وعد وكلاء بيانات Google Cloud بإنهاء مشكلة بيانات المؤسسة بنسبة 80 ٪

الائتمان: الصورة التي تم إنشاؤها بواسطة VentureBeat مع Flux-Pro-1.1-ultra

لا تظهر البيانات بطريقة سحرية فقط في المكان المناسب لتحليلات المؤسسات أو الذكاء الاصطناعي ، بل يجب إعدادها وتوجيهها باستخدام خطوط أنابيب البيانات. هذا هو مجال هندسة البيانات ، وقد كان منذ فترة طويلة واحدة من أكثر المهام التي لا تشعل عليها بال6

اليوم ، تهدف Google Cloud مباشرة إلى مرض تحضير البيانات مع إطلاق سلسلة من وكلاء الذكاء الاصطناعى. تمتد الوكلاء الجدد على دورة حياة البيانات بأكملها. يقوم وكيل هندسة البيانات في BigQuery بإنشاء خطوط أنابيب معقدة من خلال أوامر اللغة الطبيعية. يقوم وكيل علم البيانات بتحويل دفاتر الملاحظات إلى مساحات عمل ذكية يمكنها أداء سير عمل التعلم الآلي بشكل مستقل. يتضمن وكيل تحليلات المحادثة المحسنة الآن مترجم رمز يتولى تحليلات Python المتقدمة لمستخدمي الأعمال.

“عندما أفكر في من يقوم هندسة البيانات اليوم ، ليس فقط المهندسين ومحللي البيانات وعلماء البيانات ، وكل شخصية بيانات تشكو من مدى صعوبة العثور على البيانات ، ومدى صعوبة تجميع البيانات ، ومدى صعوبة الوصول إلى بيانات عالية الجودة” ، قال ياسمين أحمد ، المدير الإداري ، Cloud Cloud في Google Cloud. “معظم مهام سير العمل التي نسمع عنها من مستخدمينا غارقة في هذه الوظائف البالغة بنسبة 80 ٪ في هذه الوظائف الشديدة حول تجميع البيانات والبيانات والهندسة والوصول إلى بيانات ذات جودة جيدة يمكنهم العمل معها.”

استهداف عنق الزجاجة إعداد البيانات

قامت Google ببناء وكيل هندسة البيانات في BigQuery لإنشاء خطوط أنابيب بيانات معقدة من خلال مطالبات اللغة الطبيعية. يمكن للمستخدمين وصف سير العمل متعدد الخطوات ويتناول الوكيل التنفيذ الفني. ويشمل ذلك تناول بيانات من التخزين السحابي ، وتطبيق التحولات وإجراء عمليات فحص الجودة.

يكتب الوكيل البرامج النصية المعقدة SQL و Python تلقائيًا. إنه يتعامل مع الكشف عن الشذوذ ، وجدولة خطوط الأنابيب واستكشاف الأخطاء وإصلاحها. تتطلب هذه المهام تقليديًا خبرة هندسية كبيرة وصيانة مستمرة.

يقوم الوكيل بتحطيم طلبات اللغة الطبيعية إلى خطوات متعددة. أولاً ، يدرك الحاجة إلى إنشاء اتصالات لمصادر البيانات. ثم ينشئ هياكل الجدول المناسبة ، وتحميل البيانات ، ويحدد المفاتيح الأساسية للوصول ، وأسباب حول مشكلات جودة البيانات وتطبق وظائف التنظيف.

“عادة ، كان سير العمل بأكمله يكتب الكثير من التعليمات البرمجية المعقدة لمهندس البيانات وبناء خط الأنابيب المعقد هذا ثم إدارة هذا الرمز وتكراره بمرور الوقت” ، أوضح أحمد. “الآن ، مع وكيل هندسة البيانات ، يمكنه إنشاء خطوط أنابيب جديدة للغة الطبيعية. يمكنه تعديل خطوط الأنابيب الحالية. يمكنه استكشاف المشكلات.”

كيف ستعمل فرق بيانات المؤسسة مع وكلاء البيانات

غالبًا ما يكون مهندسو البيانات مجموعة من الأشخاص العمليين.

لا تختلف الأدوات المختلفة التي يتم استخدامها بشكل شائع لإنشاء خط أنابيب للبيانات ، بما في ذلك تدفق البيانات ، والتنسيق ، والجودة والتحول ، مع وكيل هندسة البيانات الجديد.

وقال أحمد: “ما زال المهندسون على دراية بتلك الأدوات الأساسية ، لأن ما نراه من كيفية عمل البيانات ، نعم ، يحبون الوكيل ، وهم يرون هذا الوكيل بالفعل كخبير وشريك ومتعاون”. “لكن في كثير من الأحيان يرغب مهندسونا في رؤية الكود ، فهم يرغبون بالفعل في رؤية خطوط الأنابيب التي تم إنشاؤها من قبل هؤلاء الوكلاء.”

على هذا النحو ، في حين أن عوامل هندسة البيانات يمكن أن تعمل بشكل مستقل ، يمكن لمهندسي البيانات رؤية ما يفعله الوكيل. وأوضحت أن محترفي البيانات سوف ينظرون غالبًا إلى الكود الذي كتبه الوكيل ثم يقدمون اقتراحات إضافية للوكيل لزيادة ضبط خط أنابيب البيانات أو تخصيصها.

بناء نظام بيئي لوكيل البيانات مع أساس API

هناك العديد من البائعين في مساحة البيانات الذين يقومون ببناء سير عمل Agency AI.

الشركات الناشئة مثل”https://venturebeat.com/ai/how-agentic-ai-could-improve-enterprise-data-operations/”> altimate ai يقومون ببناء وكلاء محددة لسير عمل البيانات. البائعين الكبار بما في ذلك”https://venturebeat.com/ai/why-most-enterprise-ai-agents-never-reach-production-and-how-databricks-plans-to-fix-it/”> Databricksو”https://venturebeat.com/data-infrastructure/snowflake-launches-cortex-analyst-an-agentic-ai-system-for-accurate-data-analytics/”> ندفة الثلج و”https://venturebeat.com/ai/microsoft-announces-over-50-ai-tools-to-build-the-agentic-web-at-build-2025/”> Microsoft يقومون جميعًا ببناء تقنيات AI AI الخاصة بها التي يمكن أن تساعد محترفي البيانات أيضًا.

يختلف نهج Google قليلاً من حيث أنه يقوم ببناء خدمات AI Agence AI للبيانات باستخدام واجهة برمجة تطبيقات Gemini Data API الخاصة بها. إنها طريقة يمكن أن تمكن المطورين من تضمين قدرات معالجة اللغة الطبيعية في Google وتفسير الكود في تطبيقاتهم الخاصة. يمثل هذا تحولًا من أدوات الطرف الأول المغلقة إلى نهج منصة قابلة للتمديد.

وقال أحمد: “وراء الكواليس لجميع هؤلاء الوكلاء ، يتم بناؤهم بالفعل كمجموعة من واجهات برمجة التطبيقات”. “مع خدمات API هذه ، نعتزم بشكل متزايد إتاحة واجهات برمجة التطبيقات هذه لشركائنا.”

ستنشر خدمة واجهة برمجة تطبيقات المظلة خدمات واجهة برمجة التطبيقات التأسيسية وواجهة برمجة التطبيقات (API). تمتلك Google برامج معاينة Lighthouse حيث قام الشركاء بتضمين واجهات برمجة التطبيقات هذه في واجهاتهم الخاصة ، بما في ذلك مقدمي خدمات الدفاتر وأدوات خط أنابيب بيانات ISV.

ماذا يعني ذلك لفرق بيانات المؤسسة

بالنسبة للمؤسسات التي تتطلع إلى قيادة عمليات البيانات التي تحركها الذكاء الاصطناعي ، يشير هذا الإعلان إلى تسارع نحو سير عمل البيانات المستقلة. يمكن أن توفر هذه القدرات مزايا تنافسية كبيرة في الوقت الذي يتصالح فيه وكفاءة الموارد. يجب على المؤسسات تقييم قدرتها على فريق البيانات الحالية والنظر في البرامج التجريبية لأتمتة خطوط الأنابيب.

للتخطيط للمؤسسات في وقت لاحق من الذكاء الاصطناعي ، فإن دمج هذه القدرات في خدمات Google Cloud الحالية يغير المشهد. تصبح البنية التحتية لعوامل البيانات المتقدمة قياسية وليست قسطًا. هذا التحول يحتمل أن يثير توقعات أساسية لقدرات منصة البيانات في جميع أنحاء الصناعة.

يجب على المنظمات موازنة مكاسب الكفاءة ضد الحاجة إلى الرقابة والسيطرة. قد يوفر نهج الشفافية من Google أرضًا وسطًا ، ولكن يجب على قادة البيانات تطوير أطر الحوكمة لعمليات الوكيل المستقلة قبل النشر على نطاق واسع.

يشير التركيز على توفر API إلى أن تطوير الوكيل المخصص سيصبح تمييزًا تنافسيًا. يجب أن تفكر المؤسسات في كيفية الاستفادة من هذه الخدمات التأسيسية لإنشاء وكلاء خاصين بالمجال التي تعالج عملياتها التجارية الفريدة وتحديات البيانات.