Databricks｜企業數據打穩基礎 AI落地如虎添翼 新架構須兼容多代理
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
人工智能（AI）代理快速走向企業落地，但再先進的AI模型與代理架構，背後均須良好的資料基礎支撐，才能產生穩定、可信且可規模化的成果。美國數據庫巨頭Databricks現場工程副總裁艾爾斯（Nick Eayrs），日前赴港接受本報專訪表示，任何打算引入AI代理的企業，最終都要回到資料品質、數據治理。
艾爾斯提到，「如果沒有良好數據基礎，不管你用AI代理建構什麼，都沒太大意義，也不會得到什麼好結果……你真的需要把組織所有資料整合起來，並且在一個理想的統一資料平台、AI平台儲存和處理那些資料。」像DataBricks去年推出的Agent Bricks，便是針對此點而發。
面對AI代理流行，傳統數據庫往往無法滿足新時代要求，因為在多代理環境當中，可能有數十、數百，以至上千個代理同時運作，所以數據庫必須具備極低延遲、高伸縮能力。此外，數據庫須持續整合、開發、測試，甚至還得提供分支（branching）等能力，才能配合AI軟件工程生命周期。
亞洲應用開發領先全球
艾爾斯又提到，為了確保AI工作負載在大規模、持續且經濟的條件下運行，數據庫的計算層與儲存層應該徹底解耦，前者要依需求快速擴縮，後者則要盡量留於低成本的「物件儲存」架構，這些也是Databricks近年大力投資Lakebase的核心原因。
談及企業導入人工智能，艾爾斯認為企業不能只部署一些工具，而是需要重新設計核心工作流程。
他舉出新加坡航運公司Hafnia作為案例，該企正是由數據庫底層重頭構建DNA Port平台，結果不只是把儀錶板更新得更快，而是能夠讓內部的任何人員，都能快速地探索資料、取得AI洞察，更把AI應用開發時程由數個月縮短至幾天。
根據艾爾斯的觀察，亞洲客戶「在數碼化方面非常領先，傾向更快採用技術，比世界上任何其他地方更快……每個人都專注於把價值帶給服務對象，包括消費者、公民或病患。」就算是要求高度合規的領域，企業亦會積極加強數據治理與AI能力，令他印象深刻的具體例子之一，就是香港的友邦保險（01299）。
合規未必是阻力 忌急於求成
艾爾斯又稱，合規本身未必是創新的阻力，真正拖慢創新的通常是急於求成，在缺乏治理基礎下大量展開AI項目。
他建議企業要先把數據治理、權限控管、資料分類與政策框架都做好，這樣後續創新自然便會變快。
最後，艾爾斯以手機配件公司CASETiFY為例。他指出，該消費品牌把資料與AI整合，深入窺探客戶在網上、門市的即時行為，再推動個人化推薦、行銷，既能提升營收，又能降低行銷支出。由此顯示AI價值不在回顧過去，而是預測與驅動下一步行動，這亦是企業投資AI取得回報的重點。
採訪、撰文：郭文德
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
