Snowflake готова произвести революцию в сложной аналитике данных с запуском Cortex Analyst — продвинутой агентной системы ИИ, которая сейчас находится в публичной предварительной версии. Анонсированная на саммите Data Cloud компании в июне, Cortex Analyst предлагает бизнесу разговорный интерфейс, позволяющий пользователям взаимодействовать с данными на простом английском языке, упрощая процесс аналитики.
Cortex Analyst оптимизирует самообслуживание в аналитике, преобразуя запросы пользователей в SQL, выполняя запросы к данным и проверяя ответы, всё это делает ИИ без труда. По словам Бариса Гюлтекіна, руководителя направления ИИ в Snowflake, Cortex Analyst использует совместный подход, включающий несколько больших языковых моделей (LLM), достигая впечатляющей точности около 90%. Этот уровень точности значительно превосходит существующие решения на базе LLM для преобразования текста в SQL, включая предложения Databricks, что ускоряет аналитические процессы и позволяет пользователям принимать своевременные и обоснованные решения.
Преобразование аналитики с помощью Cortex Analyst
С увеличением инвестиций компаний в прогнозирование и генерацию на основе ИИ, аналитика данных остается ключевым фактором успеха бизнеса. Организации используют выводы из структурированных исторических данных для принятия решений в таких областях, как маркетинг и продажи. Однако традиционная аналитика часто зависит от информационных панелей (BI), которые визуализируют данные с помощью диаграмм и графиков, создавая жесткость. Это может затруднять анализ конкретных показателей и часто требует помощи аналитиков, что замедляет весь процесс принятия решений.
Гюлтекін проиллюстрировал эту проблему: «Когда панель показывает что-то неожиданное, у пользователей обычно возникают немедленные дополнительные вопросы. Аналитикам может понадобиться время для сбора и предоставления ответов, что приводит к затяжным циклам принятия решений».
В ответ на эту проблему, Snowflake осознала ограничения ранних предложений LLM, которые сталкивались с трудностями в точности. Их внутренние тесты показали, что современные модели, такие как GPT-4, достигали только 51% точности в аналитических выводах. В отличие от этого, специализированные модели преобразования текста в SQL, такие как Genie от Databricks, достигали 79%. Гюлтекін отметил: «Точность критически важна при постановке бизнес-вопросов. Мы стремились удвоить эту точность до примерно 90%, интегрировав несколько больших языковых моделей в Cortex Analyst».
Как работает Cortex Analyst
Cortex Analyst переопределяет ландшафт аналитики, позволяя выполнять запросы на естественном языке, которые проходят тщательную обработку через различные агентные LLM. Эти агенты оценивают намерения пользователя, выполняют SQL-запрос и обеспечивают точность возвращаемых данных, основывая ответы на данных в облаке Snowflake.
Snowflake подчеркивает важность предоставления семантических описаний данных при настройке, что значительно улучшает понимание и контекстуализацию запросов пользователей. Гюлтекін объяснил: «В реальных сценариях данные могут включать тысячи таблиц со сложными именованиями. Указывая метрики, такие как ‘Rev 1’ и ‘Rev 2’ в семантических описаниях, наша система понимает их значение».
Cortex Analyst доступен через REST API для легкой интеграции в приложения, позволяя разработчикам настраивать пользовательский опыт. Кроме того, бизнес может использовать Streamlit для разработки специализированных приложений, поддерживаемых Cortex Analyst.
В настоящее время около 40-50 предприятий, включая фармацевтического лидера Bayer, тестируют Cortex Analyst, и ожидается, что публичный предварительный доступ расширит доступность по мере экономически эффективного внедрения LLM. Snowflake планирует представить новые функции, включая поддержку многопоточных бесед для более интерактивного пользовательского опыта и улучшенную совместимость со сложными таблицами и схемами данных.
С Cortex Analyst компании могут использовать мощь языковых моделей для аналитики без обременительных затрат на внедрение, обычно связанных с такими продвинутыми технологиями.
Рейтинг
