MongoDB, Inc. ha annunciato una collaborazione ampliata con Google Cloud per rendere ancora più facile e conveniente la creazione, la scalabilità e l'implementazione di applicazioni di AI generativa, utilizzando MongoDB Atlas Vector Search e Vertex AI di Google Cloud, oltre a un supporto aggiuntivo per l'elaborazione dei dati con BigQuery. Le aziende stanno anche collaborando a nuove soluzioni di settore per la vendita al dettaglio e l'industria manifatturiera, con integrazioni di prodotto più profonde e soluzioni per fornire un ambiente di sviluppo senza soluzione di continuità per la creazione di esperienze di shopping coinvolgenti e applicazioni guidate dai dati per le fabbriche intelligenti. Per i clienti che desiderano eseguire carichi di lavoro che utilizzano dati altamente sensibili, MongoDB Enterprise Advanced (EA) è ora disponibile su Google Distributed Cloud (GDC).

In collaborazione dal 2018, MongoDB e Google Cloud hanno aiutato migliaia di clienti comuni - tra cui Keller Williams, Powerledger, Rent the Runway e Ulta - ad adottare strategie di dati cloud-native per modernizzare il modo in cui gestiscono le loro organizzazioni e servono gli utenti finali. L'ampliamento della collaborazione tra MongoDB e Google Cloud consente ora ai clienti di: Isolare e scalare senza problemi le applicazioni AI generative per ottenere prestazioni ed efficienza elevate: I Nodi di Ricerca MongoDB Atlas - ora disponibili in generale su Google Cloud - forniscono un'infrastruttura dedicata per l'AI generativa e i carichi di lavoro di ricerca basati sulla rilevanza che utilizzano MongoDB Atlas Vector Search e MongoDB Atlas Search. I nodi di ricerca MongoDB Atlas sono indipendenti dai nodi di database operativi principali e consentono ai clienti di isolare i carichi di lavoro, ottimizzare i costi e ridurre i tempi di interrogazione fino al 60%.

Semplificare la costruzione di applicazioni AI generative con modelli di fondazione leader: MongoDB Atlas Vector Search ha fornito un'integrazione con Vertex AI dall'anno scorso, per offrire agli sviluppatori una maggiore scelta di modelli di base gestiti per costruire applicazioni di AI generativa. Ora, con un'integrazione più approfondita, gli sviluppatori possono utilizzare un'estensione dedicata di Vertex AI per rendere ancora più facile lavorare con modelli linguistici di grandi dimensioni (LLM) - di Anthropic, Google Cloud, Meta, Mistral e altri - senza dover trasformare i dati o gestire le pipeline di dati tra MongoDB Atlas e Google Cloud. Migliora i carichi di lavoro analitici con pipeline automatizzate per i dati operativi: BigQuery è un data warehouse aziendale senza server, scalabile ed economico, che funziona attraverso i cloud per i carichi di lavoro analitici, di business intelligence (BI) e di apprendimento automatico.

Attualmente i clienti utilizzano la sincronizzazione bidirezionale tra BigQuery e MongoDB Atlas per migliorare i carichi di lavoro analitici con dati operativi in tempo reale o per fornire facilmente alle applicazioni degli utenti finali l'accesso ai dati aziendali storici. Arricchire i dati provenienti dalla fabbrica con dati applicativi in tempo reale per ottimizzare le operazioni di produzione e di supply chain: Decine di migliaia di organizzazioni si affidano a MongoDB Atlas per archiviare, elaborare e gestire in modo sicuro i dati applicativi in tempo reale di diversi tipi, con prestazioni e scala elevate. I produttori vogliono modernizzare le loro operazioni combinando i dati provenienti da molte fonti, come i sensori delle apparecchiature di fabbrica, le applicazioni degli utenti finali e i sistemi di pianificazione delle risorse aziendali, per automatizzare il processo decisionale e operare in modo più efficiente.

Creare e distribuire facilmente applicazioni che offrano esperienze di acquisto moderne con funzionalità di commercio componibile: Le organizzazioni di vendita al dettaglio sono all'avanguardia nell'inventare nuove esperienze per i clienti con la personalizzazione e l'automazione. Tuttavia, la creazione di applicazioni che supportano questi tipi di esperienze su scala può essere complessa e ingombrante. Eseguire carichi di lavoro altamente sensibili in un ambiente strettamente controllato e protetto: I governi, le organizzazioni del settore pubblico e le imprese dei settori regolamentati spesso faticano a modernizzare le loro operazioni a causa dell'elevata sensibilità dei loro dati.