרים את המידע הזה ליישומי בינה מלאכותית ללא עיכוב. רק כך ניתן להתקדם מצ'טבוט פשוט לסוכני בינה מלאכותית עם איכויות ביצוע".

"המסלול המהיר ביותר לפיתוח והפעלת AI הקשרית בזמן אמת"

לדברי קראפס, "השקנו את Confluent Intelligence – מערכת שתאפשר למערכות AI להבין טוב יותר את הקונטקסט של הנתונים. מדובר בפלטפורמה אחודה לפיתוח והפעלת בינה מלאכותית קונטקסטואלית (הקשרית), שניתן להרחיב את היקפה בצורה חלקה – משלב הפיילוט ועד לביצוע בפועל. זהו המסלול המהיר ביותר לפיתוח והפעלת AI הקשרית בזמן אמת. המערכת מספקת את כל מה שנדרש לארגונים שמעוניינים להשיק ולהרחיב מערכות בינה מלאכותית מונחות אירועים. המערכת המנוהלת באופן מלא, מזרימה ומעבדת באופן רציף נתונים היסטוריים ומידע בזמן אמת, ומעבירה את הקונטקסט ישירות ליישומי בינה מלאכותית, לביצוע משימות עבודה באופן אמין, מאובטח ועם יכולת להרחבה".

"אנחנו מציעים פתרון מאוחד, שמחבר נתונים בזמן אמת ונתונים אנליטיים עם בקרה ארגונית", סיכם. "אנחנו עונים לאתגר של החיכוך בין ההזרמה, של הנתונים לבין הניתוח שלהם – שמאט אותם. כך, ארגונים מקבלים נתונים באיכות גבוהה, שמוכנים לניתוח ול-AI, מהרגע שהם נוצרים. כעת, קל יותר לבנות יישומי AI וניתוח בזמן אמת שמניעים עסקים".