Frühzeitigkeit Datentechnologie umfasste mehrere Datenbanken zum Speichern und Abrufen statischer Informationen oder „Datenmaterial in Ruhe“. Moderne Unternehmen verlassen sich stattdessen hinaus miteinander verbundene Systeme und erfordern vereinigen nahtlosen Datenfluss übrig Anwendungen hinweg. „In dieser heutigen dynamischen Umgebung benötigen Unternehmen“ Datenmaterial in Regung „, die ständig zwischen den Anwendungen fließen. Confluent schließt welche Lücke“, sagte Kreps Mint in einem Interview während seines Besuchs in Indien am Mittwoch. Er war in Bengaluru, um hinaus Confluents Benutzerkonferenz mit dem Namen „Current“ zu sprechen.
Confluent ermöglicht „Datenmaterial in Regung“ übrig Apache Kafka-eine beliebte Open-Source-Plattform, die von Kreps selbst verbinden geschaffen wurde. Die Branchen, die ursprünglich hinaus dieser professionellen Netzwerkplattform LinkedIn LinkedIn entwickelt wurde, nutzen KAFKA pro Echtzeitbetriebe.
Gleichwohl AI-Anwendungen hängen von dieser Integration von Echtzeitdaten ab und zeugen dasjenige Streaming pro die Nutzung von Sprachmodellen im Geschäftsbetrieb wesentlich. Selbige Verschiebung hat dasjenige Wertzuwachs von Confluent gesteuert und es laut KREPS im Samenkern des Echtzeitdatenstromings in Branchen positioniert.
KI -Adoption: Indien führt den Weg an
Indien, so glaubt er, bleibt an dieser Spitze dieser Tech-Adoption und führt sowohl in KI- qua Neben… in Echtzeitdaten-Streaming an. Confluent verfügt übrig Partnerschaften mit Unternehmen wie Jio -Plattformen, Swiggy, Meesho und Viacom in Indien. „Wir nach sich ziehen uns mit Jio Platforms zusammengetan, die vereinigen Cloud -Tafelgeschirr bereithalten, und wir stellen Confluent in ihrer Jio -Cloud, einem Teil dieser Region Azure West, zur Verfügung“, sagte er.
Zum Musterbeispiel nutzen JIOs Netzwerk und Unternehmen wie Viacom die Technologie von Confluent pro Analysen – Skalierung von Veranstaltungen wie die Eröffnungstag dieser indischen Premier League (IPL) hinaus übrig 590 Mio.. Swiggy setzt sich von seiner Seite Confluent pro Datenmetriken, Governance-Funktionen und Echtzeit-Zustellungserkenntnisse ein, um dasjenige Datenteam zu helfen, komplexe Workflows zu optimieren und die Vorgänge während dieser Spitzennachfrage schnell zu skalieren.
KREPS unterstrichen, dass die Confluent -Plattform und dasjenige Connect -Portfolio „von in Indien ansässigen Engineering -Teams in Indien pro die Welt vollwertig verwaltet werden“. Er fügte hinzu, dass Indien einer dieser „größten und am schnellsten wachsenden Regionen Confluent“ ist, wodurch dasjenige Team im vergangenen Jahr um 50% wächst.
„Unsrige technische Präsenz hier ist unserem Team in Bayrumbaum Newsgroup und fährt Großprojekte wie Table Flow, eine Unterprogramm, die wir heute hinaus den Markt gebracht nach sich ziehen.“
Dieser Tabellenfluss hilft konfluenten Benutzern, ihre Streaming -Datenmaterial von Kafka in organisierte Tabellen (in Apache Iceberg oder Delta Salzlake) zu verwandeln. Dies erleichtert es, Echtzeitdaten hinaus strukturierte Weise zu speichern, zu verwalten und zu auswerten, damit Unternehmen schnell hinaus die Informationen, Analysen oder AI- und Generativen AI (GenAI) -Anwendungen zupacken und die Informationen verwenden können.
Confluent plant, weiterhin in dieser asiatisch-pazifischen Region einzustellen und um weitere 20%auszubauen, insbesondere in Indien. Kreps fügte hinzu, dass Indiens Investment in digitale Unterbau es qua weltweit leitend positioniert habe. „Zahlungen hier nutzen Kafka und Confluent ausgiebig. Die Skala ist Größenordnungen höher qua in den USA, wo Zahlungen regelmäßig sind. In Indien treten sie immer überall hinaus. Es ist immer aufregend, Teil dieser Transformation zu sein“, sagte Kreps.
Dasjenige fehlende Stück: hochwertige Datenmaterial
Natürlich war die Integration von Echtzeitdaten mit dem schnellen Fortschritt von AI noch nie wichtiger. Er räumte jedoch ein, dass die Tutorial von KI Herausforderungen darstellt, insbesondere pro Unternehmen, die Legacy -Systeme verwalten und eine Vielzahl von Anwendungsprogrammierschnittstellen (APIs) präsentiert. „KI-Modelle, die in allgemeinem Internetwissen fähig sind, fehlen unternehmensspezifische Erkenntnisse-diese Datenmaterial sind entscheidend“, erklärte er.
Darüber hinaus erfordert die KI-Weiterentwicklung strukturierte, qualitativ hochwertige Datenmaterial, mit denen viele Unternehmen zu ringen nach sich ziehen. „Viele Tech -Teams lernen immer noch, wie KI effektiv in Workflows integriert werden kann“, fügte er hinzu.
Laut Kreps, dieser Neben… im Vorstand von AI Startup Anthropic ist, dasjenige Claude LLM -Modelle entwickelt, gibt es „nur unglaubliche Funktionieren, um welche KI -Modelle intelligenter und schlauer zu zeugen, und dasjenige löst viele Probleme in Bezug hinaus den Umfang und die Umfang und die Zuverlässigkeit dessen, welches sie können.
Er räumte jedoch ein, dass es immer noch „wenige große fehlende Stücke“ jenseits dieser Models gibt. Zum Beispiel werden viele Unternehmensdaten „übrig 1.000 verschiedene Datenbanken und Anwendungen und SaaS-Systeme (Software-AS-a-Tafelgeschirr) -Systeme verteilt, welches die Integration in welche Modelle zu einer„ großen Herausforderung “macht.
Die gute Nachricht ist jedoch, dass es zwar „viele verschiedene Modelle und viele Innovationen pro die Modelle in Bezug hinaus die Benutzeroberfläche zu den Kunden gibt, es jedoch einiges an Ähnlichkeit gibt“. Dieser Schlüssel, dieser Unterstellung ist Kreps, besteht darin, Modelle Live-Datenmaterial aus verschiedenen Datenbanken und Anwendungen zu füttern, welches pro AI-gesteuerte Agentensysteme, in denen Modelle autonom wirken, vornehmlich wichtig ist. Ohne genaue, aktuelle Datenmaterial nach sich ziehen welche Systeme Schwierigkeiten, fundierte Entscheidungen zu treffen.
Nachdem fortschreitender Modelle werden nachher Informationen von KREPS mehr AI -Agentenanwendungen praktisch, um Unternehmens -Workflows zu gießen.
Qua Mitschöpfer von Kafka ist Kreps Neben… zusammen mit Open Source von Natur aus optimistisch. „Open-Source-KI-Modelle nach sich ziehen Innovationen angetrieben, wodurch Unternehmen wie Meta und Deepseek starke Ergebnisse erzielen. Die Auswirkungen hinaus zukünftige Modelle bleibt abzuwarten.“
Während AI die Industrie verändert, bleibt ihre Auswirkungen hinaus Arbeitsplätze ein Themenbereich dieser Debatte. „Kurzfristig steigert KI die Produktivität, ohne die Beschäftigung zu verringern. Zum Beispiel verbessern die Codierungswerkzeuge die Nutzen, ersetzen jedoch keine Ingenieure“, so Kreps.
Langfristige Auswirkungen sind jedoch schwerer vorherzusagen. „Während vergangene Innovationen keine Massenarbeitslosigkeit verursachten, störten sie die Industrien. Die breiten Fähigkeiten von AI zeugen ihre zukünftigen Auswirkungen unsicherer“, sagte er und fügte hinzu, dass die Einstellung von dort unerlässlich ist. „Die Technologie entwickelt sich schnell und es bedeutet, immer noch zurück zu bleiben“, schloss Kreps.
