Formula 1 duomenų agentai: nuo 8 savaičių iki 40 minučių kodo generavimo
·
duomenų agentai šiandien nėra teorinis žaislas. Tai jau darbas, pinigai, duomenys ir kartais labai žemiškas klausimas: kas prisiims atsakomybę, kai DI pradės veikti už žmogų?
Duomenų agentai Formula 1 pavyzdyje yra labai žemiška DI istorija. AWS rugpjūčio 3 d. rašo, kad F1 MarTech duomenų platformoje naujo duomenų šaltinio pajungimas anksčiau užtrukdavo 6-8 savaites, o su Data Accelerator kelias sutrumpėjo iki maždaug 40 minučių kodo generavimo ir kelių valandų diegimo.
Turiu prisipažinti, tokias naujienas skaitau ne kaip blizgančią vitriną. Skaitau kaip žmogus, kuris iš karto galvoja apie komandą pirmadienio rytą. Kas iš to bus naudinga? Kur bus painiava? Ir kur po mėnesio kas nors pasakys: „mes galvojom, kad čia automatiškai susitvarkys“.
KAS NUTIKO
F1 ir AWS sukūrė sprendimą su Amazon Bedrock AgentCore. Jis padeda generuoti duomenų integravimo kodą, aptikti anomalijas, sekti lineage ir duoti komandai aiškesnį vaizdą apie platformos darbą.
Čia ne apie lenktyninį bolidą trasoje. Čia apie duomenis užkulisiuose. Bilietai, transliacijos, rėmėjai, socialiniai kanalai, parduotuvė. Viskas juda, viskas keičiasi, o kažkas turi sujungti laidus.
Čia svarbi detalė: kalbame ne apie dar vieną gražų demonstracinį video. Kalbame apie produktus, politiką, infrastruktūrą arba tyrimus, kurie keičia, kaip žmonės dirba su DI realiose organizacijose.
KODĖL TAI SVARBU
Duomenų komandos dažnai stringa ne dėl talento, o dėl rankinio darbo. Schema mapping, kokybės taisyklės, GDPR klasifikacijos, governance. Daug mažų dalykų, kurie suvalgo savaites.
DI jau išlipo iš „parašyk tekstą“ dėžutės. Jis naršo, jungiasi prie įrankių, analizuoja duomenis, planuoja veiksmus, kartais tvarko dokumentus ar padeda priimti sprendimą. Trumpai: jis artėja prie darbo proceso, ne tik prie pokalbio lango.
Ir čia smegenys mėgsta paslysti. Norisi sakyti: „ai, čia dar užsienyje“. Bet tas pats modelis ar funkcija rytoj atsiras kliento kompiuteryje, darbuotojo naršyklėje arba partnerio pasiūlyme.
KĄ TAI REIŠKIA VERSLUI
Lietuvos verslui čia gera pamoka: agentai gali būti naudingi ten, kur procesas aiškus, bet rankinio darbo daug ir klaidos brangios.
- rinktis pasikartojančius duomenų darbus
- neapeiti governance taisyklių
- palikti žmogų prie svarbių sprendimų
- matuoti sutaupytą laiką ir klaidų mažėjimą
Jei turite duomenų komandą, paimkite vieną naujo šaltinio pajungimo pavyzdį ir susirašykite, kurie žingsniai kartojasi kiekvieną kartą.
Man patinka paprastas testas: ar po šios naujienos tavo komanda turi vieną aiškesnį sprendimą? Jei ne, vadinasi dar tik skaitome. Skaityti galima. Tik nereikia apsimesti, kad tai jau strategija.
KUR GALI SKAUDĖTI
Rizika – agentui duoti netvarkingą duomenų chaosą ir tikėtis tvarkos. Agentas gali pagreitinti procesą, bet negali pakeisti taisyklių, kurių niekas neparašė.
Dažniausia klaida labai ūkiška. Žmonės įsijungia įrankį, pabando, nustemba, pasidžiaugia ir tada palieka viską savieigai. Po kelių savaičių paaiškėja, kad vieni darbuotojai kelia jautrius failus, kiti matuoja naudą iš jausmo, o treti net nežino, kas leidžiama.
Ne tragedija. Bet tvarkos reikia.
KĄ PASIDARYTI ŠIĄ SAVAITĘ
Šią savaitę pasirinkite vieną duomenų operaciją ir pažymėkite, kur agentas gali ruošti kodą, o kur žmogus turi patvirtinti logiką.
Šaltinis: AWS Machine Learning Blog.
DUK
Ką Formula 1 darė su DI agentais?
F1 ir AWS naudojo agentinį DI MarTech duomenų platformos operacijoms spartinti.
Koks buvo rezultatas?
AWS nurodo, kad naujo šaltinio pajungimas nuo 6-8 savaičių sutrumpėjo iki apie 40 minučių kodo generavimo ir kelių valandų diegimo.
Kam tai tinka?
Duomenų komandoms, kurios nuolat jungia šaltinius, taiso anomalijas ir prižiūri duomenų kokybę.
Jei nori DI naudoti praktiškai, pradėk nuo vieno proceso. Vienas pasikartojantis darbas. Vienas atsakingas žmogus. Vienas matavimas. Daugiau praktikos rasi MasterSprint.
