Sygnał za 11 miliardów dolarów: dlaczego dane w czasie rzeczywistym są układem nerwowym agentywnej AI

Przejęcie Confluent przez IBM za 11 miliardów dolarów jest najwyraźniejszym dotąd sygnałem, że agentowa sztuczna inteligencja będzie zależna od możliwości wykorzystujących dane w czasie rzeczywistym. 

Oprócz IBM, inni giganci branży, tacy jak Google i Salesforce, również to zauważyli, dokonując w ostatnich latach znaczących przejęć mających na celu lepsze połączenie danych i systemów przedsiębiorstw.  

Kierunek jest jasny.  Teraz kluczowe pytania dotyczące efektywnego projektowania architektury przedsiębiorstwa brzmią: jak planować i budować, aby spełnić obietnice agentowej sztucznej inteligencji.  Moim zdaniem przedsiębiorstwa zmierzają w kierunku wieloagentowej orkiestracji na dużą skalę, a dane w czasie rzeczywistym będą niezbędne do generowania rzeczywistej wartości. 

Agenci AI bez kontekstu w czasie rzeczywistym działają w przeszłości 

Agentowa sztuczna inteligencja obiecuje autonomiczne systemy, które mogą reagować i rozumować w czasie rzeczywistym. Ale w środowiskach produkcyjnych ta obietnica szybko się załamuje, jeśli system reaguje zbyt późno lub brakuje mu kontekstu czasu rzeczywistego. 

Rozważmy globalną firmę świadczącą usługi finansowe, gdzie tysiące stale zmieniających się danych rynkowych musi być rozważonych i na nie należy zareagować w momencie ich wystąpienia. W tego typu środowisku procesy sterowane przez AI nie mogą sobie pozwolić na okresowe odpytywanie systemów źródłowych w poszukiwaniu zmian. Opóźnienie rzędu minut to nie niedogodność, to ryzyko. System musi reagować na to, co właśnie się zmieniło, teraz, a nie za kilka minut. 

To właśnie tutaj inne platformy agentowej sztucznej inteligencji zawodzą. Ich architektury żądanie-odpowiedź zostały zaprojektowane dla wolniejszego świata, w którym aplikacje mogły działać w trybie wsadowym, okresowo odpytując systemy źródłowe w poszukiwaniu zmian, jednocześnie zużywając zasoby obliczeniowe i LLM.  

Responsywne systemy agentowe działają inaczej. Muszą reagować na zmiany zachodzące w całym przedsiębiorstwie – składane zamówienia, aktualizacje świadczenia usług, działania sprzedażowe klientów – w czasie rzeczywistym, a nie minuty czy godziny po ich wystąpieniu.  

Agent AI, który musi odpytywać bazę danych, aby zrozumieć aktualny stan, nie działa w czasie rzeczywistym; działa z perspektywy czasu. Reagowanie w czasie rzeczywistym na zdarzenia biznesowe daje agentom prawdziwą świadomość sytuacyjną. Zapewnia im responsywność i aktualny kontekst potrzebny do zdecydowanego działania, koordynacji z innymi agentami i niezawodnego funkcjonowania. 

Przejście do orkiestracji AI zasilanej zdarzeniami 

Aby to wspierać na skalę przedsiębiorstwa, podstawowa architektura musi przejść od statycznej integracji danych do dynamicznej orkiestracji wyspecjalizowanych agentów działających w czasie rzeczywistym. Większe problemy powinny być dzielone na mniejsze zadania i przekazywane odpowiednim agentom AI o właściwych umiejętnościach, w czasie rzeczywistym. Asynchroniczna komunikacja między agentami, aplikacjami przedsiębiorstwa i źródłami danych, oraz nieprzeładowywanie LLM nadmiernym kontekstem wywołującym halucynacje, to jedyny sposób na osiągnięcie skalowalności, niezawodności i dokładności wymaganych przez wydajne przedsiębiorstwa. 

Rynek szybko dojrzewa, aby wspierać ten ruch. Widzimy, jak główni dostawcy usług chmurowych uznają tę konieczność, tworząc dedykowane przestrzenie dla tych technologii. Na przykład AWS Marketplace niedawno wprowadził nową kategorię AI Agents and Tools służącą jako scentralizowany katalog dla tych rozwiązań. 

To dojrzewanie ekosystemu jest kluczowe. Upraszcza proces odkrywania i pozyskiwania, pozwalając przedsiębiorstwom skupić się na innowacjach zamiast na negocjacjach z dostawcami. Rozwiązania takie jak nasza nowo uruchomiona Solace Agent Mesh, teraz dostępna w tej nowej kategorii AWS, są przykładami tego, jak branża stara się wypełnić tę lukę, zapewniając ramy potrzebne do zarządzania i orkiestracji agentów bez przebudowywania całego stosu. 

Werdykt 

Transakcja IBM–Confluent potwierdza to, co wielu architektów przedsiębiorstw już rozumie: dane w czasie rzeczywistym nie są już opcjonalne. To niezbywalne fundamenty dla AI na skalę przedsiębiorstwa. 

Efektywne systemy agentowe nie mogą rozumować, planować ani działać w oderwaniu od obecnej chwili. Muszą reagować w czasie rzeczywistym, gdy zdarzenia biznesowe mają miejsce. Bez responsywności w czasie rzeczywistym AI jest ograniczona do perspektywy czasu.  

 „Era Agentowa" już nadeszła. I będzie definiowana nie tylko przez modele, ale przez inteligencję tych modeli stosowaną w czasie rzeczywistym.