Agentic Data Cloud ożywia System of Action
Sposób, w jaki Google zarządza warstwą danych, ulega całkowitej zmianie. Twoje środowisko danych przestaje być tylko gigantycznym cyfrowym schowkiem, w którym informacje leżą bezczynnie — staje się aktywnym silnikiem.
Google określa to mianem „System of Action” (System Działania). Oznacza to, że infrastruktura została zbudowana specjalnie dla agentów AI, aby mogły one na bieżąco odczytywać, aktualizować i operować na Twoich informacjach w czasie rzeczywistym.
Tak, to już czwarta część naszej specjalnej serii wpisów na blogu. Witamy ponownie!
Ta pionowa integracja AI-native pozwala firmom skalować się od analiz prowadzonych przez ludzi do realizacji zadań przez agentów, bez typowych kosztów rozproszonego stosu technicznego czy problemu halucynacji.
Dla biznesu oznacza to mniej czasu spędzonego na przenoszeniu i przygotowywaniu danych, mniej rozproszonych systemów, niższe koszty operacyjne i znacznie szybsze podejmowanie decyzji w całych zespołach i chmurach.”
Żegnaj Dataplex, witaj Knowledge Catalog
Sercem nowej konfiguracji jest Knowledge Catalog, który oficjalnie zastępuje usługę Dataplex. Agreguje on dane z różnych źródeł, w tym z platform zewnętrznych, takich jak SAP, ServiceNow czy Palantir, i precyzyjnie definiuje ich kontekst biznesowy.
Dedykowany LookML Agent automatycznie zarządza definicjami technicznymi, a potężny system wyszukiwania hybrydowego dba o to, byś znalazł dokładnie to, czego potrzebujesz, bez naruszania istniejących reguł bezpieczeństwa.
Dodatkowo funkcja Smart Storage aktywuje się w momencie, gdy nieustrukturyzowany plik — np. PDF czy obraz — trafi do Cloud Storage. System błyskawicznie go etykietuje i porządkuje, dzięki czemu Twój zespół nie musi robić tego ręcznie.
Koniec problemów z pracą między chmurami
Google znacząco ułatwia także pracę w środowiskach wielochmurowych. Dzięki standaryzacji Apache Iceberg REST Catalog Twoi agenci AI mogą teraz wysyłać zapytania do informacji znajdujących się w AWS, Azure, Databricks czy Snowflake bez konieczności ich fizycznego przenoszenia.
Oznacza to brak uciążliwych transferów i zerowe opłaty za eksport danych (egress fees). Co więcej, Spanner Omni może teraz pracować w wielu środowiskach jednocześnie, a AlloyDB łączy się bezpośrednio z Twoim lakehouse’em bez skomplikowanych potoków danych.
Nowi członkowie zespołu
Dla programistów i inżynierów danych przygotowano Data Agent Kit, który wprowadza gotowych do pracy asystentów AI bezpośrednio do codziennych narzędzi, takich jak VS Code czy Gemini CLI. Otrzymujesz wyspecjalizowanych agentów do konkretnych zadań:
- Data Engineering Agent — do zarządzania zmianami w potokach danych.
- Data Science Agent — do obsługi cyklu życia modeli w Sparku.
- Database Observability Agent — do monitorowania infrastruktury backendowej 24/7.
Potężny wzrost prędkości i niższe koszty
Aby zapewnić płynne działanie nowych agentów, Google podniosło wydajność we wszystkich kluczowych obszarach. Nowy Lightning Engine dla Apache Spark przetwarza dane do 4,5 raza szybciej. Managed Lustre osiąga zawrotną prędkość 10 TB na sekundę, a Bigtable wprowadziło nową warstwę in-memory z niemal zerowymi opóźnieniami.
Co najważniejsze, BigQuery wzbogaciło się o funkcję płynnego skalowania, która utrzymuje stabilną wydajność, jednocześnie obniżając koszty o około 34%.
Oznacza to brak opłat za przesył danych (egress fees) i koniec ze złożonymi potokami danych tylko po to, by systemy mogły się ze sobą porozumieć. W końcu idziemy w stronę modelu, w którym dane zostają tam, gdzie są, a mimo to pozostają w pełni użyteczne.”
Chcesz wynieść swoje dane na poziom agentowy?
Dane nie mogą już po prostu leżeć w statycznym magazynie. Jeśli chcesz wdrożyć autonomicznych agentów i czerpać z nich realną wartość, Twoja infrastruktura musi stać się „żywym silnikiem”, który stale napędza AI.
Jako globalny Google Cloud Premier Partner, Cloudfresh pomaga Ci:
- Modernizować architektury danych na potrzeby ery agentowej AI.
- Przeprowadzić migrację z Dataplex do nowego Knowledge Catalog.
- Łączyć środowiska danych AWS, Azure, Snowflake i on-prem z BigQuery.
- Optymalizować środowiska BigQuery i Spark pod kątem wydajności i kosztów.
- Budować fundamenty danych gotowe na analitykę, automatyzację i autonomicznych agentów.
Ciekawi Cię, czy Twoje dane są gotowe na erę agentic-first? Zostaw swoje dane w formularzu poniżej, aby umówić się na krótką rozmowę i ocenić stan swoich fundamentów.
