Google có kế hoạch tạo ra một ‘gia đình’ các tác nhân AI để tối ưu hóa việc quản lý dữ liệu

Trong thời đại số năm 2025, khi dữ liệu là vàng mới, nhu cầu quản lý dữ liệu hiệu quả trở nên cấp thiết. Google Cloud nổi bật với tầm nhìn táo bạo nhằm cách mạng hóa việc quản lý dữ liệu. Thông qua hội nghị Next 25, công ty đã tiết lộ tham vọng tạo ra một “gia đình” tác nhân trí tuệ nhân tạo (AI) được thiết kế để tối ưu hóa nhiều quy trình kinh doanh liên quan đến quản lý dữ liệu. Những tiến bộ này hứa hẹn sẽ phá vỡ các rào cản hiện tại và tích hợp AI một cách thông minh vào các ứng dụng như BigQuery, đồng thời tận dụng mô hình Gemini mạnh mẽ của ứng dụng này. Nhưng sự chuyển đổi như vậy thực sự có ý nghĩa gì đối với các công ty đang tìm kiếm hiệu quả và đổi mới?

Tham vọng của Google với Gemini: đưa AI tạo ra trở nên phổ biến trong BigQuery

Google Cloud đang hướng đến tương lai bằng cách đưa AI tạo sinh vào dịch vụ BigQuery của mình. Với hàng ngàn người dùng đã áp dụng Gemini như một phần trong chiến lược quản lý dữ liệu của mình, công ty hứa hẹn các công cụ không chỉ thực hiện lệnh mà còn hỗ trợ người dùng trong cuộc sống hàng ngày.

Tại hội nghị, Abhishek Kashyap, Trưởng nhóm quản lý sản phẩm BigQuery, đã báo cáo tỷ lệ chấp nhận hơn 60% cho các đề xuất mã do công cụ Gemini AI Code Assist tạo ra. Hiệu suất này không chỉ minh họa sức mạnh của AI trong quản lý dữ liệu mà còn phản ánh nhu cầu ngày càng tăng đối với các giải pháp AI chuyên dụng, như Kevin Petrie, nhà phân tích tại BARC US đã nhấn mạnh.

Một công cụ phù hợp với nhu cầu ngày càng tăng trong phân tích dữ liệu

Để đáp ứng nhu cầu ngày càng tăng, Google đã giới thiệu các tính năng tạo và hoàn thiện mã SQL và Python tiên tiến trong phiên bản BigQuery Enterprise Plus. Những bổ sung này sẽ đưa AI vào các nhiệm vụ quan trọng như:

• Chuẩn bị và làm sạch dữ liệu
• Thiết kế mô hình dữ liệu tối ưu
• Tạo các khuyến nghị về phân vùng và chế độ xem được thực hiện
• Tạo giao diện đàm thoại để dễ dàng truy cập dữ liệu

Các tính năng mới này nhằm mục đích đơn giản hóa và hợp lý hóa công việc của các nhà phân tích dữ liệu và kỹ sư, cho phép họ tập trung vào các nhiệm vụ có giá trị gia tăng cao hơn thay vì dành thời gian vào việc xử lý dữ liệu cơ bản.

Hỗ trợ chuẩn bị dữ liệu: lợi nhuận đầu tư cụ thể

Với công cụ Prepare Assist trong BigQuery Studio, người dùng có thể xác định sự không nhất quán trong tệp dữ liệu của họ, giải quyết các vấn đề về lược đồ hoặc tự động tạo mã SQL để sửa lỗi. Mặc dù điều này không thay thế hoàn toàn chuyên môn của con người, nhưng nó thể hiện bước tiến đáng kể trong việc tự động hóa các nhiệm vụ lặp đi lặp lại, dành nhiều thời gian hơn cho việc phân tích chiến lược.

Bằng cách tích hợp các tác nhân này vào cơ sở hạ tầng của mình, Google Cloud không chỉ hướng đến mục tiêu cải thiện hiệu quả quy trình mà còn thiết lập một nền tảng thống nhất, nơi mỗi người dùng, dù là nhà phân tích dữ liệu, nhà khoa học dữ liệu hay nhà phân tích kinh doanh, đều có thể tìm thấy sự hỗ trợ phù hợp với nhu cầu cụ thể của mình.

Kết nối các tác nhân AI: Tương lai không có Silo

Mặc dù Google Cloud đã đạt được tiến bộ đáng kể trong việc tích hợp các tác nhân AI, nhưng một trong những thách thức chính nằm ở việc tạo ra sự kết nối thực sự giữa các tác nhân này. Theo các chuyên gia chỉ ra, mục tiêu cần đạt được là chuyển đổi hoàn toàn sang hệ thống không còn sự phân chia. Mục tiêu là đảm bảo các tác nhân làm việc một cách cộng tác, thay vì chỉ hoạt động trong những ngăn kín.

Tầm nhìn của một gia đình các tác nhân AI

Abhishek Kashyap đã chia sẻ tầm nhìn của Google Cloud về một tập hợp các tác nhân được kết nối với nhau, mỗi tác nhân chuyên về các lĩnh vực khác nhau như kỹ thuật dữ liệu, phân tích và quản trị dữ liệu. Các tác nhân này sẽ sử dụng các mô hình Gemini mới nhất để tự động hóa nhiều tác vụ khác nhau:

• Chuẩn bị dữ liệu ngược dòng
• Thiết kế tối ưu của đường ống dữ liệu
• Phát triển thuật ngữ kinh doanh và siêu dữ liệu
• Phát hiện và xử lý các bất thường trong dữ liệu

Tính linh hoạt và khả năng phản hồi của các tác nhân này không chỉ cung cấp thông tin cho quyết định của người dùng mà còn liên tục cải thiện chất lượng dữ liệu. Tuy nhiên, tham vọng này đòi hỏi một lộ trình chính xác để thiết lập một khuôn khổ hài hòa trong đó các tác nhân có thể tương tác dễ dàng.

Những thách thức gặp phải trong quá trình hội nhập

Bất chấp sự nhiệt tình xung quanh những tiến bộ này, một câu hỏi quan trọng vẫn còn đó: làm thế nào chúng ta có thể đảm bảo sự hợp tác hiệu quả giữa các tác nhân AI khác nhau? Thách thức này càng quan trọng hơn khi các nhà khoa học dữ liệu, nhà phân tích kinh doanh và kỹ sư dữ liệu có những kỹ năng và phương pháp cụ thể thường đa dạng.

Để tiếp tục hướng tới lý tưởng tích hợp này, Google cần trao đổi nhiều hơn về cách các tác nhân này có thể tương tác một cách hiệp lực, do đó giảm nguy cơ trùng lặp nhiệm vụ và đảm bảo tính nhất quán trong quy trình làm việc.

Phát triển theo hướng xử lý dữ liệu kết hợp SQL và AI tạo ra

Tầm nhìn của Google Cloud không dừng lại ở đó. Với sự ra đời của AI Query Engine, tham vọng là kết hợp việc sử dụng SQL với lời nhắc bằng ngôn ngữ tự nhiên. Sự phát triển này đánh dấu bước ngoặt quan trọng trong xử lý dữ liệu vì nó cho phép người dùng thực hiện truy vấn trên cả dữ liệu có cấu trúc và thông qua các yêu cầu ngôn ngữ tự nhiên.

Công cụ truy vấn AI: Hướng tới phân tích phong phú hơn

Sự đổi mới này sẽ cho phép BigQuery tận dụng sức mạnh của các mô hình ngôn ngữ tiên tiến như Gemini để truy vấn cơ sở dữ liệu, tạo ra những thông tin chi tiết sâu sắc và có giá trị hơn. Như Kashyap chỉ ra, điều này mở ra vô số trường hợp sử dụng, bao gồm:

• Tạo các tính năng phong phú cho các mô hình AI
• Thực hiện phân khúc khách hàng nâng cao
• Khám phá thông tin có giá trị trước đây không thể truy cập được

Thông qua phương pháp này, người dùng sẽ có thể đặt câu hỏi một cách trực quan và nhận được câu trả lời thực tế. Sự thay đổi theo hướng tiếp cận mang tính đàm thoại và dễ hiểu hơn này đánh dấu sự thay đổi lớn về cách chúng ta tương tác với dữ liệu.

Triển vọng của AI Query Engine trong bối cảnh công nghệ

Cùng lúc đó, những gã khổng lồ như Amazon Web Services, Microsoft và Databricks cũng đang đi theo hướng tương tự, tích hợp các chức năng tương tự. Nhu cầu mang lại trải nghiệm trực quan và liền mạch cho người dùng đang ngày càng trở nên cấp thiết, cho thấy xu hướng chung trong ngành là tích hợp các chiến lược phân tích dữ liệu hỗ trợ AI.

Những diễn biến này đánh dấu sự cạnh tranh gay gắt trong lĩnh vực quản lý dữ liệu và nhấn mạnh tầm quan trọng ngày càng tăng của AI trong việc chuyển đổi dữ liệu này thành tài sản chiến lược.

Kết luận: Tầm nhìn về tương lai của quản lý dữ liệu

Mặc dù bài viết này không trình bày quan điểm cuối cùng, nhưng nó nêu bật những thách thức lớn mà Google Cloud sẽ phải vượt qua để hiện thực hóa tham vọng về một “gia đình” tác nhân AI. Việc sắp xếp các tác nhân để phá vỡ sự cô lập, đồng thời tối ưu hóa quá trình xử lý dữ liệu thông qua các công nghệ như AI Query Engine sẽ đưa Google trở thành một nhân tố chủ chốt trong quá trình chuyển đổi số của các doanh nghiệp. Trong một lĩnh vực không ngừng phát triển, các bước tiếp theo sẽ rất quan trọng để đảm bảo rằng những đổi mới này không chỉ phù hợp mà còn phù hợp với mong đợi của người dùng.