Posta kutunuzda daha akıllı bilgiler mi istiyorsunuz? Sadece AI, veri ve güvenlik liderleri için önemli olanı elde etmek için haftalık bültenlerimize kaydolun. Şimdi kaydolun
Veri platformunun tedarikçisi Bilişim Gen’in ihtiyaçları şirket gereksinimlerini artırmaya devam ettiği için yapay zeka becerilerini genişletiyor.
AI dünyası için yabancı değildir; Aslında, şirket 2018’de ilk Claire Veri Tool ile ilk çıkışını yaptı. Modern üretken Ai dönemi, Şirket, 2023’te piyasaya sürülen bilgisayar yönetimi bulutunun bir parçası olarak Claire GPT’de gelişmiş doğal dil becerileri ile teknolojisini genişletti. Temel öncül, verilere erişmeyi ve kullanmayı daha kolay, daha hızlı ve daha akıllı hale getirmekten ibarettir. Mayıs ayında Salesforce ile şirketi ilginç bir satın alma hedefi haline getiren bir değer teklifidir. edinmeyi planlıyor Şirket 8 milyar dolara.
Bu satın alma onaylar ve düzenleyici süreçler yoluyla ilerlerken, şirketler hala ele alınması gereken veri zorluklarıyla karşı karşıya. Bugün, bilgisayar bilimi, şirketin son yedi yıla yaptığı gezinin şirket verilerinin ihtiyaçlarını karşılamak için geliştiğini gösteren 2025 yazının yayınlanmasını açıkladı.
Güncelleme, İngilizce’deki basit komutlardan karmaşık veri boru hatları oluşturabilen doğal dilsel arayüzler sunar, verilerin soyunu otomatik öğrenme modellerine izleyen yapay zekaya dayanan yönetişim ve birkaç dakika içinde bir haftalık planın haritalama projelerini otomatik olarak izleyen otomatik eşleme özellikleri.
Etki AI serisi San Francisco’ya Dönüyor – 5 Ağustos
Yapay zekanın bir sonraki aşaması burada – hazır mısınız? Otonom ajanların kurumsal çalışma akışlarını nasıl yeniden şekillendirdiğine, gerçek zamanlı olarak uçtan uca otomasyona kadar kurumsal çalışma akışlarını nasıl yeniden şekillendirdiğine özel bir bakış için Block Liderleri, GSK ve SAP’ye katılın.
Yerinizi şimdi koruyor – alan sınırlı: https://bit.ly/3guupf
Sürüm, üretken yapay zekanın daha acil hale geldiği sürekli bir şirket veri zorluğu ile karşı karşıya.
“Değişmeyen şey, verilerin şirkette parçalanmaya devam etmesi ve parçalanmanın hala hızlı bir ölçekte, bir çeşit tür olmamasıdır.” Dedi. “Yani bu, tüm bu verileri bir araya getirmeniz gerektiği anlamına geliyor.”
Şirket verileri için otomatik öğrenmeden gene kadar
Şu anda ne yaptığını daha iyi anlamak için, bu noktaya nasıl ulaştığını anlamak önemlidir.
Claire Di Computeratica’nın 2018’de ilk uygulaması, şirket veri ekiplerini etkileyen Pratik Otomatik Öğrenme Sorunlarına (ML) odaklandı. Platform, tasarım süresi, çalışma zamanı optimizasyonu ve operasyonel içgörüler hakkında öneriler sağlamak için binlerce müşteri uygulaması tarafından biriken meta verileri kullanmıştır.
Vakıf, Parekh’in 40 petibobete şirket veri modelini içeren bir “meta veri istihbarat sistemi” olarak adlandırdığı üzerine inşa edildi. Soyut bir araştırma değildi, bunun yerine veri entegrasyon çalışması akışlarında belirli darboğazlarla karşılaştığı otomatik öğrenme uyguladı.
Bu meta veri istihbarat sistemi yıllar boyunca iyileşmeye devam etti ve 2025 yazında platform, kalıcı bir veri problemini çözen otomatik haritalama kapasitesi içeriyor. Bu işlev, milyonlarca mevcut veri entegrasyon modelinde eğitilmiş otomatik öğrenme algoritmaları kullanan farklı kurumsal sistemler arasındaki alanları otomatik olarak haritalar.
Parekh, “Veri yönetimi ile çalıştıysanız, eşlemenin uzun süren bir iş olduğunu biliyorsunuz” dedi.
Otomatik haritalama, SAP gibi bir menşe sisteminden veri almaya odaklanmıştır, bu nedenle şirket veri profesyonelleri için bir MDM (Master Veri Yönetimi (MDM) kaydı oluşturmak için diğer şirket verileriyle bu tür veriler kullanılması, belirli bir varlık hakkındaki gerçeğin kaynağı olması amaçlanan “Altın Kayıt” dır. Otomatik haritalama işlevi, veri alanını oluşturabilir ve veri oluşturabilir.
Sonuçlar, AI’ya uzun vadeli BT yatırımının değerini göstermektedir. Daha önce derin bir teknik yeterlilik ve önemli zaman yatırımı gerektiren görevler, yüksek hassasiyet oranlarıyla otomatik olarak gerçekleşir.
Parekh, “Profesyonel hizmetlerimiz, genellikle yedi gün inşa edilmesi gereken bazı iş haritalaması gerçekleştirdi.” Dedi. “Bu şimdi beş dakikadan daha kısa bir sürede yapıldı,” dedi Parekh.
Herhangi bir modern AI sisteminin temel unsuru, genellikle kullanıcıların etkinlik gerçekleştirmelerine yardımcı olmak için bir tür CO pilot eşliğinde doğal dilde bir arayüzdür. Bu bağlamda, başka bir şirket yazılım tedarikçisinden farklı değildir. Bununla birlikte, farklı olduğu yerlerde hala meta verilerde ve otomatik öğrenme teknolojisindedir.
Yaz sürümü 2025, veri entegrasyonu için Claire Copilot’u geliştirir ve bu da dokuz aylık erişim ve önizlemeden sonra Mayıs 2025’te kullanılabilir hale gelir. Copyoot, kullanıcıların “tüm Salesforce verilerini kar tanesine getir” gibi istekleri yazmasına ve sistemi gerekli boru hattının bileşenlerini düzenlemesine olanak tanır.
Summer sürüm 2025, gelişmiş uygulamalar ve kullanıcıların ürünü nasıl kullanacaklarını anlamalarına yardımcı olan ve doğrudan dokümantasyon ve yardım öğelerinden gelen cevaplar dahil olmak üzere yeni etkileşimli copiloot özellikleri ekler.
Teknik uygulama, bilgi grameri olarak adlandırılan gibi görünen veri yönetimi faaliyetleri için mükemmelleştirilmiş özel dil modellerinin geliştirilmesini gerektiriyordu.
Parekh, “Informatica dilbilgisine çevrilen doğal dil, gizli sosumuzun devreye girdiği yerdir.” “Tüm platformumuz meta veriler tarafından yönlendirilen bir platform. Bu yüzden bunun haritayı nasıl tanımladığı, veri kalitesinin kuralını, bir varlık MDM’sini tanımlayan şeyleri nasıl tanımladığına dair dilbilgisi var.”
Piyasa süreleri: İstekleri patlatmak için işletme
Evrim AI bilgisayar süreleri, şirketlerin veri tüketme biçiminde temel değişikliklerle uyumludur.
Brett Roscoe, SVP & GM, Bulut Veri Yönetişimi ve Bilgisayar Biliminde Bulut Operasyonları, Son yıllarda kurumsal verilerin panoramasında büyük bir farkın ölçek olduğunu ve verilere daha fazla erişime ihtiyaç duyan daha fazla insan olduğunu fark etti. Daha önce, veri talepleri esas olarak teknik becerilere sahip merkezi analiz ekiplerinden geldi; Gen Ai döneminde, bu talepler her taraftan gelir.
Roscoe, “Aniden, Gen AI dünyasıyla pazarlama ekibiniz ve finans ekibiniz üretken yapay zeka projelerine rehberlik edecek veriler istiyor.”
Yaza Yönetişim Envanteri ve iş akışlarının becerileri bu zorlukla doğrudan karşı karşıyadır. Platform artık AI modellerini otomatik olarak kataloglar, veri kaynaklarını izler ve AI uygulamaları aracılığıyla menşe sistemlerinden inişi korur. Bu, yapay zeka projeleri geleneksel analiz ekiplerinin ötesinde çoğalırken, görünürlük ve kontrolün sürdürülmesi konusundaki iş endişeleri ile ilgilidir.
Sürüm ayrıca, veri hareketinden sonra toplu işlem yerine uygulamalarda gerçek zamanlı olarak verilerin doğrulanmasına izin veren API gibi verilerin kalite kurallarını da sunar. Bu mimari hareket, yapay zeka uygulamalarının tüketim noktasındaki verilerin kalitesini doğrulamasına izin vererek, teknik olmayan ekipler yapay zeka projeleri başlattığında ortaya çıkan yönetişim zorluklarıyla karşı karşıya.
Teknik evrim: otomasyondan düzenlemeye kadar
2025 yazının piyasaya sürülmesi, yapay zeka becerilerinin basit bir otomasyondan sofistike düzenlemeye nasıl geliştiğini göstermektedir. Geliştirilmiş Claire Copilot sistemi, süreç boyunca insan denetimini sürdürürken, birkaç koordineli pasajda doğal dil için karmaşık istekleri bozabilir.
Sistem ayrıca, şirket veri ekiplerini etkileyen bilgi aktarımının zorluklarıyla karşılaşan mevcut veri çalışma akışları için özet özellikler sağlar. Kullanıcılar, CO -Pilot’tan önceki geliştiriciler tarafından oluşturulan karmaşık entegrasyon akışlarını açıklamasını ve kurumsal bilgi bağımlılıklarını azaltmasını isteyebilir.
Modelin (MCP) bağlam protokolü ve NVIDIA NIM için yeni üretken konektörler için sürümün desteği, Databrks mozaik yapay zeka ve kar tanesi korteksi, şirketin altyapısının kurumsal yönetim standartlarını korurken gelişmekte olan teknolojilere nasıl uyum sağladığını göstermektedir.
Stratejik çıkarımlar: Veriler için yapay zeka şirketinde olgunluk kazanır
2025 yazının piyasaya sürülmesiyle ilgili iyileştirmelerle sonuçlanan yedi yıllık bilgisayar biliminin yolculuğu, işletme AI’nın benimsenmesi hakkında temel bir gerçeği göstermektedir: sürekli alanın becerileri.
Şirketin yaklaşımı, genel amaçlar için yapay zeka çözümleri izlemek yerine belirli iş sorunları için özel yapay zeka kapasitesinin inşasını doğrulamaktadır. Çalışma, yaza istihbaratla beslenen soy ve yönetişimin akışları, şirketlerin büyük ölçekli verileri nasıl yönettiğini anlayan yıllar boyunca ortaya çıkan becerileri temsil ediyor.
Roscoe, “Gen Ai Arriva’dan önce bir veri yönetimi uygulamanız yoksa, acı çekiyorsunuz.” Diyerek şöyle devam etti: “Ve Gen Ai geldiğinde bir veri yönetimi uygulamanız varsa, hala tırmanıyorsunuz.”
Şirketler AI’nın testinden üretim dağılımına geçerken, BT yaklaşımı temel bir gerçeği doğrular: yapay zekada olgunluk ve uzmanlık yenilikten daha fazlasıdır. Şirketler sadece yapay zekaya dayalı yeni özellikleri düşünmemeli, aynı zamanda şirket verilerinin yönetiminin karmaşık gerçeklerini içeren ve çözen yapay zeka özellikleri.