Monte Carlo, pemimpin dalam observasi data, mengumumkan serangkaian kemajuan produk baru yang bertujuan membantu perusahaan memastikan keandalan data untuk data dan produk AI mereka. Peningkatan pada platform observasi data mencakup integrasi dengan Kafka dan database vektor, termasuk Pinecone. Kemampuan ini akan membantu tim menerapkan dan menskalakan kasus penggunaan AI generatif, memastikan bahwa data yang mendukung model bahasa besar dapat dipercaya di setiap tahap pipeline.

Untuk membantu meningkatkan upaya ini secara hemat biaya, Monte Carlo meluncurkan dua produk observasi data yang unik: Pemantauan Kinerja dan Dasbor Produk Data. Pemantauan kinerja memungkinkan tim untuk memantau dan mengoptimalkan inefisiensi saluran data yang mahal. Sementara itu, Dasbor Produk Data memungkinkan tim data dan AI melacak keandalan data multi-sumber dan produk AI dengan lancar.

Pengumuman ini muncul pada saat upaya generatif AI berkembang pesat dan terdapat fokus pada demokratisasi akses terhadap data. Menurut studi Wakefield Research pada tahun 2023, tim data dan AI menghabiskan waktu dan sumber daya dua kali lebih banyak untuk waktu henti data dibandingkan tahun sebelumnya. Pertumbuhan ini disebabkan oleh peningkatan volume data, kompleksitas saluran, dan kasus penggunaan data di seluruh organisasi. Studi ini juga menemukan bahwa waktu penyelesaian merupakan faktor signifikan yang berkontribusi terhadap peningkatan waktu henti data.

Untuk mengatasi masalah waktu henti data dan membantu tim menyelesaikan masalah kualitas data dengan cepat, penyempurnaan produk terbaru Monte Carlo memungkinkan proses operasional dan SLA bisnis utama meningkatkan keandalan data. dilepaskan. Hal ini termasuk mengoptimalkan kinerja dan biaya gudang cloud, serta memaksimalkan keandalan produk data yang menghasilkan pendapatan. Integrasi Kafka yang dilakukan perusahaan memastikan keandalan dan kepercayaan data yang dimasukkan ke model AI dan ML secara real-time. Monte Carlo juga dikatakan sebagai platform observasi data pertama yang mendukung keandalan dan keandalan database vektor seperti Pinecone.