Poduzeća koja uvode generativnu umjetnu inteligenciju nailaze na paradoks: agenti bi trebali samostalno reagirati na ključne poslovne događaje, ali većina informacija stiže iz baza koje se osvježavaju tek jednom na sat ili jedanput dnevno. Kad je riječ o pogrešnoj transakciji ili srušenoj mreži, to je jednostavno – prekasno.
Confluent tvrdi da je pronašao rješenje. Tvrtka je predstavila real-time context engine, sloj infrastrukture koji nadograđuje Apache Kafka (za hvatanje događaja dok se događaju) i Apache Flink (za njihovu obradu u hodu). Ideja je stvoriti jedinstveni, uvijek svjež skup podataka kojim se AI agenti mogu služiti bez dodatnih upita ili skupe predobrade.
„Today, most enterprise AI systems can't respond automatically to important events in a business without someone prompting them first”, upozorava Sean Falconer, voditelj AI-a u Confluentu. „This leads to lost revenue, unhappy customers or added risk when a payment fails or a network malfunctions.”
Tri sloja za brze odluke • Real-time context engine – Povezivači uvlače događaje u Kafka tokove, Flink ih udružuje u tzv. izvedene skupove podataka, a potom ih izlaže kroz upravljani MCP poslužitelj. • Streaming agents – Proprietarno okruženje u kojem agenti rade izravno na Flinku, sami prate tokove i pokreću se kad su uvjeti ispunjeni; dostupno je u javnom pregledu. • Flink Agents – Otvoreni okvir razvijen s Alibaba Cloudom, LinkedInom i Ververicom. Donosi iste mogućnosti korisnicima koji žele izbjeći vezanost uz Confluentovu uslugu u oblaku.
Batch naspram streaminga Klasični ETL pristup pogodan je za statistiku, ali ne i za rad u stvarnom vremenu: dok se posao ekstrakcije, transformacije i učitavanja ne okonča, agenti barataju zastarjelim podacima. Streaming okida sve suprotno – svaki unos u bazi, klik korisnika ili očitanje senzora postaje događaj koji odmah putuje kroz sustav, a Flink ga obrađuje u milisekundama. To omogućuje isporuku tzv. „strukturnog konteksta” – kombinacije svježih signala iz više operativnih sustava, nužne npr. za preporuku poslova ili prevenciju prijevara.
Primjer iz prakse Američki startup Busie, koji razvija operativni sustav za prijevoznike, već koristi Confluentovu platformu. „In our case, every action like a quote sent or a driver assigned becomes an event that streams through the system immediately”, ističe suosnivač i direktor Louis Bookoff. „That live feed of information is what will let our AI tools respond in real time with low latency rather than just summarize what already happened.”
Konkurencija se zahuktava Samo dan prije Confluenta, Redpanda je najavila vlastiti Agentic Data Plane – spoj streaminga, SQL-a i upravljanja podacima krojen baš za AI agente. Dok Redpanda naglasak stavlja na federirani SQL nad podatkom u pokretu i mirovanju, Confluent se kladi na duboku integraciju Kafke i Flinka. Analitičke platforme poput Databricksa i Snowflakea kreću iz suprotnog smjera: iz svijeta skladišta podataka dodaju streaming kao nadogradnju.
Što slijedi za tvrtke Organizacije prvo moraju prepoznati gdje im zastoj znači propušten prihod ili povišen rizik – primjerice u otkrivanju prijevara ili intervenciji prema korisniku tijekom same sesije. Ako odluka mora pasti u sekundi, streaming kontekst prestaje biti opcija i postaje preduvjet.
„When you're building applications on top of foundation models, because they're inherently probabilistic, you use data and context to steer the model in a direction where you want to get some kind of outcome”, zaključuje Falconer. „The better you can do that, the more reliable and better the outcome.”