Intelligenza Artificiale

AI agenti pronti, i dati sono il vero collo di bottiglia: la necessità di infrastrutture aggiornate

L'83% delle organizzazioni deve upgradeare l'infrastruttura per supportare agenti AI; il nuovo Agentic Data Cloud unifica dati, modelli e database per una gestione sicura e scalabile.

nuvole di dati e circuiti in blu e verde con atmosfera tech

Secondo il nostro State of AI Infrastructure Report, l'83% delle organizzazioni riconosce di aver bisogno di upgradeare l'infrastruttura per supportare agenti AI di produzione.

nuvole di dati e circuiti in blu e verde con atmosfera tech

Il principale collo di bottiglia non è la potenza dei modelli, ma l'accesso a dati contestuali e semanticamente significativi. Gli agenti AI operano a velocità non lineare, generando richieste di lettura, scrittura e calcolo su più sistemi, mettendo alla prova la layer di dati sottostante.

Il nuovo Agentic Data Cloud di Google Cloud unifica dati, modelli AI e database operativi in un unico System of Action, progettato per essere nativo AI, capace di gestire carichi di lavoro agentici con infrastrutture ottimizzate.

Per realizzare questa visione, è fondamentale disporre di un Lakehouse borderless basato su tecnologie open come BigQuery e Apache Iceberg, con cataloghi di conoscenza attivi che forniscono contesto in tempo reale agli agenti.

Le sfide includono l'integrazione con API e fonti dati legacy (citato dal 43% degli IT leader), la complessità operativa (81% dei leader segnala costi di ingegneria eccessivi) e la mancanza di database vectorali ad alta throughput per il grounding dei modelli (36% dei leader).

La soluzione proposta è un'infrastruttura co-designata, dove modelli, dati e acceleratori sono ottimizzati insieme, riducendo i passaggi di rete e migliorando l'efficienza, la sicurezza e la governance.

#AI

Articoli correlati

Diagramma astratto di un'architettura a due livelli per memoria AI: cache veloce in primo piano e database relazionale sullo sfondo, colori blu e verde tecnologia
Intelligenza Artificiale

Memoria a lungo termine per agenti AI: architettura a due livelli con AlloyDB e Memorystore per Valkey

Google Cloud presenta un'architettura a due livelli per la memoria persistente degli agenti AI: Memorystore per Valkey come buffer di sessione a breve termine e AlloyDB AI per la memoria a lungo termine. L'approccio riduce i costi dei token fino al 70% e accelera i tempi di risposta dell'80%, mantenendo regole e vincoli aziendali intatti nel tempo.