Teknologi Data Streaming untuk Mempercepat Pengembangan AI Real-Time
loading...
Inisiatif baru ini akan memperluas kemitraan dan kapabilitas solusi Confluent untuk membantu perusahaan membangun inovasi AI real-time dengan aliran data. FOTO/ CNET
A
A
A
JAKARTA - Confluent pionir dalam data streaming mengumumkan Data Streaming untuk kercerdesan buatan. Pengembangan AI secara real time menuntut lebih dari sekadar algoritma yang cepat, dibutuhkan data yang dapat dipercaya dan relevan.
BACA JUGA - Saingi TikTok, Google Beli Startup Avatar AI
Demi membantu perusahaan membuka potensi penuh AI dengan data kontekstual terbaru dari seluruh bisnis mereka, Confluent memperluas kemitraan dengan perusahaan-perusahaan terkemuka di bidang AI dan vector database, termasuk MongoDB, Pinecone, Rockset, Weaviate dan Zilliz.
Perusahaan-perusahaan ini juga mendemonstrasikan inovasi produk yang menggabungkan kemajuan terbaru dalam AI ke dalam platformnya, dengan kemampuan seperti asisten AI generatif yang dapat membantu menghasilkan kode dan menjawab pertanyaan seputar kegunaan dari data streaming.
"Data streaming adalah teknologi dasar untuk masa depan AI. Aliran data yang diperkaya dan dapat dipercaya adalah kunci untuk membangun aplikasi AI generasi mendatang yang akurat dan memiliki kaya akan konteks real-time dan dibutuhkan oleh pengguna modern,” kata Jay Kreps, CEO and Co-Founder, Confluent
“Kami ingin mempermudah setiap perusahaan untuk membangun aplikasi AI yang kuat dan memanfaatkan ekosistem mitra kami yang luas serta keahlian kami dalam hal data streaming,” ujarnya.
Meskipun kecanggihan AI sudah terdengar selama beberapa tahun ini, belakangan hal tersebut mulai digemari lagi berkat terobosan di seluruh reusable large language models (LLM), model pembelajaran mesin yang lebih mudah diakses dan kemampuan GPU yang lebih kuat.
Dampaknya, mendorong berbagai organisasi untuk mempercepat investasi AI mereka. Namun, tantangan mendasar dalam AI modern adalah kurangnya akses ke data real-time yang relevan yang dibutuhkan aplikasi AI secara tepat waktu, aman, dan dapat diskalakan.
Selama satu dekade terakhir, AI sangat bergantung pada data historis, diintegrasikan dengan pipeline point-to-point berbasis batch yang lambat yang membuat data menjadi basi dan tidak akurat pada saat data tiba.
Hal tersebut tidak lagi memadai untuk penggunaan AI real-time yang sedang dijalankan oleh bisnis saat ini, seperti deteksi penipuan prediktif, asisten perjalanan AI generatif, atau rekomendasi yang dipersonalisasi. Masalah yang lebih parah lagi adalah masalah tata kelola data dan skalabilitas yang buruk.
BACA JUGA - Saingi TikTok, Google Beli Startup Avatar AI
Demi membantu perusahaan membuka potensi penuh AI dengan data kontekstual terbaru dari seluruh bisnis mereka, Confluent memperluas kemitraan dengan perusahaan-perusahaan terkemuka di bidang AI dan vector database, termasuk MongoDB, Pinecone, Rockset, Weaviate dan Zilliz.
Perusahaan-perusahaan ini juga mendemonstrasikan inovasi produk yang menggabungkan kemajuan terbaru dalam AI ke dalam platformnya, dengan kemampuan seperti asisten AI generatif yang dapat membantu menghasilkan kode dan menjawab pertanyaan seputar kegunaan dari data streaming.
"Data streaming adalah teknologi dasar untuk masa depan AI. Aliran data yang diperkaya dan dapat dipercaya adalah kunci untuk membangun aplikasi AI generasi mendatang yang akurat dan memiliki kaya akan konteks real-time dan dibutuhkan oleh pengguna modern,” kata Jay Kreps, CEO and Co-Founder, Confluent
“Kami ingin mempermudah setiap perusahaan untuk membangun aplikasi AI yang kuat dan memanfaatkan ekosistem mitra kami yang luas serta keahlian kami dalam hal data streaming,” ujarnya.
Meskipun kecanggihan AI sudah terdengar selama beberapa tahun ini, belakangan hal tersebut mulai digemari lagi berkat terobosan di seluruh reusable large language models (LLM), model pembelajaran mesin yang lebih mudah diakses dan kemampuan GPU yang lebih kuat.
Dampaknya, mendorong berbagai organisasi untuk mempercepat investasi AI mereka. Namun, tantangan mendasar dalam AI modern adalah kurangnya akses ke data real-time yang relevan yang dibutuhkan aplikasi AI secara tepat waktu, aman, dan dapat diskalakan.
Selama satu dekade terakhir, AI sangat bergantung pada data historis, diintegrasikan dengan pipeline point-to-point berbasis batch yang lambat yang membuat data menjadi basi dan tidak akurat pada saat data tiba.
Hal tersebut tidak lagi memadai untuk penggunaan AI real-time yang sedang dijalankan oleh bisnis saat ini, seperti deteksi penipuan prediktif, asisten perjalanan AI generatif, atau rekomendasi yang dipersonalisasi. Masalah yang lebih parah lagi adalah masalah tata kelola data dan skalabilitas yang buruk.
Lihat Juga :
