(Piotr Swat/Shutterstock)
Por que tantos agentes de IA corporativos ainda estão presos no modo piloto? As empresas investiram pesadamente na construção de sistemas inteligentes, mas a maioria nunca passa da fase de teste. O problema geralmente não é os próprios modelos. É uma tarefa desafiadora de alimentar continuamente os agentes os dados certos e conectá -los às ferramentas que os permitem tomar medidas significativas.
Com seus novos agentes de streaming, capacidade para o Apache Flink, o confluente pretende resolver essa lacuna. A empresa diz que permite que os agentes da IA aproveitem fluxos de dados ao vivo, tomem decisões com reconhecimento de contexto e acionem ações automatizadas em escala. O objetivo é ir além dos experimentos paralisados e ajudar as empresas a implantar agentes de IA que realmente agregam valor.
O salto do protótipo para a produção continua sendo uma das maiores barreiras à IA agêntica. A IDC relata que as organizações lançaram uma média de 23 pilotos da Genai entre 2023 e 2024mas apenas três atingiram a produção. Apenas 62% deles até atenderam às expectativas. Muitos desses projetos perdem impulso quando as equipes encontram a complexidade dos fluxos de trabalho do mundo actual. Sem contexto oportuno ou integração forte, os agentes geralmente ficam aquém.
“Enquanto a maioria das empresas está investindo em IA agêntica, suas arquiteturas de dados não podem apoiar os recursos autônomos de tomada de decisão que esses sistemas exigem”, disse Stewart Bond, vice-presidente de software program de inteligência e integração de dados da IDC. “As organizações devem priorizar as soluções Agentic AI que oferecem integração fácil e segura e aproveitam os dados em tempo actual para o contexto essencial necessário para uma ação inteligente”.
(Innni/Shutterstock)
Com seus novos agentes de streaming, capacidade para o Apache Flink, o Confluent quer mudar isso. Em vez de construir agentes de IA que ficam à margem, desconectados de atividades reais, os agentes de transmissão os colocam dentro do fluxo do que está acontecendo. Esses agentes não esperam por atualizações. Eles exploram fluxos contínuos de dados em tempo actual, ficam cientes dos eventos à medida que se desenrolam e respondem com o contexto completo.
A ponte da divisão entre a ambição da IA e os resultados reais é exatamente o que o confluente está tentando abordar. “A IA Agentic está no roteiro de todas as organizações. Mas a maioria das empresas está presa no protótipo Purgatory, ficando para trás enquanto outros correm em direção a resultados mensuráveis”, disse Shaun Clowes, diretor de produtos da Confluent. A questão, ele observou, não é a inteligência do agente, mas a falta de um novo contexto de negócios.
“Até seus agentes de IA mais inteligentes estão voando cegos se não tiverem um novo contexto de negócios”, explicou Clowes. Os agentes de streaming foram criados para simplificar o trabalho confuso de conectar dados e ferramentas em algo utilizável. Ao dar às equipes uma fundação em tempo actual, a plataforma pretende ajudar as organizações a passar por experimentos iniciais e, na verdade, implantar agentes que geram mudanças significativas em todo o negócio.
Essa fundação inclui mais do que apenas dados de eventos ao vivo. Os agentes de streaming são criados para se conectar com APIs externas, sistemas transacionais e aplicativos de negócios. Isso lhes dá a capacidade de trazer contexto relevante e empurrar decisões para sistemas reais. Seja atualizando um banco de dados, iniciando um fluxo de trabalho ou enviando uma mensagem para um cliente, esses agentes podem tomar medidas significativas onde ele conta.
Os agentes de corrida diretamente dentro do Flink também têm benefícios práticos. Ele mantém a implantação, o teste e o monitoramento do mesmo sistema que as equipes já estão usando. Isso diminui o atrito, especialmente para equipes de engenharia que não desejam integrar mais uma ferramenta apenas para colocar os agentes na produção.
Pontos confluentes para usar casos em que os agentes de streaming não são apenas teóricos, como preços competitivos. No comércio eletrônico, a capacidade de ajustar os preços em tempo actual pode afetar diretamente a receita. O Confluent explica que os agentes de streaming podem monitorar os preços nos websites dos concorrentes e atualizar automaticamente as próprias listagens de um varejista para refletir a oferta mais competitiva. Não há necessidade de verificações manuais ou atualizações atrasadas. Apenas ajustes rápidos e contínuos que ajudam a ganhar a venda.
(Nicoelnino/Shutterstock)
Outro exemplo é como os agentes se conectam a ferramentas e sistemas externos. Usando Modelo Protocolo de Contexto (MCP)Os agentes de streaming podem escolher a ferramenta certa para a situação, seja um banco de dados, uma API ou um aplicativo comercial. Com base no que está acontecendo no fluxo de dados, os agentes podem desencadear ações como escrever para um sistema, atualizar um registro ou enviar uma mensagem, tudo sem esperar pela entrada humana.
Esses exemplos destacam que o confluente de mudança está buscando. Esses agentes não ficam ociosos. Eles permanecem ativos dentro do fluxo da atividade comercial, cientes do que está acontecendo e prontos para agir com o contexto certo.
Embora haja promessa, é provável que os agentes de streaming de lançamento de apresentar desafios. A implementação depende da prontidão e da integração da infraestrutura com os sistemas existentes. A abordagem do Confluent reúne conexões de ferramentas Flink, Kafka e Segura para apoiar essa configuração. A pergunta mais ampla para as empresas é se seus ambientes podem apoiar agentes que operam continuamente e respondem a sinais em tempo actual. A inteligência por si só pode não ser suficiente. O que importa é se os agentes podem acessar o contexto certo, à medida que as condições continuam a mudar em torno dele.
Itens relacionados
Ataccama apresenta agente de IA para gerenciamento de dados aprimorado
O agente de IA reivindica redução de 80% no tempo para concluir as tarefas de dados
O Google empurra os agentes da IA para as tarefas de dados diários