La promessa dell’IA rimane immensa, ma c’è una cosa che potrebbe frenarla. “L’infrastruttura che oggi alimenta l’IA non sarà in grado di sostenere le richieste di domani”, si legge in un recente articolo di CIO.com. “I CIO devono ripensare a come scalare in modo più intelligente, non solo più grande, o rischiano di rimanere indietro”
CrateDB è d’accordo e l’azienda di database punta a risolvere il problema diventando un “livello di dati unificato per l’analisi, la ricerca e l’intelligenza artificiale”
“La sfida è che la maggior parte dei sistemi IT si basa, o è stata costruita, su pipeline batch o asincrone, e ora è necessario ridurre il tempo tra la produzione e il consumo dei dati”, spiega Stephane Castellani, SVP marketing. “CrateDB è un’ottima soluzione perché è davvero in grado di fornire approfondimenti sui dati giusti, con un grande volume e una grande complessità di formati, in una manciata di millisecondi”
In un post sul blog si legge che CrateDB agisce come “tessuto connettivo tra i dati operativi e i sistemi di intelligenza artificiale” in quattro fasi: dall’ingestione, all’aggregazione e all’analisi in tempo reale, alla trasmissione dei dati alle pipeline di intelligenza artificiale, fino all’attivazione di cicli di feedback tra modelli e dati. La velocità e la varietà dei dati sono fondamentali; Castellani sottolinea la riduzione dei tempi di interrogazione da minuti a millisecondi. Nel settore manifatturiero, la telemetria può essere raccolta dalle macchine in tempo reale, consentendo un maggiore apprendimento per i modelli di manutenzione predittiva.
C’è un altro vantaggio, come spiega Castellani. “Alcuni utilizzano CrateDB anche in fabbrica per l’assistenza alla conoscenza”, spiega Castellani. “Se qualcosa va storto, se compare un messaggio di errore specifico sulla tua macchina e dici: ‘Non sono un esperto di questa macchina, cosa significa e come posso risolverlo?’, [puoi] chiedere a un assistente di conoscenza, che si basa anch’esso su CrateDB come database vettoriale, di accedere alle informazioni e di estrarre il manuale giusto e le istruzioni giuste per reagire in tempo reale”
L’intelligenza artificiale, tuttavia, non rimane ferma a lungo: ” non sappiamo come sarà tra qualche mese o addirittura tra qualche settimana”, osserva Castellani. Le organizzazioni stanno cercando di passare a flussi di lavoro di AI completamente agici e con una maggiore autonomia, ma secondo una recente ricerca di PYMENTS Intelligence, il settore manifatturiero – come parte del più ampio settore dei beni e dei servizi – è in ritardo. CrateDB ha stretto una partnership con Tech Mahindra su questo fronte per contribuire a fornire soluzioni di intelligenza artificiale agentica per i settori automobilistico, manifatturiero e delle fabbriche intelligenti.
Castellani ha notato l’entusiasmo per il Model Context Protocol (MCP), che standardizza il modo in cui le applicazioni forniscono il contesto ai modelli linguistici di grandi dimensioni (LLM). Lo paragona alla tendenza delle API aziendali di 12 anni fa. L ‘MCP Server di CrateDB, che è ancora in fase sperimentale, funge da ponte tra gli strumenti di intelligenza artificiale e il database di analisi. “Quando parliamo di MCP è più o meno lo stesso approccio [delle API] ma per gli LLM”, spiega.
Tech Mahindra è solo una delle partnership chiave per il futuro di CrateDB. “Continuiamo a concentrarci sulle nostre basi”, aggiunge Castellani. “Prestazioni, scalabilità… investendo nella nostra capacità di ingerire dati da un numero sempre maggiore di fonti e riducendo sempre al minimo la latenza, sia dal lato dell’ingestione che da quello delle query”
Stephane Castellani interverrà all’AI & Big Data Expo Europe sul tema ” Bringing AI to Real-Time Data – Text2SQL, RAG, and TAG with CrateDB” e all’IoT Tech Expo Europe sul tema ” Smarter IoT Operations: Real-Time Wind Farm Analytics and AI-Driven Diagnostics. Puoi guardare l’intervista completa a Stephane qui sotto:
