Ofensywa Snowflake'a. W arsenale: AI, chatboty i big data

Właśnie ten ostatni element może okazać się najważniejszy dla dużej część klientów Snowflake'a. Może on bowiem uwolnić zasoby IT do pracy nad bardziej zaawansowanymi aplikacjami. Co ciekawe, teraz użytkownicy biznesowi mogą budować... chatboty.

W trakcie prezentacji na scenie - obok Christian Kleinermana, szefa produktu Snowflake - pojawiła się losowo wybrana przedstawicielka publiczności, która z aktywnym korzystaniem z platformy miała niewiele wspólnego. Kilka minut później mogła korzystać z własnoręcznie wygenerowanego chatbota, który odpowiadał na pytania o służbowe podróże czy korzystanie z korporacyjnych aplikacji.

Jak tworzy się Snowflake'owego chatbota? Najpierw należy mu wskazać zasoby do przeanalizowania. W tym kontekście były to firmowe dokumenty z różnych sfer. Oprogramowanie następnie było w stanie wyekstrahować tekst z nieustrukturyzowanych zasobów i połączyć go z danymi ustrukturyzowanymi.

Oprogramowanie zajmuje się też wykorzystaniem mocy obliczeniowych (chipy Nvidi - kluczowe dla działania dużych modeli językowych) i zarządzaniem dostępem danych. Produkt końcowy nie tylko prezentuje odpowiedź na zadane pytanie, ale pozwala również na szybkie przeskoczenie do miejsca w dokumencie źródłowym, z którego pochodzą informacje.

Mniej imponującą wersją tego procesu jest narzędzie ochrzczone nazwą Document AI. Pozwala ono na łatwe wyodrębnianie treści z danych nieustrukturyzowanych. Jednym z przykładów może być zbudowanie procesu, który ze skanów faktur wyodrębnia ich wartości, a później buduje prosty dashboard to prezentacji danych w zagregowanej formie.

Co ciekawe, model językowych, który napędza Document AI wcale nie jest duży. Ma mniej, niż milion parametrów, co stawia go znacznie niżej w klasyfikacji, niż np. ChatGPT czy Gemini. Ma to jednak swoje plusy - jego działanie nie jest tak kosztowne, co w skali setek użytkowników, którzy chcieliby tworzyć swoje chatboty ma ogromne znaczenie.

Czytaj więcej o sztucznej inteligencji:

Studio ma zaoferować środowisko do łączenia firmowych danych z dużymi modelami językowymi. Dostępne mają być LLM-y od Google'a, Mety, Mistrala, Reki i samego Snowflake’a - Arctic. Dzięki temu dane nie będą opuszczały bezpiecznego środowiska bazy danych ze skonfigurowanym dostępem i restrykcjami.

Technologię wykorzystywaną do przechowywania danych również czeka aktualizacja. To ostatnia z dużych nowości, jaką zaprezentował Snowflake.

Wraz ze wzrostem wolumenu danych, którymi obracają przedsiębiorstwa pojawiła się konieczność odejścia od relacyjnych baz danych. W ten sposób narodził się termin big data wraz z technologiami takimi, jak Hadoop, pozwalającymi na zarządzania ogromnymi zasobami danych. Równolegle pojawiły się silniki interpretacyjne, które na tych zasobach były w stanie wykonywać zapytania SQL (to m.in. Spark, Trino, Flink, Presto, Hive czy Impala). Najnowszym elementem tej układanki jest zaś format tabel Iceberg, rozwijany przez fundację Apache.

Co ciekawe, działa nie tylko ze Snowflakiem, ale również na platformie AWS, Azure, GCP, Confluent, Dremio, co zapewnia standardowi interoperacyjność, a jednocześnie daje klientom pewność, że nie zostaną uzależnieni od dostawcy (vendor lock-in). Snowflake ogłosił jego implementację w ramach Polaris Catalog, który jest już dostępny dla wszystkich klientów firmy. Snowflake ma udostępnić go na licencji open source, co ma przekonać nowych klientów do sprawdzenia platformy.