Közös platformra kerülhetnek az elkülönített adatok
A Databricks új és kibővített natív csatlakozókat mutatott be a Lakeflow Connect szolgáltatásban. A cél, hogy a vállalatok egyetlen, felügyelt környezetben kezelhessék a produktivitási eszközökből, üzleti alkalmazásokból és mesterséges intelligenciához kapcsolódó rendszerekből származó információkat. Az AI Hírek beszámolója szerint a bejelentés október 26-án történt.
A Databricks szerint a cégek eddig gyakran külön alkalmazásokban tárolták ezeket az adatokat, ezért minden egyes forráshoz saját API-integrációt kellett létrehozniuk és karbantartaniuk. A Lakeflow Connect csatlakozói pontozással és kattintással használható felületen, illetve egyszerű API-n keresztül állíthatók be. A betöltött adatok inkrementálisan, felügyelt táblák formájában kerülnek a Unity Catalogba.
A vállalat szerint ehhez nincs szükség külön infrastruktúra kiépítésére, üzemeltetésére vagy méretezésére. A szolgáltatás adatbázisok, SaaS-alkalmazások és fájlforrások adatait is közvetlenül a Databricks platformjára továbbíthatja.
Sokféle munkaeszközhöz kapcsolódik
A produktivitási és együttműködési alkalmazások között megtalálható a Jira, a Monday.com, a Smartsheet, az Aha!, a GitHub, a Confluence, a Notion, a Glean, a SharePoint, a Google Drive, az Outlook és a Gmail. A Databricks emellett az OpenAI és az Anthropic rendszereihez is csatlakozást kínál.
A rendszer nem kizárólag táblázatos vagy más, előre rendezett információkkal dolgozik. A SharePointból például PDF-fájlok, Word-dokumentumok, prezentációk és képek is betölthetők. Ezek dokumentumonként egy sorban jelennek meg, miközben a nyers tartalom és a hozzá tartozó metaadatok is megmaradnak.
Az Excel- és CSV-fájlok Delta-táblaként is elhelyezhetők. A Google Drive hasonló módon kezeli a dokumentumokat, a Google Sheets és a CSV-fájlok pedig szintén közvetlenül Delta-táblákba kerülhetnek. A Confluence oldalai és blogbejegyzései strukturált mezőként érkeznek, az Outlook az e-mailek törzsét és mellékleteit, a Gmail pedig a teljes üzenettörzset tölti be.
A strukturálatlan tartalmakból is használható tudás lehet
A GitHub csatlakozója a tárolók szöveges fájljait kezeli, köztük a forráskódot, a Markdown-fájlokat és a konfigurációkat. A Databricks szerint ezek a szöveges adatok kisebb tisztítás után feldarabolhatók és vektorizálhatók, így keresési feladatokhoz is felhasználhatók.
A nyers bájtként érkező dokumentumok szöveggé alakításában az ai_parse_document nevű, beépített dokumentumfeldolgozó eszköz segíthet. Az előkészített tartalmak vállalati tudásbázisokba kerülhetnek, és AI-ügynökök működésének alapjául is szolgálhatnak. Ez különösen akkor lehet hasznos, ha egy cégnek sok különböző formátumú belső anyagból kell egységesen kereshető információt létrehoznia.
A megoldás egyik példájaként a vállalat a Toyota Finance Australiát említi. A cég a Jira adatait teljesen menedzselt adatfolyamban használja. A VaxCare pedig a Confluence csatlakozójával táplálja belső tudásbázisát a Databricksbe, hogy chatbotját erre az információra alapozza.
Az AI-használat és a költségek is követhetők
Az OpenAI-csatlakozó a használati adatokat, a költségeket, az API-kulcsokat, a projekteket, a felhasználókat és az auditnaplókat is beemeli a rendszerbe. A Databricks szerint így a vállalatok csapatonként rendelhetik hozzá az AI-kiadásokat, miközben azt is figyelhetik, mennyire terjednek el az egyes alkalmazások.
Az Anthropic csatlakozója az auditnaplókat, a szervezeti felhasználókat és szerepköröket, valamint a claude.ai beszélgetéseinek és üzeneteinek tartalmát tölti be. A cél egy olyan egységes nézet létrehozása, amelyben követhető az AI használatának alakulása, az alkalmazások elterjedése és az AI-beruházások megtérülése.
A Databricks értelmezése szerint a Lakeflow Connect segítségével a vállalatok az adatcsatornák folyamatos karbantartása helyett közös, felügyelt alapot építhetnek ki az elemzésekhez és az AI-alapú alkalmazásokhoz. A különböző forrásokból érkező üzleti és technológiai információk így ugyanabban a környezetben válhatnak elemezhetővé.
