
IBM–Confluent เร่งโครงสร้างข้อมูลใหม่รับ AI Agent ขององค์กร
IBM และ Confluent ผลักดัน Streamhouse เชื่อมระบบข้อมูลเดิมกับคลาวด์ รองรับ AI Agent และการขยายบริการดิจิทัลในเอเชียแปซิฟิก
การเติบโตอย่างก้าวกระโดดของบริการดิจิทัลในภูมิภาคเอเชียแปซิฟิก สร้างความคาดหวังให้ระบบปฏิบัติการต้องตอบสนองผู้บริโภคแบบทันที เงื่อนไขดังกล่าวเป็นโจทย์สำคัญของการนำ AI Agent มาใช้งาน เนื่องจากระบบต้องมองเห็นสถานะธุรกิจที่เป็นจริง ณ ขณะตัดสินใจ ส่งผลให้การมีเพียงระบบสตรีมมิงพื้นฐานอย่าง Apache Kafka อาจไม่เพียงพอหากขาดกลไกสืบค้นข้อมูลแบบเรียลไทม์
ยกระดับแพลตฟอร์มสู่ 5 เสาหลักข้อมูลเรียลไทม์และมาตรฐาน MCP
Confluent บริษัทในเครือ IBM จึงพัฒนาสถาปัตยกรรม Streamhouse ที่รวมความสามารถ 5 เสาหลักไว้บนแพลตฟอร์มเดียว ประกอบด้วย Stream ที่ขับเคลื่อนด้วย Apache Kafka และ Kora Engine ซึ่งมีความหน่วงต่ำกว่า 1 มิลลิวินาทีจากการทดสอบภายใน รวมถึง Connect ที่รองรับตัวเชื่อมต่อกว่า 150 รายการ ควบคู่กับ Process ที่ใช้ Apache Flink ประมวลผลข้อมูลใกล้แหล่งกำเนิด และ Govern สำหรับควบคุมคุณภาพและความปลอดภัยของข้อมูลอย่างครบวงจร
สำหรับเสาหลักด้านที่ห้าอย่าง Query ถูกเพิ่มเข้ามาเพื่อส่งต่อบริบททางธุรกิจให้แก่ระบบวิเคราะห์ข้อมูล AI Agent และแอปพลิเคชันอย่างเหมาะสม โดยแบ่งช่องทางเข้าถึงออกเป็น Confluent Tableflow สำหรับส่งออกข้อมูลสู่ Lakehouse ในรูปแบบ Open Table Format ทำงานร่วมกับ Real-Time Context Engine ที่เชื่อมโยงบริบทปัจจุบันให้แก่ AI Agent ผ่านมาตรฐาน Model Context Protocol (MCP) และบริการใหม่ล่าสุดอย่าง Lightning Tables
ผ่าสเปก Lightning Tables บน AWS ลดความซับซ้อนด้วยความเร็วระดับมิลลิวินาที
Lightning Tables ซึ่งเปิดให้บริการอย่างเป็นทางการบน AWS ผ่าน Confluent Cloud ทำหน้าที่เป็นชั้นให้บริการข้อมูลแบบอ่านอย่างเดียว (Read-Only Serving Layer) โดยแปลงกระแสข้อมูลจาก Kafka เป็นตารางที่อัปเดตอัตโนมัติ ระบบช่วยลดความจำเป็นในการสร้างท่อส่งข้อมูล ETL หรือระบบ Cache แยกต่างหาก ทั้งนี้ ผลการทดสอบภายในระบุว่าสามารถนำข้อมูลใหม่มาให้บริการได้ในเวลาประมาณ 100 มิลลิวินาที มีค่า Query Latency อยู่ที่ 10 ถึง 100 มิลลิวินาที และรองรับการสืบค้นมากกว่า 1,000 ครั้งต่อวินาที
นอกเหนือจากความเร็วในการประมวลผล Lightning Tables ยังเปิดให้แอปพลิเคชันเข้าถึงข้อมูลผ่านทั้งภาษา SQL และ Direct API ภายใต้ระบบกำกับดูแลแบบรวมศูนย์ตั้งแต่ต้นทางจนถึงปลายทาง ระบบยังรองรับการบริหารจัดการการเปลี่ยนแปลงโครงสร้างข้อมูล (Schema) เพื่อป้องกันไม่ให้แอปพลิเคชันปลายทางเกิดข้อผิดพลาด รวมถึงสามารถทำงานร่วมกับ Flink เพื่อทำหน้าที่เป็น Feature Store รองรับงาน Machine Learning และการสร้างประสบการณ์เฉพาะบุคคลแบบเรียลไทม์
หมากเกม Hybrid AI ของ IBM–Confluent กับความท้าทายขององค์กรในเอเชียแปซิฟิก
ในระดับยุทธศาสตร์อุตสาหกรรม Confluent ถือเป็นกลไกสำคัญในแผนงานด้านข้อมูลของ IBM เพื่อผสานความสามารถด้านการสตรีมข้อมูลเรียลไทม์เข้ากับเทคโนโลยีด้านการบูรณาการข้อมูล (Integration) การกำกับดูแล และปัญญาประดิษฐ์ แนวทางดังกล่าวได้รับการออกแบบมาเพื่อรองรับสภาพแวดล้อมแบบ Hybrid โดยเฉพาะ ช่วยให้องค์กรสามารถเชื่อมโยงระบบจัดเก็บข้อมูลดั้งเดิมเข้ากับระบบคลาวด์สมัยใหม่ได้อย่างราบรื่น
Greg Taylor รองประธานอาวุโสและผู้จัดการทั่วไปประจำภูมิภาคเอเชียแปซิฟิกของ Confluent ชี้ให้เห็นว่า องค์กรในภูมิภาคนี้กำลังขยายระบบดิจิทัลอย่างรวดเร็ว แต่ AI Agent จะตัดสินใจได้อย่างมีประสิทธิภาพก็ต่อเมื่อมองเห็นภาพรวมสถานะจริงทั่วทั้งองค์กร ณ เวลาปฏิบัติการ สถาปัตยกรรม Streamhouse จึงเข้ามาช่วยต่อยอดจากโครงสร้างพื้นฐานข้อมูลเดิมที่มีอยู่ เพื่อสร้างรากฐานข้อมูลที่เป็นปัจจุบันชุดเดียวกันให้ทุกส่วนงานใช้งานร่วมกัน
ทิศทางโครงสร้างพื้นฐานข้อมูลสำหรับองค์กรยุคใหม่
การหลอมรวมระบบสตรีมมิง การประมวลผล การกำกับดูแล และการสืบค้นข้อมูลความหน่วงต่ำไว้ในแพลตฟอร์มเดียว ช่วยลดภาระทางวิศวกรรมและต้นทุนโครงสร้างพื้นฐานขององค์กรได้อย่างเป็นรูปธรรม สำหรับธุรกิจในภูมิภาคเอเชียแปซิฟิก การต่อยอดระบบ Hybrid เดิมด้วยชั้นข้อมูลเรียลไทม์ที่ได้มาตรฐาน จะเป็นปัจจัยสำคัญที่ช่วยให้การขยายผล AI เชิงปฏิบัติการเกิดขึ้นได้อย่างรวดเร็ว ปลอดภัย และแม่นยำยิ่งขึ้น







