Sebbene l’IA generativa sia una tecnologia rivoluzionaria che sta trasformando i comparti industriali e le operazioni aziendali, il suo successo dipende dai dati. I dati sono infatti fondamentali per l’IA, in quanto contengono le informazioni utilizzate dagli algoritmi di machine learning per imparare, trovare fondamento, fare previsioni e migliorare le prestazioni nel tempo. Ecco perché una sfida chiave per i clienti che sfruttano l’IA generativa è la capacità di accedere, gestire e utilizzare tutti i tipi di dati, indipendentemente dal formato.

Nel recente report Google Data and AI Trends Report, 2024, è emerso che l’84% dei responsabili dei dati ritiene che l’IA generativa aiuterà la loro azienda ad accedere agli insight più rapidamente. Ma ci sono anche alcune sfide. Oltre l’80% degli intervistati concorda sul fatto che le linee che separano ruoli che coinvolgono l’IA e quelli che coinvolgono i dati stiano iniziando a sfumare, con molti data analyst che cercano di sfruttare funzionalità che erano tradizionalmente riservate ai data scientist, e viceversa.  L’opportunità per i dati di influenzare le strategie di intelligenza artificiale aziendale si estende anche agli sviluppatori. Quando questi possono accedere e sfruttare i dati della loro organizzazione direttamente nei modelli di base, possono fornire innovazioni molto più rapidamente.

In questa ottica, Google ha messo il suo LLM Gemini 1.0 Pro a disposizione dei clienti BigQuery tramite Vertex AI. Grazie a queste nuove integrazioni con Vertex AI, i data engineer e i data analyst possono utilizzare le funzionalità di ragionamento avanzato e multimodale dei modelli Gemini sui loro dati BigQuery. Questo, secondo Google, aiuterà ad esempio i fornitori di servizi sanitari a migliorare l’assistenza ai pazienti, permetterà di rendere le supply chain più efficienti e contribuirà a migliorare la qualità del customer engagement nei settori delle telecomunicazioni, dei servizi finanziari e del retail.

how to set up google bigquery

Inoltre, Google ha annunciato l’integrazione di BigQuery con Vertex AI per il testo e lo speech. Disponibili in anteprima, queste nuove funzionalità aiutano le aziende a estrarre insight da dati non strutturati come immagini, documenti e file audio e ad aprire nuovi scenari di analisi abilitati dalla combinazione tra dati di business non strutturati e strutturati. Ad esempio, un analista di dati può ricavare informazioni utili dalle registrazioni audio del call center per contribuire a migliorare le esperienze future.

Inoltre, BigQuery vector search consente la ricerca per similarità vettoriale e le query di raccomandazione sui dati di BigQuery. Questa funzionalità, comunemente chiamata anche ricerca di prossimità, è fondamentale per abilitare numerosi casi d’uso basati sui dati e l’intelligenza artificiale, come la ricerca semantica, il rilevamento delle somiglianze e la retrieval-augmented generation (RAG) con modelli linguistici di grandi dimensioni. Ad esempio, la ricerca vettoriale può aiutare i retailer a migliorare le raccomandazioni di prodotto, a riassumere le soluzioni ai ticket di assistenza cliente più ricorrenti o persino a individuare tendenze all’interno di grandi set di documenti.

Google continua a investire anche in tecnologie che abilitano l’IA e il machine learning in tutte le sue offerte di database, tra cui l’aggiunta del supporto per facilitare la generazione di embedding, la ricerca vettoriale e il supporto per tool e framework che aiutano gli sviluppatori a creare applicazioni di IA generativa più rapidamente. Dopo l’annuncio dello scorso anno, AlloyDB AI, un insieme integrato di funzionalità in AlloyDB per PostgreSQL per la creazione di applicazioni aziendali basate sull’IA generativa, è disponibile a livello globale, mentre le funzionalità di ricerca vettoriale in un numero maggiore dei nostri database, inclusi Spanner, MySQL e Redis, sono da oggi disponibili in anteprima pubblica. Spanner e AlloyDB si integrano in modo nativo con Vertex AI per il serving dei modelli e l’inferenza con la familiarità di SQL, mentre Firestore e Bigtable si integrano con Vertex AI Vector Search per offrire funzionalità di ricerca semantica per le app di IA generativa.