AI Bisa Salah Ambil Keputusan Gegara Data Kedaluwarsa

Jakarta –

Kecerdasan buatan (Kecerdasan Buatan/AI) yang digunakan perusahaan Untuk Memutuskan keputusan secara otomatis berisiko menghasilkan keputusan keliru jika mengandalkan data yang sudah kedaluwarsa atau saling bertentangan. Persoalan ini menjadi tantangan Terbaru seiring meningkatnya penggunaan AI agentik Di operasional Usaha.

Perusahaan Ilmu Pengetahuan Confluent menilai infrastruktur data yang Di ini digunakan perusahaan belum sepenuhnya mampu memenuhi kebutuhan AI yang harus bekerja berdasarkan Kemakmuran Usaha terkini. Untuk mengatasi persoalan tersebut, Confluent Memperkenalkan arsitektur data Terbaru bernama Streamhouse.

Arsitektur ini dirancang Untuk Menyita, memproses, mengelola, hingga menyajikan data Usaha secara berkelanjutan dan real-time. Karenanya, agen AI, Inisiatif, maupun sistem analitik dapat mengakses informasi yang lebih mutakhir Sebelumnya Memutuskan keputusan atau menjalankan tindakan.

Senior Vice President sekaligus General Manager APAC Confluent, Greg Taylor, mengatakan perusahaan membutuhkan landasan data yang terus diperbarui agar AI dapat Memutuskan keputusan berdasarkan gambaran Kemakmuran Usaha yang akurat.

“Seorang agen hanya dapat Memutuskan keputusan yang bermanfaat jika ia dapat melihat gambaran yang akurat Hingga seluruh organisasi Pada bertindak. Streamhouse Memberi Regu landasan yang terus diperbarui dan terkelola Untuk konteks tersebut, Agar Inisiatif dan agen dapat bekerja berdasarkan gambaran terkini yang sama,” kata Greg.

Confluent Memberi ilustrasi penerapan Ilmu Pengetahuan ini Melewati operasional maskapai penerbangan. Di sistem konvensional, informasi mengenai lokasi pesawat, jadwal keberangkatan, dan ketersediaan Bangku biasanya dikelola Dari sistem yang berbeda.

Ketika terjadi perubahan jadwal penerbangan, pembaruan informasi Hingga masing-masing sistem belum tentu berlangsung bersamaan. Sebab, agen AI yang membantu pemesanan tiket bisa saja menawarkan Wacana perjalanan berdasarkan informasi yang tampak benar Hingga satu sistem, tetapi tidak memungkinkan Untuk dijalankan Sebab Kemakmuran Hingga sistem lainnya sudah berubah.

Melewati Streamhouse, perubahan informasi Bersama berbagai sistem tersebut dapat dikumpulkan Di aliran data berkelanjutan. Ketika lokasi pesawat berubah, jadwal keberangkatan tertunda, atau Bangku dipesan, pembaruan tersebut dapat menjadi Pada Bersama konteks Usaha terkini yang dapat diakses agen AI dan Inisiatif lainnya.

Bersama pendekatan ini, agen pemesanan dapat memeriksa Kemakmuran penerbangan dan ketersediaan Bangku secara bersamaan Sebelumnya menawarkan alternatif perjalanan kepada penumpang.

Untuk mendukung arsitektur Streamhouse, Confluent juga memperluas kemampuan Platform Data Penyiaran Langsung (DSP) Bersama Memperkenalkan fitur Query sebagai pilar kelima. Sebelumnya Itu, platform ini Memperoleh empat kemampuan utama, yakni Stream, Connect, Process, dan Govern.

Kelima kemampuan tersebut Memperoleh fungsi berbeda Di pengelolaan data perusahaan.

– Stream: Menyita dan mengalirkan peristiwa Usaha Melewati Apache Kafka dan mesin Kora.
– Connect: Menghubungkan berbagai sistem perusahaan Melewati lebih Bersama 150 konektor.
– Process: Menggabungkan dan memperkaya data menggunakan Apache Flink.
– Govern: Mengatur Perlindungan, Mutu, skema, dan akses data.
– Query: Menyediakan akses Di konteks Usaha terkini Untuk Inisiatif, agen AI, dan sistem analitik.

Salah satu fitur Terbaru yang diperkenalkan adalah Lightning Tables, yang kini tersedia Di Umumnya Hingga AWS Melewati Confluent Cloud.

Fitur ini memungkinkan perusahaan melakukan query Di data Penyiaran Langsung Di bentuk tabel tanpa harus menyalin data terlebih dahulu Hingga basis data terpisah. Data yang berasal Bersama Apache Kafka disajikan Di bentuk tabel yang terus diperbarui mengikuti perubahan informasi.

Di pengujian internal Confluent, waktu Sebelum data Terbaru dibuat hingga tersedia Untuk disajikan Di 100 milidetik. Sambil Itu, latensi query diklaim berada Hingga kisaran 10-100 milidetik Bersama kemampuan menangani lebih Bersama 1.000 query per detik.

Confluent menyebut pendekatan tersebut dapat Mengurangi kebutuhan perusahaan membangun jalur pemindahan data, basis data, maupun cache terpisah Untuk melayani Inisiatif yang membutuhkan informasi terkini.

Selain Lightning Tables, kemampuan Query juga mencakup Confluent Tableflow Untuk menyajikan data Penyiaran Langsung Hingga data warehouse dan lakehouse, serta Real-Time Context Engine yang menyediakan konteks Usaha kepada agen AI Melewati Model Context Protocol (MCP).

General Manager Confluent dan Data IBM, Shaun Clowes, mengatakan kemampuan AI perusahaan Hingga Di Berencana sangat bergantung Di seberapa akurat informasi yang dapat diakses Pada agen melakukan tindakan.

“Era berikutnya Di AI perusahaan Berencana dimenangkan Dari agen-agen yang mengetahui apa yang Lagi terjadi Di Usaha Di Pada mereka bertindak,” ujar Shaun.

Ia mencontohkan, ketersediaan konteks Usaha secara real-time dapat membantu perusahaan merespons indikasi Mengelabui Orang Lain lebih cepat, melayani pelanggan secara langsung, hingga menjalankan operasional berdasarkan Kemakmuran terkini.

Arsitektur Streamhouse yang didukung Confluent juga mulai digunakan Dari perusahaan Internasional, salah satunya Accenture. Kepala Strategi Data SAI Accenture, Thomas Mahaffey, mengatakan perusahaan Sebelumnya Itu Berusaha Mengatasi kendala akibat penggunaan arsitektur batch dan point-to-point yang membuat proses pengolahan data berulang serta memperlambat penyediaan informasi Untuk analitik.

Sesudah beralih Hingga arsitektur Streamhouse, Accenture menghubungkan aliran data Bersama berbagai sistem operasional dan analitik menjadi produk data real-time yang dapat digunakan kembali.

Disebutkan Thomas, perubahan tersebut memangkas waktu yang dibutuhkan Untuk memperoleh wawasan Bersama berbulan-bulan menjadi beberapa hari, sekaligus mempercepat proses pelaporan.

(agt/agt)