Confluent lanserer Streamhouse-arkitektur for å gi AI sanntids forretningskontekst

Bilde: IBM · Kilde

Confluent, et IBM-selskap, avduket sin Streamhouse-dataarkitektur som kontinuerlig integrerer og styrer sanntids forretningsdata, slik at AI-agenter og apper kan ta beslutninger basert på en konsekvent og oppdatert oversikt over virksomhetsdriften.

Den 4. november 2026 kunngjorde Confluent, nå en del av IBM, introduksjonen av sin Streamhouse-arkitektur—en ny datainfrastruktur designet for å levere oppdatert forretningskontekst i sanntid til AI-agenter, apper og analysetjenester. Denne arkitekturen tar tak i en betydelig utfordring bedrifter møter når AI i økende grad styrer beslutninger: ulike systemer inneholder ofte motstridende eller utdaterte bilder av forretningsdriften, som kan forårsake feil i AI-drevne prosesser.

Tradisjonelle data lakes, datalagre og lakehouses ble i hovedsak bygget for batch-rapportering og støtter ikke sanntidsbehovene til AI-arbeidsflyter som opererer kontinuerlig. Systemer som oppdateres asynkront kan føre til inkonsekvente tilstander, som eksempelet med flyselskapers flyoperasjoner, planlegging og reservasjon, som uavhengig sporer ulik informasjon. Streamhouse fanger kontinuerlig, behandler, styrer og leverer en samordnet, oppdatert forretningsstatus, og sikrer at AI-agenter handler basert på nøyaktig og tidsriktig informasjon.

Confluents Data Streaming Platform (DSP) støtter nå fullt ut bygging av Streamhouse ved å integrere fem pilarer—Stream, Connect, Process, Govern, og den nylig tilførte Query. Apache Kafka utgjør streaming-ryggraden, mens tillegg som Lightning Tables tilbyr lav latenstid for SQL- og API-tilgang til oppdatert forretningsdata uten behov for separate databaser eller cache. Lightning Tables, tilgjengelig generelt på AWS, reduserer spørringslatenstid til 10–100 millisekunder og støtter høy spørringskapasitet, noe som gjør sanntids levering av forretningskontekst mulig og kostnadseffektivt.

Bedrifter som Accenture har tatt i bruk Streamhouse-arkitekturen for å desentralisere dataadgang, noe som har redusert tid til innsikt fra måneder til dager. Plattformen støtter hybride miljøer og utnytter IBMs integrasjons-, styrings- og AI-kapasiteter for å sømløst forene data.

Arkitekturen er bygget på tre nøkkelprinsipper: opprettholde en kontinuerlig oppdatert og styrt nåværende forretningskontekst, levere produksjonsklar pålitelighet, og desentralisere data slik at det er tilgjengelig der det trengs uten tvungen konsolidering. Denne tilnærmingen utfyller eksisterende datalagre og lakehouses ved å tilføre et operativt sanntidslag som er kritisk for AI-funksjoner.

Confluent tilbyr praktiske laboratorier og hurtigstartguider for å hjelpe organisasjoner å bygge Streamhouse-løsninger ved bruk av Confluent Cloud, Apache Flink og andre verktøy. Selskapet understreker at Streamhouse gir bedrifter muligheten til å kjøre AI-agenter med sannferdig, oppdatert operasjonell data, som muliggjør mer responsiv svindeldeteksjon, kundeservice og operasjonelle beslutninger.

Shaun Clowes, General Manager for Confluent og Data hos IBM, uttalte: "Den neste æraen for bedrifts-AI vil vinnes av de agentene som vet hva som skjer i virksomheten det øyeblikket de handler." Streamhouse, drevet av Confluents plattform, posisjoneres som grunnleggende teknologi for å realisere denne visjonen, og tilbyr et levende, styrt bilde av virksomhetsdata som er nødvendig for tidsriktige og nøyaktige AI-drevne beslutninger.