두 가지 아키텍처의 이야기: 스트림하우스와 레이크하우스 비교
streamhouse와 lakehouse 데이터 아키텍처를 비교하고, 각각이 어떤 워크로드에 적합하며 서로 어떻게 보완하는지 알아보세요.
AI NEWS JOURNAL
전체 AI 소식
출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.
당신의 비즈니스, 항상 최신 상태로. 스트림하우스 - AI 시대를 위한 데이터 아키텍처.
Streamhouse는 분산 시스템 전반에 걸쳐 현재 비즈니스 상태와 컨텍스트를 지속적으로 수집, 처리, 관리하고 제공하여 애플리케이션, AI 에이전트 및 분석 도구에서 활용할 수 있도록 하는 데이터 아키텍처입니다.
dbt Labs가 왜 AI 에이전트가 비로소 시맨틱 레이어를 정착시킬 것이라고 생각하는지
팀이 신뢰 문제를 해결할 수 있다면, AI 에이전트는 왜 의미 계층을 더욱 견고하게 만들 수 있을까요?
Okta가 대규모 AI 에이전트의 관리 컨텍스트에서 얻은 교훈
Okta는 dbt를 단일 진실의 원천으로 활용하여 AI 에이전트의 컨텍스트 관리 방식을 재구축했습니다.
dbt Wizard 내부에서는, 자신의 작업 과정을 보여주도록 설계된 AI 에이전트가 작동합니다.
dbt Wizard의 디자이너와 엔지니어링 리드가, 코드가 프로덕션에 도달하기 전에 에이전트가 자신의 작업을 어떻게 검증하는지 보여줍니다.
dbt v2의 주요 기능: 더 빠른 파싱, 하나의 공유 어댑터 계층, 그리고 거대한 manifest.json을 생략하는 문서 경험
dbt v2는 어댑터를 통합하고 파싱 속도를 높이며, 사람과 AI가 사용할 수 있도록 manifest.json을 더 작고 쿼리 가능한 파일로 대체합니다.
램프의 내부 AI 에이전트가 어떻게 100만 회의 세션을 돌파했는가
Ramp은 내부 AI를 분석 엔지니어링으로 간주하여 구축한 에이전트, 샌드박스 및 대시보드를 공유합니다.
메인프레임에서 AI 기반 성숙까지: Verisk의 데이터 현대화 여정
Verisk는 AI 대응 가능성을 높이기 위해 메인프레임에서 dbt로 이전하는 방식으로 수십 년간의 보험 데이터를 현대화했습니다.
프롬프트에서 PR까지: Careem의 AI가 사람이 직접 확인하기도 전에 dbt 모델을 어떻게 작성하고 검증하는지
카림의 AI 에이전트는 사람이 PR을 검토하기도 전에 dbt 모델을 처음부터 끝까지 작성하고 검증합니다.
킬로의 데이터 과학자가 자신의 AI 에이전트들이 부족했던 비즈니스 컨텍스트 계층을 어떻게 구축했는지
데이터 과학자가 조직 지식을 위한 AI 컨텍스트 계층을 어떻게 구축했는지: dbt 프로젝트 하나만으로는 이를 담아낼 수 없습니다.
무법자 AI 에이전트 집단이 더 나은 아이디어를 얻는 데 대해 우리에게 무엇을 가르쳐줄 수 있을까
벤 스탄실은 허깅 페이스 해킹을 활용해, 가장 유용한 아이디어가 왜 가장 기이한 연결에서 비롯되는지 설명합니다.
스트림 기반 에이전트형 SOC 구축
당사 보안 팀이 지속적인 스트리밍 아키텍처를 활용하여 알림 트리아지 처리량을 확장한 자동화된 다중 에이전트 조사 파이프라인을 구축한 방법을 확인해 보세요.