Основа даних і ШІ для агентського підприємства
Здатність вашої організації використовувати переваги штучного інтелекту залежатиме від стратегії даних вашого підприємства. Агентам потрібна нова база даних, яка поєднує аналітичні платформи для їхніх багатих історичних петабайтів даних із високопродуктивними транзакційними базами даних для дій у реальному часі. Агенти повинні бути міцно обґрунтовані керованими корпоративними даними, щоб вони могли створювати надійні результати. Розрізнені, фрагментовані стеки даних не можуть запропонувати ці можливості.
Хмара даних Google ґрунтується на інтеграції BigQuery як аналітичної системи, таких баз даних, як Spanner і AlloyDB для оперативної обробки, Looker для бізнес-аналітики та Dataplex Universal Catalog для керування даними та керування ними. Він розроблений з єдиним уніфікованим баченням, де операційні, аналітичні системи та системи штучного інтелекту працюють разом як єдина структура. Завдяки штучному інтелекту, впровадженому в кожен рівень, платформа автоматизує завдання протягом усього життєвого циклу даних. Базуючись на бізнес-контексті та корпоративних даних, він надає надійну аналітичну інформацію в масштабі. Ця активна основа постійно адаптується за допомогою інтелектуальних даних у реальному часі, дозволяючи командам створювати інтелектуальні додатки наступного покоління та агентський досвід, мінімізуючи при цьому складність.
Давайте розглянемо три переваги, які підприємства усвідомлюють, коли працюють в уніфікованій хмарі даних на основі штучного інтелекту, а також наші останні інновації, які допоможуть вам процвітати в епоху агентів.
Прискорення виходу на ринок завдяки автономному дизайну
Щоб швидко рухатися в епоху агентів, ваша організація повинна видалити ручні процеси, які відокремлюють дані від дій, керованих ШІ. Наша хмара даних із штучним інтелектом передає потужність штучного інтелекту безпосередньо у ваші дані, щоб забезпечити роботу автономних агентських систем. Це своєчасно, оскільки клієнти все більше переходять на робочі процеси, керовані штучним інтелектом, про що свідчить збільшення в 27 разів обсягу даних, які обробляються в BigQuery за допомогою Gemini.
Ми втілюємо це бачення, вбудовуючи набір спеціалізованих агентів безпосередньо в платформу. Ми надаємо спеціалізований автономний агент даних для будь-якого типу користувачів даних — від спеціалістів із обробки даних та інженерів до бізнес-аналітиків. До них відносяться Data Engineering Agent для автоматизації складних трубопроводів, в Data Science Agent для виконання моделювання ML без ручного налаштування та Агент розмовної аналітики щоб дозволити будь-якому користувачеві у вашій організації отримувати відповіді за допомогою природної мови. Ці агенти утворюють спільну мережу агентів штучного інтелекту, яка може забезпечити наскрізні робочі процеси даних.
Ваші розробники також мають інструменти, необхідні для створення агентів, адаптованих до ваших конкретних бізнес-процесів, наприклад, новий Data Agents API та Комплект розробки агента (ADK). Розширення Gemini CLI дозволяють групам даних використовувати природну мову для комплексного аналізу, а також Аналітика агента в BigQueryстворений за допомогою ADK, дозволяє фіксувати, аналізувати та візуалізувати продуктивність агента, взаємодію користувачів і пов’язані з ними витрати.
Ці можливості забезпечують бізнес-результати. Лоу реалізували першу стратегію штучного інтелекту в хмарі даних Google для свого сайту електронної комерції та мобільного додатка, щоб покращити пошук продукту для клієнтів, які роблять покупки з візуальними перевагами. Тепер клієнти можуть знаходити візуально подібні продукти, що призводить до додаткового річного доходу на понад 15 мільйонів доларів США від предметів домашнього декору та підвищення коефіцієнтів конверсії продажів.
Контролюйте операційні витрати на єдиному керованому фонді
Фрагментація даних може призвести до високих витрат на ШІ. Хмара даних від Google — це інтегрована платформа, яка об’єднує всі ваші операційні та аналітичні навантаження, включаючи легку інтеграцію з Vertex AI, нашою платформою для створення моделей і агентів ШІ. Це мінімізує переміщення та зберігання зайвих даних і створює більш ефективну економічну модель. Насправді, згідно з нашим аналізом, може бути у вісім-16 разів рентабельніше виконувати робочі навантаження з даними та штучним інтелектом на одній платформі BigQuery та Vertex AI, ніж на окремих відключених системах.
В епоху агентів довіра та поступливість мають першорядне значення. Відключені дані та штучний інтелект потенційно становлять значний ризик для управління: загроза витоку даних, галюцинації агентів, упереджені результати та недотримання нормативних вимог. Ефективне управління допомагає забезпечити чесність цих агентів. У той же час механізм управління та знань платформи створює активний каталог AI у вашій хмарі, забезпечуючи вам глибоке розуміння вашого середовища даних. Агенти штучного інтелекту можуть використовувати цей каталог для визначення правильних наборів даних для використання з більш ніж на 50% більшою точністю, ніж традиційні методи, зменшуючи помилки та покращуючи довіру.
Ми продовжуємо надавати нові функції, які зміцнюють цю основу. Наприклад, для ШІ контекст — це все, але надання цього контексту може бути складним, коли ви навчаєте агентів мультимодальним даним, таким як текст, відео та зображення. Щоб допомогти, ми об’єднали повний спектр можливостей ШІ в BigQuery. Незалежно від того, чи хочете ви створювати моделі машинного навчання, обробляти величезні обсяги неструктурованих даних за допомогою генеративного штучного інтелекту або створювати додатки з розширеною генерацією пошуку (RAG) за допомогою векторних вбудованих і гібридний пошуктепер ви можете робити це безпосередньо там, де зберігаються ваші дані. Векторний пошук Спаннератим часом об’єднує складні мультимодальні запити, дозволяючи вашим командам консолідувати повнотекстовий пошук, графіки та векторні навантаження в одній системі.
У той же час, автономні, критично важливі програми, такі як ті, які покладаються на фінансові транзакції в реальному часі або виконують глобальні оновлення інвентаризації, повинні бути побудовані на перевіреній базі даних. Новий колонний двигун Spanner об’єднує транзакційну та аналітичну обробку, завдяки чому аналітичні запити виконуються до 200 разів швидше на поточних оперативних даних.
У звіті Gartner Critical Capabilities for Operational Cloud DBMS за 2025 рік компанія Google (Spanner) посіла першу трійку рейтингів серед усіх варіантів використання, у тому числі №1 у легких транзакціях. А Google (BigQuery) посіла перше місце в аналізі подій у звіті Gartner Critical Capabilities for Analytical Cloud DBMS за 2025 рік, що, на нашу думку, підкреслює нашу здатність забезпечувати обробку даних у реальному часі, необхідну для високопродуктивних автономних систем.
Ви можете побачити стратегічну перевагу об’єднаного керованого фонду в Banco BV's зусилля з модернізації. Компанія перейшла з Databricks на Google Cloud, щоб покращити керування, масштабувати свою інфраструктуру даних і задовольнити зростаючі вимоги клієнтів, суворо керуючи безпекою. Завдяки міграції, централізації керування даними та прискоренню тестування моделі штучного інтелекту вони прагнуть підвищити ефективність бізнесу на 100%.
Розрахована на майбутнє ваша архітектура з відкритою платформою
Щоб забезпечити довгострокову життєздатність і запобігти прив’язці до постачальника, ваші інвестиції в ШІ потребують фундаменту, заснованого на відкритих стандартах. Відкрита платформа дає вашим командам гнучкість для модернізації вашої екосистеми даних і створення систем на основі ШІ, які можуть обробляти дані в будь-якому хмарному середовищі. Цей підхід вирішує компроміс між гнучкістю озера даних і продуктивністю сховища даних.
Ми виконуємо обіцянку щодо інновацій відкритої платформи, віддаючи пріоритет швидкості, безпеці та гнучкості. AlloyDB більш ніж у чотири рази швидше для транзакційних робочих навантажень і забезпечує вдвічі кращу ціну-продуктивність порівняно з самокерованим PostgreSQL. Крім того, ви можете запускати його де завгодно за допомогою AlloyDB Omni, створюючи мульти- та гібридні хмарні середовища. Для ваших критичних робочих навантажень Spark ми забезпечуємо високу продуктивність Lightning Engine для Apache Sparkтепер загальнодоступний. Цей механізм покращує продуктивність Spark більш ніж у чотири рази порівняно з Spark з відкритим кодом і забезпечує на 10% швидше виконання запитів, ніж Databricks Photon.
Потім, щоб зберегти ваші дані в майбутньому, ми зберігаємо все доступним і сумісним Велике Озеронаш рівень керування, який діє як об’єднуюча структура для ваших відкритих даних. Наша підтримка відкритих форматів, включаючи нещодавню загальну доступність каталогу Apache Iceberg REST, допомагає вашим даним залишатися доступними та готовими для ваших майбутніх потреб.
Наша прихильність відкритим інноваціям демонструється Deutsche Telekomякий модернізував понад 40 застарілих систем даних у «Єдину екосистему даних» у Google Cloud відповідно до суворих німецьких норм щодо суверенітету даних. Використовуючи Sovereign Cloud і Apache Iceberg як основну відкриту платформу, вони створили уніфіковану, сумісну архітектуру, яка забезпечує єдине джерело істини для таких служб, як BigQuery та Spanner, що призвело до 22-кратного підвищення продуктивності для ключового випадку використання.
що далі
Щоб дізнатися більше про наше розміщення та про те, як, на нашу думку, ми можемо пришвидшити вашу подорож даних, завантажте безкоштовний файл Звіт Gartner Magic Quadrant for Cloud Database Management Systems за 2025 рік.
Gartner, Magic Quadrant for Cloud Database Management Systems, Генрі Кук, Сінгю Гу, Рамке Рамакрішнан, Аарон Розенбаум, Масуд Міраз, 18 листопада 2025 р.
Gartner, Critical Capabilities for Cloud Database Management Systems for Operational Use Cases, Ramke Ramakrishnan, Masud Miraz, Xingyu Gu, Henry Cook, Aaron Rosenbaum, 19 листопада 2025 р.
Gartner, Critical Capabilities for Cloud Database Management Systems for Analytical Use Cases, Аарон Розенбаум, Рамке Рамакрішнан, Генрі Кук, Сінью Гу, Масуд Міраз, 19 листопада 2025 р.
Gartner не підтримує жодного постачальника, продукт або послугу, описану в її дослідницьких публікаціях, і не радить користувачам технологій вибирати лише тих постачальників із найвищими рейтингами чи іншими позначеннями. Публікації досліджень Gartner складаються з думок дослідницької та консультативної організації Gartner і не повинні розглядатися як констатації фактів. Gartner відмовляється від будь-яких гарантій, явних чи непрямих, щодо цього дослідження, включаючи будь-які гарантії товарної придатності чи придатності для певної мети.
GARTNER є зареєстрованою торговою маркою та знаком обслуговування Gartner, Inc. та/або її філій у США та за кордоном, а MAGIC QUADRANT є зареєстрованою торговою маркою Gartner, Inc. та/або її філій і використовуються тут з дозволу. Всі права захищені.
Ця графіка була опублікована Gartner, Inc. як частина більшого дослідницького документа, і її слід оцінювати в контексті всього документа. Документ Gartner доступний за запитом від Google.