Confluent lanserar Streamhouse-arkitektur för att ge AI realtidsaffärskontext

Bild: IBM · Källa

Confluent, ett IBM-företag, presenterade sin Streamhouse-dataarkitektur som kontinuerligt integrerar och reglerar realtids affärsdata, vilket möjliggör för AI-agenter och applikationer att fatta beslut baserade på en konsekvent och aktuell bild av företagsverksamheten.

Den 4 november 2026 tillkännagav Confluent, som nu är en del av IBM, att de introducerar sin Streamhouse-arkitektur – en ny datainfrastruktur designad för att leverera uppdaterad affärskontext i realtid till AI-agenter, applikationer och analysverktyg. Denna arkitektur adresserar en betydande utmaning som företag står inför när AI i allt större utsträckning styr beslut: olika system har ofta motsägelsefulla eller föråldrade bilder av affärsverksamheten, vilket leder till fel i AI-drivna processer.

Traditionella datalager, datalagerhus och lakehouses byggdes främst för batchrapportering och stödjer inte AI-arbetsflödenas realtidsbehov som kör kontinuerligt. System som uppdateras asynkront kan leda till inkonsekventa tillstånd, som exemplet med flygbolags flygplansoperationer, schemaläggning och bokningssystem som oberoende spårar olika vyer. Streamhouse fångar, bearbetar, reglerar och levererar kontinuerligt en enhetlig samt aktuell affärsstatus, vilket säkerställer att AI-agenter agerar på korrekt och aktuell information.

Confluents Data Streaming Platform (DSP) stöder nu fullt ut att bygga en Streamhouse genom att integrera fem pelare – Stream, Connect, Process, Govern och det nyligen tillagda Query. Apache Kafka utgör streaming-basisen medan tillägg som Lightning Tables erbjuder låg latens för SQL och API-åtkomst till uppdaterad affärsdata utan behov av separata databaser eller cacheminnen. Lightning Tables, som finns tillgängliga allmänt på AWS, minskar frågelatens till 10–100 millisekunder och stödjer hög fråga genomströmning, vilket gör realtidsleverans av affärskontext möjlig och kostnadseffektiv.

Företag som Accenture har anammat Streamhouse-arkitekturen för att decentralisera dataåtkomst, vilket har minskat tiden till insikt från månader till dagar. Plattformen stöder hybrida miljöer och utnyttjar IBMs integration, styrning och AI-kapaciteter för att sömlöst förena data.

Arkitekturen bygger på tre nyckelprinciper: att ständigt upprätthålla och reglera en aktuell affärskontext, leverera produktionsklassad pålitlighet, och decentralisera data så att den är tillgänglig där den behövs utan tvångskonsolidering. Detta tillvägagångssätt kompletterar befintliga datalager och lakehouses genom att lägga till ett operativt realtidslager som är avgörande för AI-funktioner.

Confluent erbjuder praktiska labs och snabbstartsguider för att hjälpa organisationer att bygga Streamhouse-lösningar med Confluent Cloud, Apache Flink och andra verktyg. Företaget betonar att Streamhouse gör det möjligt för företag att använda AI-agenter med tillförlitlig, uppdaterad operativ data, vilket möjliggör snabbare bedrägeribekämpning, kundservice och operativa beslut.

Shaun Clowes, General Manager för Confluent och Data på IBM, uttalade: "Den nästa eran av företags-AI kommer att vinnas av de agenter som vet vad som händer i verksamheten i samma ögonblick som de agerar." Streamhouse, som drivs av Confluents plattform, positioneras som grundläggande teknologi för att förverkliga denna vision, och erbjuder en levande, reglerad bild av företagsdata som behövs för snabba och korrekta AI-beslut.