Confluent presenta tre nuove funzionalità per Apache Flink

Confluent ha annunciato nuove funzionalità di Confluent Cloud per Apache Flink che snelliscono e semplificano il processo di sviluppo di applicazioni di intelligenza artificiale (AI) in real time.

Flink Native Inference riduce i flussi di lavoro complessi, consentendo di eseguire qualsiasi modello di AI open source direttamente in Confluent Cloud. Flink Search unifica l’accesso ai dati su più database vettoriali, semplificando la scoperta e recupero in un’unica interfaccia. Inoltre le nuove funzioni di machine learning (ML) integrate portano i casi d’uso guidati dall’AI, come le previsioni e il rilevamento delle anomalie, direttamente in Flink SQL, semplificando la data science avanzata.

“Creare applicazioni AI in real time è stato troppo complesso per troppo tempo, richiedendo un labirinto di strumenti e competenze approfondite solo per iniziare”, dichiara Shaun Clowes, Chief Product Officer di Confluent. “Con le ultime evoluzioni di Confluent Cloud per Apache Flink stiamo abbattendo queste barriere, rendendo l’intelligenza in streaming alimentata dall’AI alla portata di qualsiasi team. Ciò che una volta richiedeva un insieme di tecnologie, ora può essere fatto senza problemi all’interno della nostra piattaforma, con sicurezza di livello enterprise ed efficienza dei costi incorporate”.

Più in dettaglio ecco le nuove funzionalità annunciate per Confluent Cloud per Apache Flink.

Flink Native Inference: eseguire modelli di AI open source in Confluent Cloud senza gestione dell’infrastruttura.

Quando lavorano con modelli di ML e pipeline di dati, gli sviluppatori spesso utilizzano strumenti e linguaggi separati, con conseguenti flussi di lavoro complessi e frammentati e dati obsoleti. Flink Native Inference semplifica questa situazione, consentendo ai team di eseguire modelli di intelligenza artificiale open source o fine-tuned direttamente in Confluent Cloud. Questo approccio offre maggiore flessibilità e risparmio. Inoltre, i dati non lasciano mai la piattaforma per l’inferenza, aggiungendo un maggiore livello di sicurezza.

Flink Search: una sola interfaccia per accedere ai dati di più database vettoriali.

Le ricerche vettoriali forniscono ai LLM il contesto necessario per evitare allucinazioni e garantire risultati affidabili. Flink search semplifica l’accesso ai dati in tempo reale dai database vettoriali, come MongoDB, Elasticsearch e Pinecone. Questo elimina la necessità di complessi processi ETL o di consolidamento manuale dei dati, facendo risparmiare tempo e risorse preziose e garantendo al contempo che i dati siano contestuali e sempre aggiornati.

Funzioni di ML integrate: competenze di data science accessibili per un maggior numero di team.

Molte soluzioni di data science richiedono competenze altamente specializzate, creando colli di bottiglia nei cicli di sviluppo. Le funzioni di ML integrate semplificano compiti complessi, come la previsione, il rilevamento di anomalie e la visualizzazione in tempo reale, direttamente in Flink SQL. Queste funzioni rendono l’intelligenza artificiale in real time accessibile a un maggior numero di sviluppatori, consentendo ai team di ottenere più rapidamente informazioni utili e alle aziende di prendere decisioni più intelligenti con maggiore velocità e agilità.

“La capacità di integrare dati in tempo reale, contestualizzati e affidabili nei modelli di AI e ML darà alle aziende un vantaggio competitivo con l’AI”, dichiara Stewart Bond, Vice President, Data Intelligence and Integration Software di IDC. “Le organizzazioni devono unificare l’elaborazione dei dati e i flussi di lavoro dell’AI per ottenere previsioni accurate e risposte LLM. Flink fornisce un’unica interfaccia per orchestrare l’inferenza e la ricerca vettoriale per RAG, e la sua disponibilità in un’implementazione cloud-native e completamente gestita renderà l’analisi in tempo reale e l’AI più accessibile e applicabile al futuro dell’AI generativa e agentica”.