Confluent introduceert Confluent Intelligence AI

Bedrijven kunnen met Confluent Intelligence AI-systemen ontwikkelen die voortdurend historische en actuele data verwerken, waardoor beslissingen beter onderbouwd en schaalbaar worden. Het platform is gebaseerd op Confluent Cloud en combineert datastreaming met AI-toepassingen, zonder dat organisaties zelf een complexe infrastructuur hoeven op te zetten.

Volgens Atilio Ranzuglia, hoofd Data en AI bij Palmerston North City Council, speelt Confluent een cruciale rol in hun datastrategie: „Goede AI heeft goede data nodig. Confluent is onze bron voor betrouwbare data, waaruit kwalitatief hoogwaardige gegevens naar onze datalakes en AI-platforms stromen die modellen in real-time trainen. Het biedt context en orkestratie voor onze agents om workflows te automatiseren en versnelt onze transformatie naar een smart city.”

Rendement blijft vaak uit

Uit het rapport The State of AI in Business 2025 van MIT blijkt dat bedrijven wereldwijd 30 tot 40 miljard dollar investeren in generatieve AI, maar 95% van die projecten geen rendement oplevert. Een belangrijke oorzaak is het ontbreken van context: AI-modellen hebben een compleet beeld nodig van gebeurtenissen, relaties en betekenis om effectief te functioneren. Confluent stelt dat een continue stroom van gegevens essentieel is om AI-systemen van proof-of-concept naar productieniveau te tillen.

Jay Kreps, medeoprichter en CEO van Confluent, benadrukt het belang van datastreaming: „Wij zijn Confluent gestart om data vrij te laten bewegen binnen organisaties, zodat bedrijven in real-time kunnen handelen. Kant-en-klare AI-modellen zijn krachtig, maar zonder actuele data kunnen ze geen waardevolle beslissingen nemen. Datastreaming sluit die kloof.”

Drie kernfuncties van Confluent Intelligence

Het platform biedt drie hoofdcomponenten voor enterprise-toepassingen:

• Real-Time Context Engine (Early Access): Een beheerde service die gestructureerde context levert aan AI-agents en -toepassingen, ongeacht of deze intern of extern zijn gebouwd. Teams hoeven hiervoor geen kennis te hebben van Kafka of backend-beheer.
• Streaming Agents (Open Preview): Hiermee ontwikkelen en orkestreren gebruikers event-gedreven agents binnen Apache Flink. Deze agents observeren, beslissen en handelen autonoom in real-time, zonder handmatige tussenkomst.
• Ingebouwde machinelearning-toepassingen (algemeen beschikbaar): Vereenvoudigt taken zoals anomaliedetectie, voorspellingen en real-time visualisatie via Flink SQL, zodat teams sneller bruikbare inzichten verkrijgen.

Samenwerking met Anthropic

Confluent heeft Claude, het taalmodel van Anthropic, geïntegreerd als standaard-LLM voor Streaming Agents. Deze combinatie moet bedrijven helpen om adaptieve AI-systemen te bouwen, zoals geavanceerde anomaliedetectie of gepersonaliseerde gebruikerservaringen die zich aanpassen aan de context.

Het platform gebruikt Apache Kafka en Apache Flink als basis voor schaalbare, lage-latency verwerking. Governance en reproduceerbaarheid zijn ingebouwd om de overgang van testfase naar productie te versnellen.