Data Cloud agentique

Nous assistons à une explosion non linéaire de la demande, car les agents étendent les capacités humaines. Un seul employé peut désormais créer des agents qui déclenchent des milliers de requêtes par minute. Les agents effectuent des tâches que les humains ne peuvent pas accomplir. Ils surveillent les données d'entreprise 24h/24, 7j/7. Ils agissent en temps réel. Les systèmes doivent désormais prendre en compte la vélocité et l'échelle de l'agent, et amplifier l'intuition humaine.

Il ne suffit plus d'analyser le passé, ni même de faire des prédictions à partir de ces données. Un agent s'exécute en temps réel. À l'ère de l'agentivité, les systèmes doivent boucler la boucle entre le signal et sa résolution, permettant aux données d'agir sur le monde aussi rapidement que celui-ci évolue.

Les agents ont besoin d'un accès complet à votre patrimoine de données, y compris aux 90 % d'informations inexploitées cachées dans les "dark data" ou "données sombres", comme les contrats, les images et les e-mails. Mais les données seules ne suffisent pas à comprendre. Pour transformer cette matière brute en connaissances, les agents ont besoin d'un contexte sémantique riche.

Pour fonctionner efficacement, les agents ont besoin d'accéder à 100 % de vos données. Nous éliminons les silos en apportant l'IA multimodale aux données, où qu'elles se trouvent. Avec Google Cloud Lakehouse et la prise en charge de formats ouverts comme Apache Iceberg, nous offrons le meilleur de Google et des normes ouvertes, permettant aux agents d'activer les données sur AWS, Azure et sur site sans les déplacer. Cette approche de lakehouse ouvert génère un ROI de 117 % avec une période de retour sur investissement de moins de six mois.

Lire l'étude de Forrester

Le pont entre l'intelligence et l'action est la confiance. Notre produit Knowledge Catalog évolue au-delà des simples autorisations pour fournir un contexte actif et universel à travers les données non structurées, les modèles de ML et les outils agentiques qui alimentent l'IA, améliorant ainsi l'efficacité et la justesse des agents. En intégrant Looker et notre moteur de connaissances sémantiques, nous ancrons vos agents dans la vérité, améliorant ainsi de 50 % la justesse de l'identification des ensembles de données et réduisant jusqu'à 66 % les hallucinations de l'IA générative.

Bénéficier d'une IA fiable

Avec Google, l'IA est intégrée, pas ajoutée après coup. Nous sommes le seul fournisseur conçu de manière unique sur l'ensemble de la chaîne d'approvisionnement de l'IA. Nous sommes propriétaires de tous les éléments, du réseau mondial de fibre et des TPU, jusqu'aux modèles Gemini et à Gemini Enterprise Agent Platform. Comme nous possédons la pile, notre intelligence 8 à 16 fois plus rentable que nos concurrents. Gemini s'intègre directement dans la pile pour résoudre les problèmes en moins d'étapes. Les environnements d'exécution avancés de BigQuery exécutent les requêtes six fois plus rapidement, Apache Spark est 4,5 fois plus rapide que Spark Open Source avec Lightning Engine et AlloyDB gère les charges de travail transactionnelles quatre fois plus rapidement que PostgreSQL standard.

Lire le rapport de GigaOm

Ce rôle passe de l'entraînement de modèles à la création d'agents. En intégrant Gemini Enterprise et Spark, les data scientists créent des moteurs de raisonnement qui se trouvent juste à côté des données. Au lieu de prédictions par lot, ils créent des agents qui utilisent notre Knowledge Engine pour raisonner sur des données en direct et réagir instantanément.

L'analyse devient une conversation de confiance plutôt qu'une tâche de récupération SQL. Les agents se situent entre l'utilisateur et les données, et génèrent des requêtes et des visualisations par le biais de BigQuery et de Looker. Les employés disposent ainsi d'une équipe d'analystes de données infatigable.

Pour passer de la réflexion à l'action, les développeurs ont besoin d'une base de données capable de gérer le processus de pensée d'un agent. Nous fusionnons les mondes transactionnel et analytique grâce à AlloyDB et Spanner. Les développeurs peuvent désormais créer des agents qui lisent l'historique et effectuent des actions dans une seule boucle logique. En standardisant la façon dont les agents se connectent aux outils via Model Context Protocol (MCP), nous permettons une exécution directe, en faisant le lien entre la perception et l'action.