Google lanceert Agentic Data Cloud voor grootschalige inzet van AI-agents
Google Cloud heeft tijdens zijn Agentic Data Cloud-event een reeks grote vernieuwingen aangekondigd voor zijn data-infrastructuur. Met het zogeheten Agentic Data Cloud wil het technologieconcern organisaties een 'System of Action' bieden. Hiermee kunnen autonome AI-agents veilig, nauwkeurig en tegen lage kosten bedrijfsbrede gegevens gebruiken en acties uitvoeren. Grote bedrijven zoals PayPal, Siemens, Telus, Vodafone en Walmart maken al gebruik van het platform.
Een van de belangrijkste pijlers is het borderless Lakehouse, dat is gebouwd op de open standaard Apache Iceberg. Het stelt organisaties in staat om data uit verschillende multicloud-omgevingen, on-premises systemen en SaaS-applicaties (zoals SAP, Salesforce en Workday) direct toegankelijk te maken voor AI-agents zonder complexe gegevensverplaatsingen.
Hybride analyse en directe gegevenskoppeling
Binnen het borderless Lakehouse werkt Google’s AI-model Gemini nu rechtstreeks op Apache Iceberg-data. Zakelijke gebruikers kunnen zo in natuurlijke taal vragen stellen over data die verspreid staat over meerdere clouds. Daarnaast is de cross-cloud interconnect met AWS en Azure algemeen beschikbaar gemaakt (GA), waarmee data met een beveiligde verbinding en zonder variabele egress-kosten kan worden opgevraagd.
Om realtime operationele data te koppelen aan historische markt- en analyselijnen, kondigt Google nieuwe integraties aan tussen de PostgreSQL-compatibele database AlloyDB en het borderless Lakehouse. Met directe Iceberg-toegang in AlloyDB kunnen ontwikkelaars operationele gegevens en historische lakehouse-data combineren in één enkele query, zonder dat daar ETL-pipelines voor nodig zijn. Volgens interne benchmarks van Google is deze directe toegang tot 7 keer sneller bij aggregatie-queries dan vergelijkbare PostgreSQL-diensten op AWS.
Contextbeheer via Knowledge Catalog
Om ervoor te zorgen dat AI-agents accurate en betrouwbare antwoorden geven, speelt Knowledge Catalog een centrale rol als universele context-engine. Nieuwe 'self-learning' functies stellen de catalogus in staat om automatisch te leren van gebruikersintenties en communicatie binnen ongestructureerde bronnen zoals Google Workspace, GitHub, Jira, Confluence en SharePoint.
Uit testen van Google blijkt dat dit de nauwkeurigheid van AI-agents bijna verviervoudigt, terwijl de latentie met 33 procent afneemt en tot 75 procent minder tokens worden verbruikt. Knowledge Catalog staat voortaan standaard ingeschakeld in Gemini (in preview).
Infrastructuur voor miljoenen agents
Naast data-integratie past Google de onderliggende infrastructuur aan op de enorme schaal van AI-agents. Voor ontwikkelaars introduceert het concern AlloyDB Express (in preview), een lichtgewicht editie met opstarttijden van minder dan twee seconden en de mogelijkheid om op te schalen naar nul wanneer deze niet wordt gebruikt.
Voor productiemiddelen zorgt de nieuwe 'PostgreSQL for agents'-architectuur binnen AlloyDB ervoor dat duizenden samenwerkende AI-agents tegelijkertijd transactiegegevens kunnen opvragen, met ondersteuning voor meer dan 3 miljoen queries per seconde.
Daarnaast zijn in BigQuery twee nieuwe modellen van Google Research beschikbaar gekomen: TimesFM 3.0 voor het direct genereren van tijdreeks-prognoses in SQL, en TabFM voor voorspellende machine learning op tabellaire data.
Meer over google
Over Witold Kepinski
