Az AI-alapú rendszerek készen állnak. A saját adatok?

Mi az egyik legnagyobb akadály, amely megakadályozza az szervezeteket az AI kezdeményezéseik 확장ában? Ez nem a ma modeljeinek képességei – hanem a üzleti kontextushoz és szemantikus értékhez való hozzáférés. Az agentikus korban a vállalatoknak nem csak az adatok tárolását, hanem az adatok bevetését megbízható kontextussal, a passzív rekordrendszerekből az aktív rendszerekbe való átállást kell elérni. De az AI agenták nemlineáris sebességgel működnek. Például egyetlen kérés is beindíthatja az agentát, hogy függetlenül keresse, kérdezze és végrehajtsa a több rendszeren is. Ez megterheli az alapvető infrastruktúrát. Ha a számítási, hálózati és tárolási réteket nem optimalizálják az agentikus AI-hoz, akkor az az adatközpont, amely rajtuk épül, összeomlik. Nem csoda, hogy a State of infrastructure jelentésünk alapján 83% a szervezetek azt gondolja, hogy az agentikus AI rendszerek támogatására infrastruktúra frissítést igényelnek. Ez a problémát megoldani, a Google Cloud Next 2026-on a Agentic Data Cloud-ot bevezetjük, amely egységesíti az adatokat, az AI modelokat és az operatív adatbázisokat egyetlen Akciórendszerbe. Ahhoz, hogy egy Agentic Data Cloud működjön, azokat az eszközökből a modelokig, az infrastruktúra is AI-központúnak kell lennie. Az alapvető infrastruktúra képesnek kell lennie az agentikus terhelésre. A Google Agentic Data Cloud-ja Nézzük meg, hogyan segíti az megfelelő infrastruktúra egy Agentic Data Cloud-ot a legnagyobb adatkihívások megoldásában, amelyekkel az szervezetek ma szembesülnek. A Kontextus hiányának leküzdése Ahhoz, hogy az agentikus rendszerek hatékonyak legyenek, a rendszereknek hozzáférést kell biztosítani a kontextushoz, amely gyakran fragmentált adatrendszerekben és régebbi architektúrákban található. Ez megnehezítheti az agenták számára, hogy hozzáférjenek ehhez a kontextushoz, ami hiányos és pontatlan eredményeket eredményez. Valójában a jelentésünk azt mutatja, hogy 43% a vezetői a “Legacy API-khoz és adatforrásokhoz való integráció nehézségét” említik, mint a legnagyobb agentikus AI infrastruktúra hiányt. De a szervezetek nem egyszerűen csak nagy adatokat kell, hogy mozgasztassák és a célhoz kell, hogy kapcsolják, hanem az összetettséget és a költségeket is növelni kell. A Agentic Data Cloud-unk ezt a problémát a nyitott, rugalmas infrastruktúrára épülő, határozatlan adat tenger segítségével oldja meg. A BigQuery és Spanner, valamint az Apache Spark és Apache Iceberg, mint az erőforrások segítségével az agenták képesek, olvasni, érvényesíteni és bevetni az adatokat a különböző környezetekben, ahogy helyi, figyelembe véve a tradícionális beállítások sebességét és költségeit. A manuális munkát minimalizálás A független rendszerekre épített agenták a terhelés és a komplexitás okozhatnak. A kutatásunkat, 81% a vezetői az operatív komplexitást és a mérnöki feladatokat emeli ki a legjelentősebb előre nem tervezett költségekként, amikor az AI-t skálaznak, emlékezve arra, hogy az mérnökök mennyi időt töltenek manuális munkával a különböző rendszerekben az agenták bevetéséhez. Ahhoz, hogy az agenták átváljanak, képeseknek kell lenni a valós idejű adatokat a különböző elemzési és operatív forrásokon keresztül. Ehhez szükséges a függő integráció. Amikor egy Agentic Data Cloud egy AI-központú infrastruktúrára épül, ahol a modelok, az adatközpontok és az alacsony szintű gyorsítók együtt vannak tervezve, kevesebb hálózati lépés és a szerszámok is jobban integrálják. Ez az egységes rendszer lehetővé teszi, hogy egy agenta érjen egy által, és vezesse azokat a biztonságos tranzakciókat, anélkül, hogy a hagyományos mérnöki overhead-et kellene figyelembe vennie. Bizalom és tudás a datában Fontos, hogy az agenták csak felfedezhetnek és kérdezhessenek az adatokról. Ahhoz, hogy az agenták biztonságosan és pontosan végezzenek tevékenységet, az agentáknak van szükségük a kontextusra és az üzleti logikára. Azonban 36% a vezetői a speciális, nagy sebességű vektort adatbázisok hiányát, amelyek az AI modelok alátámasztására, mint az egyik fontos infrastrukturális hiányt, ami megnehezíti, hogy az agentákat a megfelelő kontextussal megadják. Ahhoz, hogy az agenták teljes potenciáljukat realizálják, az agentákat egy olyan alátámasztó alakkal kell, hogy rendelkezzen, amely képes az adatrendszerekre való olvasásra és írásra, beleértve a régebbi ERP-k és a harmadik felek CRM-jeit. Ez lehetővé teszi, hogy az agenták emlékezzék a felhasználó preferenciáit, például a három heti múltban, ahogy egy bonyolult feladatot végrehajtanak. Ahhoz, hogy az agenták teljes potenciáljukat megvalósítsák, az agenták képeseknek kell lenni, hogy az adatokat egyáltalán nem, de csak a kért időpontban, és a szükséges kontextusban. A szervezetok a Knowledge Catalog-ot használják a daták összegyűjtésére és gazdagítására a datatengerben, valamint az agentikus keresések lehetővé teszik. A katalogus az átalakító, strukturálatlan adatokból, és automatikusan generálja a szemantikát. A katalogus a teljesítményt biztosítja a megfelelő adatgyűjtéshez. A következő lépések A szervezetok, hogy valóban versenyelőnyt generáljanak, az AI-t, az kell, hogy egy összekapcsolt, aktív adat ökoszisztémát építsanak. Ahhoz, hogy az agenták, hogy az összes adat hozzáférése lehetséges legyen, ahhoz, hogy a pilótus fázist a termelésbe tudják váltani, az szükséges, hogy egy olyan infrastruktúra legyen, amely képes az agentikus korszak követelményeinek való megfeleléshez. A 2026-os és a későbbiekben a győztesek azok lesznek, akik képesek a megfelelő tudást a megfelelő agentákhoz eljuttatni – biztonságosan, költséghatékonyan és a mértékben. Van-e a datádat az agentikus korszakra felkészítve? Nézd meg, hogyan alkalmazzák az vezetői az AI-optimalizált architektúrát a State of infrastructure in the agentic AI era report.