Penggunaan kecerdasan buatan atau AI untuk mengambil keputusan otomatis berisiko menimbulkan kekeliruan apabila sistem memakai data yang sudah tidak mutakhir maupun berbeda antar-sistem. Seiring pemakaian AI agentik dalam bisnis meningkat, Confluent memperkenalkan arsitektur data Streamhouse untuk menyediakan informasi yang diperbarui secara real-time.
Confluent menilai infrastruktur data yang digunakan banyak perusahaan belum sepenuhnya dapat memenuhi kebutuhan AI yang harus merespons kondisi bisnis saat ini. Streamhouse dirancang untuk menangkap, memproses, mengelola, dan menyajikan data bisnis secara terus-menerus agar agen AI, aplikasi, serta sistem analitik memakai konteks informasi yang sama.
Risiko keputusan dari data yang berbeda
Senior Vice President sekaligus General Manager APAC Confluent Greg Taylor mengatakan AI membutuhkan fondasi data yang selalu diperbarui supaya dapat bertindak berdasarkan kondisi bisnis yang tepat.
“Seorang agen hanya dapat mengambil keputusan yang bermanfaat jika ia dapat melihat gambaran yang akurat di seluruh organisasi saat bertindak. Streamhouse memberikan tim landasan yang terus diperbarui dan terkelola untuk konteks tersebut, sehingga aplikasi dan agen dapat bekerja berdasarkan gambaran terkini yang sama,” kata Greg.
Confluent mencontohkan persoalan tersebut dalam operasional maskapai. Pada sistem konvensional, data mengenai posisi pesawat, jadwal penerbangan, dan ketersediaan kursi umumnya tersimpan dalam sistem berbeda.
Saat jadwal berubah, pembaruan di tiap sistem dapat berlangsung pada waktu yang tidak sama. Kondisi ini berpotensi membuat agen AI pemesanan tiket menyarankan perjalanan yang terlihat tersedia dalam satu sistem, tetapi tidak dapat dijalankan karena informasi pada sistem lain telah berubah.
Melalui Streamhouse, perubahan data dari berbagai sistem dihimpun dalam aliran informasi berkelanjutan. Perubahan posisi pesawat, keterlambatan keberangkatan, hingga kursi yang telah dipesan dapat segera menjadi bagian dari konteks bisnis yang bisa diakses AI maupun aplikasi lain.
Dengan cara tersebut, agen pemesanan dapat memeriksa status penerbangan dan kursi secara bersamaan sebelum memberikan pilihan perjalanan lain kepada penumpang.
Fitur Query dan Lightning Tables
Untuk mendukung Streamhouse, Confluent menambah kemampuan Query sebagai pilar kelima dalam Platform Data Streaming atau DSP. Sebelumnya, platform itu memiliki empat kemampuan utama, yakni Stream, Connect, Process, dan Govern.
- Stream digunakan untuk menangkap serta mengalirkan peristiwa bisnis melalui Apache Kafka dan mesin Kora.
- Connect menghubungkan berbagai sistem perusahaan melalui lebih dari 150 konektor.
- Process menggabungkan dan memperkaya data dengan Apache Flink.
- Govern mengatur keamanan, kualitas, skema, serta akses data.
- Query menyediakan konteks bisnis terkini untuk aplikasi, agen AI, dan sistem analitik.
Salah satu fitur dalam kemampuan Query adalah Lightning Tables yang telah tersedia secara umum melalui Confluent Cloud di AWS. Fitur ini memungkinkan perusahaan menjalankan query terhadap data streaming dalam format tabel tanpa perlu lebih dulu menyalin data ke basis data lain.
Data dari Apache Kafka disajikan sebagai tabel yang terus diperbarui sesuai perubahan informasi. Berdasarkan pengujian internal Confluent, data baru dapat tersedia untuk disajikan dalam sekitar 100 milidetik. Latensi query berada pada kisaran 10 hingga 100 milidetik dan sistem disebut mampu menangani lebih dari 1.000 query per detik.
Confluent menyatakan pendekatan tersebut dapat mengurangi kebutuhan perusahaan membangun jalur transfer data, basis data, dan cache terpisah untuk aplikasi yang memerlukan informasi terbaru.
Kemampuan Query juga meliputi Confluent Tableflow, yang menyajikan data streaming ke data warehouse serta lakehouse. Selain itu, terdapat Real-Time Context Engine untuk memberikan konteks bisnis kepada agen AI melalui Model Context Protocol atau MCP.
General Manager Confluent dan Data IBM Shaun Clowes mengatakan kemampuan AI perusahaan akan dipengaruhi oleh ketepatan informasi yang tersedia ketika agen menjalankan tindakan.
“Era berikutnya dalam AI perusahaan akan dimenangkan oleh agen-agen yang mengetahui apa yang sedang terjadi dalam bisnis pada saat mereka bertindak,” ujar Shaun.
Menurut dia, konteks bisnis secara real-time dapat membantu perusahaan merespons tanda-tanda penipuan lebih cepat, melayani pelanggan secara langsung, dan menjalankan operasional berdasarkan situasi terbaru.
Digunakan Accenture
Arsitektur Streamhouse yang didukung Confluent telah mulai diterapkan oleh sejumlah perusahaan global, termasuk Accenture. Kepala Strategi Data SAI Accenture Thomas Mahaffey mengatakan perusahaan sebelumnya terkendala arsitektur batch dan point-to-point yang memicu pengolahan data berulang serta memperlambat penyediaan informasi untuk analitik.
Setelah menerapkan Streamhouse, Accenture menghubungkan aliran data dari sistem operasional dan analitik menjadi produk data real-time yang dapat digunakan kembali. Thomas menyebut perubahan itu mempersingkat waktu untuk memperoleh wawasan dari hitungan bulan menjadi beberapa hari, sekaligus mempercepat pelaporan.