Google Cloud introduceert AI-agents voor dataverwerking

Google Cloud introduceert AI-agents voor dataverwerking

Google Cloud kondigt een reeks nieuwe AI-functies aan die gericht zijn op het inzetten van agents binnen dataomgevingen. 

De agents zijn gespecialiseerde softwaretoepassingen die zelfstandig datataken kunnen uitvoeren en worden gepositioneerd als aanvulling op bestaande workflows. De introductie markeert volgens Google een verschuiving naar meer autonome samenwerking tussen mens en machine in dataverwerking.

Voor data-engineers komt er in BigQuery een Data Engineering Agent beschikbaar. Die genereert datapijplijnen op basis van natuurlijke taal. Hiermee kan men bewerkingen zoals dataloads, transformaties en kwaliteitscontroles grotendeels automatiseren. In dezelfde omgeving komt ook een Data Science Agent beschikbaar die taken zoals data cleaning, feature engineering en modeltraining zelfstandig uitvoert. De gebruiker blijft betrokken via terugkoppeling en aanpassingsmogelijkheden.

Uitbreiding van Conversational Analytics Agent

Voor businessgebruikers wordt de eerder gelanceerde Conversational Analytics Agent uitgebreid met een zogeheten Code Interpreter. Die kan vragen in natuurlijke taal omzetten in Python-code en resultaten presenteren in de vorm van visualisaties, met tekstuele toelichting. Dit moet geavanceerdere analyses mogelijk maken voor gebruikers zonder programmeerkennis.

Naast de introductie van deze agents stelt Google ook middelen beschikbaar voor ontwikkelaars die zelf agents willen bouwen of bestaande toepassingen willen uitbreiden. Onder de noemer Gemini Data Agents komen API’s en een ontwikkelkit beschikbaar. Daarmee kunnen bedrijven hun eigen agents koppelen aan Google’s platform. Of aan conversatiegestuurde functionaliteit in hun toepassingen kunnen opnemen.

Onderliggend aan deze aankondigingen zijn er ook veranderingen aan de datastructuur zelf. Zo introduceert Google een kolommotor in Spanner, bedoeld om analytische queries op transactionele data aanzienlijk te versnellen. BigQuery krijgt daarnaast ondersteuning voor vector search en automatische embedding van data, wat belangrijk is voor toepassingen zoals retrieval-augmented generation. In AlloyDB wordt een vergelijkbare stap gezet met optimalisaties voor vector search op live data.

Ook wordt in BigQuery een AI Query Engine toegevoegd. Die maakt het mogelijk om vragen te stellen waarbij semantiek of interpretatie een rol speelt, zoals het analyseren van klantfeedback op toon of emotie, binnen een SQL-query.