Agentic Data Cloud: Реализация концепции Системы Действия
Google полностью трансформирует подход к управлению базовым уровнем данных. Вместо того чтобы служить гигантским цифровым хранилищем, где информация находится в статичном состоянии, ваша среда данных становится активным драйвером бизнес-процессов.
Google определяет это как «System of Action» — или Систему Действия, специально созданную для того, чтобы ИИ-агенты могли непрерывно считывать, обновлять и обрабатывать вашу информацию в режиме реального времени.
Это четвертая часть нашей серии блогов. Добро пожаловать!
Эта AI-native вертикальная интеграция позволяет компаниям масштабироваться от анализа под руководством человека к исполнению под управлением агентов без лишних затрат на фрагментированные стеки и без галлюцинаций AI.
Для бизнеса это означает меньше времени на перемещение и подготовку данных, меньше разрозненных систем, снижение операционных расходов и гораздо более быстрое принятие решений во всех командах и облаках.»
Прощай, Dataplex: Встречайте Knowledge Catalog
Центральным элементом новой архитектуры стал Knowledge Catalog, который официально заменяет Dataplex. Он агрегирует информацию из различных источников, включая внешние платформы, такие как SAP, ServiceNow и Palantir, и интерпретирует их бизнес-контекст.
Специализированный LookML Agent автоматически управляет техническими дефинициями, а масштабируемая система гибридного поиска гарантирует точное нахождение необходимых данных без нарушения существующих политик комплаенса и безопасности.
Кроме того, функция Smart Storage активируется в момент попадания неструктурированного файла (например, PDF или изображения) в Cloud Storage. Система мгновенно тегирует и организует контент, полностью избавляя вашу команду от ручного ввода данных.
Устранение сложностей кросс-облачного взаимодействия
Google также значительно упрощает работу в мультиоблачных средах. Благодаря стандартизации Apache Iceberg REST Catalog ваши ИИ-агенты теперь могут выполнять запросы к информации, хранящейся в AWS, Azure, Databricks или Snowflake, не перемещая ее физически.
Это означает отсутствие сложных трансферов и нулевые затраты на экстракцию данных. Более того, Spanner Omni теперь функционирует в различных средах, а AlloyDB подключается напрямую к вашему lakehouse без использования сложных пайплайнов для миграции информации.
Новые участники команды
Для разработчиков и дата-инженеров Data Agent Kit внедряет готовых ИИ-ассистентов непосредственно в рабочие пространства, такие как VS Code и Gemini CLI. Вы получаете специализированных агентов для решения конкретных задач:
- Data Engineering Agent — для управления изменениями в пайплайнах.
- Data Science Agent — для администрирования жизненного цикла моделей в Spark.
- Database Observability Agent — для круглосуточного мониторинга вашей бэкенд-инфраструктуры.
Масштабное увеличение скорости и оптимизация затрат
Чтобы обеспечить бесперебойную работу всех новых агентов, Google существенно повысил общую производительность. Новый Lightning Engine для Apache Spark обрабатывает данные до 4,5 раз быстрее. Managed Lustre достигает внушительной скорости в 10 ТБ/с, а в Bigtable представлен новый in-memory уровень с практически нулевой задержкой.
Главное преимущество заключается в том, что BigQuery получил новую функцию адаптивного масштабирования, которая поддерживает стабильную производительность, снижая при этом ваши расходы примерно на 34%.
Это означает отсутствие платы за исходящий трафик и отказ от сложных пайплайнов данных только ради того, чтобы системы могли “говорить” друг с другом. Мы наконец переходим к модели, где данные остаются на месте, но при этом полностью доступны для использования.»
Готовы перевести данные на агентный уровень?
Данные больше не должны просто храниться в статичных архивах. Если вы стремитесь к переходу на автономные агент-модели и получению реальной выгоды, ваша инфраструктура должна стать «живым» двигателем, постоянно питающим ИИ.
Как глобальный Google Cloud Premier Partner, Cloudfresh помогают вам:
- Модернизировать архитектуры данных для эпохи Agentic AI.
- Мигрировать с Dataplex на новый Knowledge Catalog.
- Интегрировать данные из AWS, Azure, Snowflake и on-prem сред с помощью BigQuery.
- Оптимизировать BigQuery и Spark для повышения производительности и снижения затрат.
- Создавать фундаменты данных, готовые к аналитике, автоматизации и внедрению автономных агентов.
Хотите узнать, готовы ли ваши данные к эре Agentic-first? Оставьте свои данные в форме ниже, чтобы запланировать звонок и оценить текущее состояние вашего фундамента.
