Menu
Close
Peradaban.id

Fakta Membentuk Peradaban

Confluent Siapkan Streamhouse untuk Perbarui Data AI

Smallest Font
Largest Font

Ketidakakuratan informasi bisnis dapat membuat kecerdasan buatan (AI) menghasilkan keputusan yang salah, terutama ketika sistem menggunakan data lama dari berbagai sumber. Untuk mengatasi persoalan tersebut, Confluent memperkenalkan arsitektur data Streamhouse yang dirancang menyediakan informasi bisnis secara real-time, dilansir dari Detik iNET.

Solusi ini ditujukan untuk mendukung penggunaan AI agentik dalam operasional perusahaan. Melalui pengelolaan data yang terus diperbarui, agen AI, aplikasi, dan sistem analitik dapat memperoleh gambaran kondisi organisasi yang lebih akurat sebelum menjalankan tindakan.

Streamhouse menyatukan informasi dari berbagai sistem

Arsitektur Streamhouse mencakup proses pengumpulan, pemrosesan, pengelolaan, hingga penyediaan informasi bisnis secara berkelanjutan. Pendekatan tersebut memungkinkan berbagai aplikasi perusahaan mengakses konteks operasional yang sama tanpa bergantung pada informasi yang sudah tidak sesuai dengan kondisi terbaru.

Senior Vice President sekaligus General Manager APAC Confluent, Greg Taylor, menjelaskan bahwa kemampuan AI dalam menghasilkan keputusan bergantung pada kualitas informasi yang tersedia ketika sistem melakukan tindakan.

"Seorang agen hanya dapat mengambil keputusan yang bermanfaat jika ia dapat melihat gambaran yang akurat di seluruh organisasi saat bertindak. Streamhouse memberikan tim landasan yang terus diperbarui dan terkelola untuk konteks tersebut, sehingga aplikasi dan agen dapat bekerja berdasarkan gambaran terkini yang sama," kata Greg.

Gambaran penerapannya dapat dilihat dalam pengelolaan operasional maskapai penerbangan. Informasi mengenai posisi pesawat, waktu keberangkatan, serta jumlah kursi yang tersedia umumnya tersimpan dalam sistem operasional berbeda.

Pemisahan tersebut berpotensi menimbulkan ketidaksesuaian informasi ketika terjadi perubahan jadwal. Sebagai contoh, sistem pemesanan mungkin masih menampilkan pilihan perjalanan yang tersedia, padahal perubahan operasional pada sistem lain membuat rencana tersebut tidak lagi dapat dijalankan.

Situasi semacam itu dapat memengaruhi kinerja agen AI yang bertugas membantu pelanggan memesan tiket. Rekomendasi perjalanan berisiko tidak sesuai dengan kondisi penerbangan apabila informasi yang digunakan belum diperbarui secara bersamaan.

Streamhouse mengatasi persoalan tersebut dengan menggabungkan perubahan dari berbagai sistem ke dalam aliran informasi yang terus diperbarui. Perubahan posisi pesawat, penundaan keberangkatan, dan pemesanan kursi dapat menjadi bagian dari konteks operasional yang tersedia bagi aplikasi.

Dengan informasi yang terhubung, agen pemesanan dapat memeriksa jadwal penerbangan sekaligus ketersediaan kursi sebelum memberikan pilihan perjalanan kepada penumpang.

Confluent menambahkan kemampuan Query pada platform

Pengembangan Streamhouse turut disertai perluasan kemampuan Platform Data Streaming (DSP) milik Confluent. Perusahaan menambahkan Query sebagai pilar kelima untuk melengkapi empat kemampuan sebelumnya.

Lima kemampuan tersebut memiliki peran berbeda dalam membangun infrastruktur data perusahaan, yaitu:

  • Stream: Mengumpulkan dan mengalirkan peristiwa bisnis menggunakan Apache Kafka dan mesin Kora.
  • Connect: Mengintegrasikan berbagai sistem perusahaan melalui lebih dari 150 konektor.
  • Process: Menggabungkan sekaligus memperkaya informasi dengan Apache Flink.
  • Govern: Mengelola keamanan, kualitas, skema, serta pengaturan akses data.
  • Query: Memberikan akses terhadap konteks bisnis terkini untuk aplikasi, agen AI, dan sistem analitik.

Penambahan Query memungkinkan informasi yang mengalir melalui platform tidak hanya dikumpulkan dan diproses, tetapi juga dimanfaatkan secara langsung oleh sistem yang membutuhkan data terbaru.

Lightning Tables menghadirkan akses data lebih cepat

Salah satu teknologi yang diperkenalkan dalam pengembangan tersebut adalah Lightning Tables. Fitur ini telah tersedia secara umum di AWS melalui Confluent Cloud.

Lightning Tables memungkinkan perusahaan menjalankan query terhadap data streaming dalam format tabel tanpa perlu memindahkan atau menggandakan informasi ke basis data terpisah terlebih dahulu.

Informasi yang bersumber dari Apache Kafka ditampilkan sebagai tabel dinamis. Isinya mengikuti perubahan data sehingga aplikasi dapat memperoleh informasi yang terus diperbarui.

Berdasarkan pengujian internal Confluent, jeda antara pembuatan data baru dan ketersediaannya untuk disajikan berada di sekitar 100 milidetik. Sementara itu, latensi query diklaim berkisar 10-100 milidetik.

Teknologi tersebut juga diklaim mampu menangani lebih dari 1.000 query per detik. Angka ini menjadi bagian dari hasil pengujian internal yang disampaikan Confluent.

Perusahaan menilai pendekatan tersebut dapat mengurangi kebutuhan pembangunan jalur pemindahan informasi, basis data tambahan, serta cache terpisah untuk mendukung aplikasi yang membutuhkan data terkini.

Selain Lightning Tables, kemampuan Query mencakup Confluent Tableflow yang menyediakan data streaming untuk data warehouse dan lakehouse. Ada pula Real-Time Context Engine yang memberikan informasi bisnis kepada agen AI melalui Model Context Protocol (MCP).

AI perusahaan membutuhkan konteks operasional terkini

General Manager Confluent dan Data IBM, Shaun Clowes, menilai ketersediaan informasi aktual menjadi faktor penting dalam menentukan kemampuan agen AI menjalankan tugas perusahaan.

"Era berikutnya dalam AI perusahaan akan dimenangkan oleh agen-agen yang mengetahui apa yang sedang terjadi dalam bisnis pada saat mereka bertindak," ujar Shaun.

Menurut Shaun, akses terhadap konteks bisnis secara langsung dapat membantu perusahaan mengenali indikasi penipuan dengan lebih cepat. Kemampuan tersebut juga dapat mendukung pelayanan pelanggan dan pelaksanaan operasional berdasarkan keadaan terbaru.

Accenture memanfaatkan arsitektur Streamhouse

Penerapan Streamhouse tidak hanya diperkenalkan sebagai konsep pengelolaan infrastruktur data. Accenture menjadi salah satu perusahaan global yang mulai menggunakan arsitektur tersebut untuk menghubungkan informasi operasional dan analitik.

Kepala Strategi Data SAI Accenture, Thomas Mahaffey, menjelaskan bahwa perusahaan sebelumnya menghadapi hambatan akibat penggunaan arsitektur batch dan point-to-point.

Model tersebut menyebabkan pengolahan informasi dilakukan berulang kali. Kondisi ini turut memperlambat proses penyediaan data yang dibutuhkan untuk kegiatan analitik perusahaan.

Setelah menggunakan Streamhouse, Accenture mengintegrasikan aliran informasi dari sejumlah sistem operasional dan analitik menjadi produk data real-time yang dapat dimanfaatkan kembali.

Thomas menyebut perubahan infrastruktur tersebut berhasil memangkas waktu perolehan wawasan bisnis dari berbulan-bulan menjadi beberapa hari. Proses penyusunan laporan perusahaan juga mengalami percepatan setelah penerapan arsitektur tersebut.

Editors Team
Daisy Floren

What's Your Reaction?

  • Like
    0
    Like
  • Dislike
    0
    Dislike
  • Funny
    0
    Funny
  • Angry
    0
    Angry
  • Sad
    0
    Sad
  • Wow
    0
    Wow

Most viewed