ztevenreal
¿Quieres ideas más inteligentes en tu bandeja de entrada? Regístrese en nuestros boletines semanales para obtener solo lo que importa a los líderes de IA, datos y seguridad empresariales. Suscríbete ahora
Los datos no solo aparecen mágicamente en el punto correcto para el prospección empresarial o la IA, sino que debe estar preparada y dirigida con tuberías de datos. Ese es el dominio de la ingeniería de datos y durante mucho tiempo ha sido una de las tareas más ingratas y tediosas que las empresas deben reñir.
Hoy, Google Cloud apunta directamente al tedio de la preparación de datos con el emanación de una serie de agentes de IA. Los nuevos agentes abarcan todo el ciclo de vida de datos. El agente de ingeniería de datos en BigQuery automatiza la creación compleja de tuberías a través de comandos de estilo natural. Un agente de ciencias de datos transforma los cuadernos en espacios de trabajo inteligentes que pueden realizar de forma autónoma los flujos de trabajo de formación espontáneo. El agente de prospección de conversación mejorado ahora incluye un intérprete de código que maneja el prospección reformista de Python para usuarios comerciales.
“Cuando pienso en quién está haciendo ingeniería de datos hoy, no solo son ingenieros, analistas de datos, científicos de datos, cada personaje de datos se queja de lo difícil que es encontrar datos, lo difícil que es discutir datos, lo difícil que es obtener comunicación a datos de inscripción calidad”, Yasmeen Ahmad, director apoderado, Cloud de datos en Google Cloud, dijo a VentureBeat. “La mayoría de los flujos de trabajo de los que escuchamos de nuestros usuarios están un 80% sumidos en esos trabajos laborales en torno a la disputa de datos, los datos, la ingeniería y la consecución de datos de buena calidad con los que pueden trabajar”.
Dirigir el cuello de botella de preparación de datos
Google construyó el agente de ingeniería de datos en BigQuery para crear tuberías de datos complejas a través de indicaciones de estilo natural. Los usuarios pueden describir flujos de trabajo de varios pasos y el agente maneja la implementación técnica. Esto incluye ingerir datos del almacenamiento en la montón, aplicar transformaciones y realizar controles de calidad.
AI Scaling alcanza sus límites
Los límites de potencia, el aumento de los costos del token y los retrasos de inferencia están remodelando Enterprise AI. Únase a nuestro salón exclusivo para descubrir cómo son los mejores equipos:
- Convertir la energía en una superioridad estratégica
- Edificación de inferencia capaz para ganancias reales de rendimiento
- Desbloquear ROI competitivo con sistemas de IA sostenibles
Asegure su punto para mantenerse a la vanguardia: https://bit.ly/4mwgngo
El agente escribe scripts complejos de SQL y Python automáticamente. Maneja la detección de anomalías, software tuberías y resolución de problemas fallas. Estas tareas tradicionalmente requieren experiencia significativa en la ingeniería y mantenimiento continuo.
El agente desglosa las solicitudes de estilo natural en múltiples pasos. Primero entiende la indigencia de crear conexiones con fuentes de datos. Luego crea estructuras de tabla apropiadas, carga datos, identifica las claves primarias para unir, razones sobre problemas de calidad de datos y aplica funciones de barrido.
“Por lo militar, ese flujo de trabajo completo habría estado escribiendo un montón de código confuso para un ingeniero de datos y construyendo esta cartera compleja y luego administrando e iterando ese código con el tiempo”, explicó Ahmad. “Ahora, con el agente de ingeniería de datos, puede crear nuevas tuberías para el estilo natural. Puede modificar las tuberías existentes. Puede solucionar problemas”.
Cómo funcionarán los equipos de datos empresariales con los agentes de datos
Los ingenieros de datos son a menudo un rama muy práctico de personas.
Las diversas herramientas que se utilizan comúnmente para construir una cartera de datos que incluye transmisión de datos, orquestación, calidad y transformación, no desaparecen con el nuevo agente de ingeniería de datos.
“Los ingenieros todavía son conscientes de esas herramientas subyacentes, porque lo que vemos de cómo operan los datos de las personas es, sí, aman al agente, y en ingenuidad ven a este agente como un avezado, socio y colaborador”, dijo Ahmad. “Pero a menudo nuestros ingenieros positivamente quieren ver el código, en ingenuidad quieren ver visualmente las tuberías creadas por estos agentes”.
Como tal, mientras que los agentes de ingeniería de datos pueden trabajar de forma autónoma, los ingenieros de datos pueden ver lo que está haciendo el agente. Explicó que los profesionales de datos a menudo analizarán el código escrito por el agente y luego harán sugerencias adicionales al agente para ajustar o personalizar aún más la tubería de datos.
Creación de un ecosistema de agente de datos con una saco API
Hay múltiples proveedores en el espacio de datos que están construyendo flujos de trabajo de AI de agente.
Las startups como Allate AI están construyendo agentes específicos para los flujos de trabajo de datos. Grandes proveedores, incluidos Databricks, Snowflake y Microsoft, están construyendo sus respectivas tecnologías de IA de AI que además pueden ayudar a los profesionales de datos.
El enfoque de Google es un poco diferente en el sentido de que está construyendo sus servicios de IA de agente para datos con su API de agentes de datos de Gemini. Es un enfoque que puede permitir a los desarrolladores incorporar las capacidades de procesamiento del estilo natural de Google y las capacidades de interpretación del código en sus propias aplicaciones. Esto representa un cambio de herramientas cerradas de primera parte a un enfoque de plataforma desplegable.
“Detrás de terreno para todos estos agentes, en ingenuidad se están construyendo como un conjunto de API”, dijo Ahmad. “Con esos servicios de API, tenemos cada vez más que esas API estén disponibles para nuestros socios”.
El servicio de API Umbrella publicará servicios de API fundamentales y API de agentes. Google tiene programas de perspectiva previa de Lighthouse donde los socios integran estas API en sus propias interfaces, incluidos los proveedores de cuadernos y los socios de ISV que construyen herramientas de tuberías de datos.
Lo que significa para los equipos de datos empresariales
Para las empresas que buscan liderar las operaciones de datos impulsadas por la IA, este anuncio indica una rapidez en dirección a los flujos de trabajo de datos autónomos. Estas capacidades podrían proporcionar ventajas competitivas significativas en el tiempo de perspectiva y la eficiencia de los fortuna. Las organizaciones deben evaluar su capacidad contemporáneo del equipo de datos y considerar programas piloto para la automatización de tuberías.
Para las empresas que planean la acogida posterior de IA, la integración de estas capacidades en los servicios de Google Cloud existentes cambia el panorama. La infraestructura para agentes de datos avanzados se convierte en típico en punto de premium. Este cambio potencialmente aumenta las expectativas de narración para las capacidades de la plataforma de datos en toda la industria.
Las organizaciones deben equilibrar las ganancias de eficiencia con la indigencia de supervisión y control. El enfoque de transparencia de Google puede proporcionar un ámbito medio, pero los líderes de datos deben desarrollar marcos de gobernanza para las operaciones de agentes autónomos antiguamente de una implementación generalizada.
El vigor en la disponibilidad de API indica que el ampliación de agentes personalizados se convertirá en un diferenciador competitivo. Las empresas deben considerar cómo rendir estos servicios fundamentales para construir agentes específicos de dominio que aborden sus procesos comerciales únicos y desafíos de datos.
