AI Data Platform

Zbuduj kompletną architekturę data lakehouse obejmującą dane ustrukturyzowane, częściowo ustrukturyzowane i nieustrukturyzowane. Nieprzetworzone dane trafiają do magazynu obiektowego jako warstwa bronze — są pozyskiwane tam, gdzie się znajdują, lub trafiają tam bezpośrednio bez zbędnego powielania. Autoskalowalne zasoby obliczeniowe z zarządzanym Apache Spark przekształcają je w czyste zestawy danych z kontrolą dostępu w warstwie srebrnej. Oracle Autonomous AI Database dostarcza wyselekcjonowaną, gotową na AI warstwę gold, zoptymalizowaną pod kątem analityki, uczenia maszynowego i agentów AI. Jeden lakehouse. Jedno środowisko. Oznacza to, że każdy użytkownik — od inżyniera danych po użytkownika biznesowego — pracuje na tych samych zaufanych danych.

• Dowolne źródła, dowolne miejsca docelowe, dowolny język, dowolne miejsce
  Kataloguj i łącz się z ponad 100 źródłami i miejscami docelowymi, w tym relacyjnymi bazami danych, aplikacjami SaaS, strumieniami danych oraz zewnętrznymi dostawcami danych. Na przykład inżynier danych może połączyć rekordy ERP, zdarzenia klientów i dane clickstream w transformacje Apache Spark, a następnie zapisać je w zaufanej tabeli typu gold.
• Wizualne tworzenie potoków danych
  Projektuj potoki ETL i ELT typu no-code i pro-code, które w ramach jednego przepływu pracy orkiestrują pozyskiwanie, transformację i wzbogacanie danych od warstwy bronze do gold.
• Interoperacyjność z otwartymi formatami plików
  Przechowuj dane w otwartych formatach, w tym Apache Iceberg i Delta Lake, oraz wysyłaj do nich zapytania bezpośrednio w Oracle Cloud Infrastructure (OCI) Object Storage, korzystając ze spójności transakcyjnej, zapytań typu time travel i ewolucji schematu. Współpracuj z Apache Spark, Apache Flink i dowolnym silnikiem zgodnym z Iceberg lub Delta Lake. Brak uzależnienia od własnościowych rozwiązań, brak konieczności przepisywania kodu przy zmianie narzędzi.
• Najlepsze w swojej klasie mechanizmy do przygotowywania danych i obsługi zapytań
  Inżynierowie danych mogą uruchamiać transformacje danych na dużą skalę w Apache Spark. Specjaliści ds. analizy danych mogą tworzyć modele ML. Użytkownicy biznesowi mogą przeprowadzać eksplorację ad hoc za pomocą SQL i Oracle AI Database na tych samych danych. Każdy użytkownik może wybrać odpowiedni silnik dla swojego obciążenia roboczego bez kopiowania danych ani zmiany ich modelu.
• Konwergentna analityka obejmująca dane i bazy danych
  Wykonuj zapytania dotyczące tabel strukturalnych, częściowo ustrukturyzowanych danych JSON, danych geoprzestrzennych oraz osadzeń wektorowych AI w pamięci masowej obiektów i połączonych bazach danych w ramach jednego modelu kontroli dostępu opartego na rolach. Na przykład użytkownik biznesowy może zweryfikować nową prognozę przychodów, łącząc strumienie aktywności lakehouse z wiarygodnymi rekordami klientów w Oracle AI Database w jednym zapytaniu SQL.
• Warstwa złota gotowa na AI
  Potoki uczenia maszynowego, bazy wiedzy na potrzeby generowania wspomaganego wyszukiwaniem (RAG) oraz agenci AI korzystają z wyselekcjonowanych, zweryfikowanych biznesowo danych. Inżynierowie AI opierają modele na tych samych miarodajnych faktach, które napędzają raportowanie operacyjne, a nie na surowych lub pośrednich kopiach.
• Autonomiczne operacje warstwy złotej
  Korzystaj z zalet samostrojącej się, samoskalującej się i samonaprawiającej się hurtowni danych z automatycznym indeksowaniem, optymalizacją zapytań i zarządzaniem obciążeniami. Zapewniaj stabilną wydajność poniżej sekundy dla miliardów wierszy w godzinach szczytu bez ręcznego dostrajania. Skaluj zasoby obliczeniowe niezależnie od pamięci masowej, aby obsługiwać setki jednoczesnych użytkowników.
• Najwyższej klasy integracja własna
  Przenoś dane Oracle Fusion Applications, w tym ERP, HCM, łańcucha dostaw i CX, bezpośrednio do lakehouse. Przygotuj dane Fusion w notebookach obsługiwanych przez Apache Spark na potrzeby ugruntowania agentów AI, raportowania historycznego i analiz predykcyjnych w operacyjnym systemie ewidencji.
• Udostępnianie danych
  Udostępniaj bieżące dane lakehouse zespołom wewnętrznym, partnerom i aplikacjom Oracle bez ich kopiowania ani przenoszenia. Udostępnianie danych pomaga zapewnić każdemu odbiorcy dostęp do najbardziej aktualnej, miarodajnej wersji.

Oracle AI Data Platform zapewnia analitykom danych i inżynierom ML w pełni zarządzane środowisko, które pomaga tworzyć, trenować, śledzić i wdrażać operacyjnie modele uczenia maszynowego bezpośrednio na danych lakehouse. Pełny cykl życia MLOps — rozproszone trenowanie Spark, śledzenie eksperymentów, rejestr modeli oraz wdrażanie publikowane w katalogu — działa w zarządzanym i nadzorowanym przez klienta obszarze roboczym, bez konieczności zarządzania infrastrukturą.

• Potoki i przepływy pracy ML: Orkiestruj kompleksowe potoki ML za pomocą komponentów wielokrotnego użytku — przygotowywania danych, inżynierii cech, trenowania i oceny — korzystając z infrastruktury przepływów pracy AI Data Platform. Twórz raz, uruchamiaj według harmonogramu lub za pomocą wyzwalacza, korzystając z zasad kontroli dostępu opartych na rolach, które definiujesz i kontrolujesz.
• Eksperymenty i rejestr modeli: Śledź wszystkie przebiegi trenowania modeli dzięki automatycznemu rejestrowaniu metryk, przechwytywaniu hiperparametrów i wersjonowaniu artefaktów. Porównuj eksperymenty, rejestruj modele produkcyjne i zarządzaj przepływami pracy w całym cyklu życia.
• Publikowanie modeli i rejestracja w katalogu: Publikuj wytrenowane modele w katalogu danych AI, aby były łatwe do odnalezienia, wersjonowane i dostępne dla agentów, aplikacji oraz przepływów pracy. Zasady śledzenia pochodzenia i kontroli dostępu są stosowane podczas rejestracji.
• Apache Spark z GPU: Skaluj inżynierię cech i trenowanie modeli w rozproszonych klastrach Spark, przyspieszając obciążenia dzięki wiodącym na rynku rozwiązaniom NVIDIA do ETL i ML opartym na GPU.
• Agenci data science: agenci AI, którzy autonomicznie eksplorują zbiory danych, generują hipotezy, piszą i wykonują kod oraz iteracyjnie trenują modele, radykalnie skracając czas od surowych danych do modelu produkcyjnego.

Twórz agentów i aplikacje AI oparte na własnych danych przedsiębiorstwa — a nie na ogólnych możliwościach modeli LLM. Twoi agenci i aplikacje są objęci kontrolą dostępu zgodnie z Twoimi zasadami oraz wzbogaceni o semantykę biznesową i wiedzę domenową. Agenci AI są połączeni z katalogiem danych AI, ontologiami biznesowymi i systemami przedsiębiorstwa, dzięki czemu mogą wnioskować w kontekście, w którym faktycznie działa Twoja firma. Twórz systemy wieloagentowe przy użyciu dowolnego modelu bazowego — od wizualnych kreatorów no-code po pełne programowanie pro-code — i wdrażaj je w zarządzanym środowisku obliczeniowym AI z wbudowaną obserwowalnością.

• Wizualny kreator przepływów bez kodowania: Projektuj i komponuj agentów wizualnie na kanwie z funkcją przeciągania i upuszczania. Łącz narzędzia SQL, bazy wiedzy RAG, węzły promptów LLM i rozgałęziaj przepływy do wielu narzędzi — wszystko bez pisania ani jednej linijki kodu. Przełączaj modele bazowe z listy rozwijanej bez przebudowywania przepływu.
• Programistyczne tworzenie rozwiązań: Twórz agentów w języku Python przy użyciu pakietu AI Data Platform SDK z pełnym dostępem do LangChain, OCI Generative AI oraz dowolnej biblioteki open source. Każda funkcja przepływu wizualnego jest w pełni dostępna w kodzie; importuj scikit-learn, LangChain lub dowolny framework wraz z SDK agenta.
• Systemy wieloagentowe: Projektuj i orkiestruj systemy współpracujących agentów AI, takich jak agenci orkiestrujący, wyspecjalizowani podagenci oraz agenci korzystający z narzędzi, aby pomagać w autonomicznej obsłudze złożonych, wieloetapowych przepływów pracy w przedsiębiorstwie przy użyciu protokołu A2A.
• Dowolny model bazowy: Korzystaj z dowolnego modelu w OCI, takiego jak Llama, Cohere, Mistral, Grok i inne, lub użyj własnych, dostrojonych modeli. Zmieniaj modele z menu rozwijanego Oracle Cloud Infrastructure (OCI) Compute bez przebudowywania logiki aplikacji.
• AIOps i obserwowalność: Pełna obserwowalność w całym cyklu życia agentów — od opracowywania po produkcję. Testuj agentów interaktywnie w środowisku Playground platformy, sprawdzając wywołania narzędzi, rozumowanie LLM i wyniki przed wdrożeniem. Sesje rejestrują ścieżkę audytu ze statusem, czasem trwania, danymi wejściowymi/wyjściowymi oraz szczegółami zdarzeń dla poszczególnych kroków w środowiskach deweloperskich, testowych i produkcyjnych. Monitoruj opóźnienia, użycie tokenów, wskaźniki błędów oraz niestandardowe biznesowe wskaźniki KPI w czasie rzeczywistym.

Jedno, zintegrowane środowisko programistyczne, które umożliwia inżynierom danych, analitykom danych i deweloperom AI współpracę nad kompleksowymi projektami z zakresu danych i AI, z wbudowaną, klasy korporacyjnej kontrolą dostępu opartą na rolach (RBAC), CI/CD, wersjonowaniem i możliwością audytu. Połącz wszystkie persony za pomocą współdzielonych narzędzi, notesów i potoków, opartych na zintegrowanym dostępie do usług bazowych platformy i katalogu.

• Obszary robocze: Środowiska ograniczone do projektu, w których zespoły współpracują nad notebookami, potokami, agentami i eksperymentami. Wszystkie artefakty są wersjonowane, udostępniane i objęte kontrolą dostępu w obrębie obszaru roboczego, z pełną kontrolą dostępu opartą na rolach dla każdego projektu.
• Notatniki, przepływy pracy i agenci: Wszystkie artefakty deweloperskie są zarządzane w jednym miejscu, w tym notatniki zgodne z Jupyter, grafy DAG przepływów pracy potoków, agenci AI i eksperymenty ML. Udostępniaj, wersjonuj i współpracuj z całym zespołem bez przełączania kontekstu.
• Narzędzie SQL i zarządzanie zasobami obliczeniowymi: Uruchamiaj zapytania SQL ad hoc bezpośrednio względem tabel katalogu dzięki wbudowanym mechanizmom kontroli cyklu życia zasobów obliczeniowych. Dołączaj, odłączaj lub uruchamiaj nowe zasoby obliczeniowe AI z poziomu środowiska IDE — bez konieczności korzystania z osobnej konsoli.
• Integracja CI/CD i Git: Natywna integracja z Git do wersjonowania notesów, potoków, definicji agentów i konfiguracji modeli. Połącz się z GitHub, GitLab lub Bitbucket, aby korzystać z ciągłej integracji i automatycznego wdrażania artefaktów projektów data-to-AI.
• RBAC, audytowanie i izolacja sieci: Szczegółowa kontrola dostępu oparta na rolach w obszarze przestrzeni roboczych, artefaktów i zasobów obliczeniowych. Kompleksowe dzienniki audytu dla każdej czynności użytkownika. Izolacja sieci za pomocą prywatnych punktów końcowych pomaga zapewnić, że wrażliwe obciążenia nigdy nie łączą się z publicznym Internetem.

Odkrywaj, zrozum i zarządzaj dostępem do wszystkich swoich danych oraz zasobów AI w jednym, ujednoliconym katalogu obejmującym pełną architekturę medalionową, w tym pozyskiwanie danych na poziomie bronze, ich selekcję i przygotowanie na poziomie silver oraz gotowe do użycia w AI produkty danych na poziomie gold. Katalog danych AI platformy Oracle AI Data Platform łączy się z Autonomous AI Database, OCI Object Storage oraz źródłami innych firm za pośrednictwem zewnętrznych katalogów, ujawniając bogate znaczenie biznesowe dzięki kontekstowi semantycznemu i ontologiom. Każdy zespół odkrywa nie tylko, jakie dane istnieją, ale także co oznaczają one dla firmy. Każdy agent AI automatycznie dziedziczy to zrozumienie.

• Ujednolicony katalog zasobów danych i AI: Jeden katalog dla wszystkich zasobów danych i AI, w tym tabel strukturalnych, plików nieustrukturyzowanych, baz wiedzy, modeli ML, magazynów cech i definicji agentów. Dostęp do katalogu jest zarządzany za pomocą spójnych zasad obejmujących dane i AI. Obejmuje pełną architekturę medalionową, umożliwiając szybkie pozyskiwanie, selekcjonowanie i dostarczanie produktów danych oraz aplikacji AI na każdej warstwie.
• Zewnętrzne katalogi i wykrywanie zasobów: Łącz się z zewnętrznymi źródłami danych — Autonomous AI Database, OCI Object Storage i systemami innych firm — bez niepotrzebnego przenoszenia ani duplikowania danych. Automatycznie wykrywaj i kataloguj ustrukturyzowane i nieustrukturyzowane zasoby dzięki wspomaganemu przez AI wzbogacaniu metadanych oraz śledzeniu pochodzenia danych od chwili połączenia.
• Ontologie biznesowe i warstwa semantyczna: Definiuj ontologie domenowe i relacje semantyczne między pojęciami biznesowymi. Glosariusze biznesowe, ontologie semantyczne, taksonomie domenowe i synonimy generowane przez AI umożliwiają użytkownikom wyszukiwanie danych według znaczenia, a nie nazw tabel. Agenci AI automatycznie dziedziczą to semantyczne zrozumienie.
• Bez kopiowania: Wykonuj zapytania na danych tam, gdzie się znajdują. Uzyskuj dostęp do danych i wykonuj zapytania bez ich przenoszenia ani kopiowania. Połącz się bezpośrednio z istniejącymi środowiskami Oracle Database, Autonomous AI Database i Exadata oraz wykonuj zapytania w miejscu za pomocą SQL. Dane pozostają w swoim autorytatywnym źródle, a katalog federuje dostęp, stosuje kontrolę dostępu opartą na rolach i udostępnia je, ograniczając duplikację i obniżając koszty.
• Zero ETL: Pomaga wyeliminować potoki ETL dzięki Oracle GoldenGate na potrzeby opartej na AI replikacji w czasie rzeczywistym bazującej na dziennikach, z dowolnej źródłowej bazy danych, w celu wysokowydajnego strumieniowego pozyskiwania danych bezpośrednio do lakehouse. Dane są katalogowane i gotowe do użycia przez AI już w chwili ich wprowadzenia.
• Wolumeny: Wolumeny przechowują dane nieustrukturyzowane obok zasobów danych w katalogu. Podłączaj do baz wiedzy, aby umożliwić agentom i aplikacjom bezpieczne pobieranie nieustrukturyzowanych treści, takich jak dokumenty, pliki PDF i obrazy.
• Pochodzenie danych: Wizualizuj pełne pochodzenie danych — od pozyskiwania surowych danych, przez transformacje, inżynierię cech ML i trenowanie modeli, po obsługę aplikacji AI. Natychmiast poznaj wpływ zmian na wcześniejszych etapach na cały potok danych i AI.

Sztuczna inteligencja dla przedsiębiorstw na dużą skalę wymaga zabezpieczeń klasy korporacyjnej, zarządzania dostępem i audytowalności, stosowanych konsekwentnie w odniesieniu do każdego zasobu danych, modelu i agenta. Oracle AI Data Platform wymusza dwuwarstwowy model zabezpieczeń: Oracle Cloud Infrastructure Identity and Access Management (IAM) do zarządzania tożsamością i uwierzytelniania, w połączeniu z AI Data Platform do szczegółowej kontroli dostępu do każdego zasobu katalogu, obszaru roboczego i zasobu AI, z kompleksowymi dziennikami audytu zapewniającymi pełną identyfikowalność. Zarządzaj całym środowiskiem danych i AI bez traktowania zabezpieczeń jako późniejszego dodatku.

• Dwuwarstwowy model zabezpieczeń: Zabezpieczenia działają na dwóch poziomach: OCI IAM obsługuje tożsamość, uwierzytelnianie i dostęp na poziomie chmury; AI Data Platform kontroluje, kto może odnajdować, odczytywać, modyfikować i wykorzystywać poszczególne zasoby danych i AI w ramach platformy. Obie zasady są definiowane i zarządzane przez klienta. Oracle utrzymuje strukturę, która egzekwuje ich przestrzeganie. Zyskujesz korzyści płynące z architektury ochrony wielowarstwowej bez utraty kontroli.
• Środowisko robocze AI Data Platform: Szczegółowa kontrola dostępu oparta na rolach w obszarach roboczych, zasobach katalogu, zasobach obliczeniowych, agentach i funkcjach administracyjnych. Role są spójnie stosowane w obszarze danych i AI, bez luk między tym, co użytkownicy mogą zobaczyć w katalogu, a działaniami, które mogą wykonywać na platformie.
• Rejestrowanie audytowe i identyfikowalność: Kompleksowe dzienniki audytu dla każdej czynności użytkownika, dostępu do danych, interakcji agenta i zmiany administracyjnej zapewniają identyfikowalność w całej platformie, wspierając zgodność z przepisami, dochodzenia oraz raportowanie historii dostępu.
• Izolacja sieci i prywatne punkty końcowe: Wdrażaj obszary robocze, zasoby obliczeniowe i połączenia danych w prywatnych podsieciach VCN z prywatnymi punktami końcowymi. Newralgiczne obciążenia robocze nigdy nie przechodzą przez publiczny Internet. Izolacja sieci jest wymuszana w warstwie infrastruktury.
• Integracja OCI Identity and Access Management i zabezpieczeń: OCI IAM obsługuje federację tożsamości i uwierzytelnianie na całej platformie. Głęboka integracja z OCI Vault do zarządzania sekretami, OCI Certificates do obsługi TLS oraz OCI Security Advisor do rekomendacji dotyczących poziomu zabezpieczeń zapewnia ujednoliconą płaszczyznę kontroli zabezpieczeń dla danych, AI i infrastruktury.

Scentralizowany rejestr do odnajdywania agentów AI i zarządzania nimi na skalę przedsiębiorstwa, obejmujący agentów utworzonych za pomocą AI Data Platform oraz agentów firm zewnętrznych, a także serwery i narzędzia MCP. Rejestr AI śledzi tożsamość, możliwości, uprawnienia, wersje i dzienniki interakcji każdego agenta, zapewniając administratorom platformy wgląd i kontrolę nad rosnącą flotą agentów AI działających w całym przedsiębiorstwie.

• Scentralizowany rejestr agentów: Ujednolicony rejestr, który pomaga katalogować, wersjonować i zarządzać wszystkimi agentami AI, niezależnie od tego, czy zostały utworzone za pomocą AI Data Platform, czy narzędzi innych firm. Śledź tożsamość każdego agenta, deklarowane możliwości, zakres uprawnień, historię wersji i dzienniki interakcji. Odkrywaj agentów według możliwości, domeny lub zespołu, korzystając z bogatych metadanych do zarządzania, kontroli dostępu i ponownego wykorzystania na skalę przedsiębiorstwa.
• Protokół agent-agent (A2A): Umożliwiaj uporządkowaną, ustandaryzowaną komunikację między agentami AI Data Platform a agentami firm zewnętrznych przy użyciu otwartego protokołu A2A. Twórz złożone przepływy pracy, w których agenci specjalistyczni współpracują z agentami orkiestrującymi, z jasno określoną tożsamością, deklaracją możliwości oraz granicami uprawnień egzekwowanymi przy każdej interakcji.
• Serwery i narzędzia Model Context Protocol (MCP): Rejestruj i udostępniaj serwery i narzędzia MCP. Agenci dynamicznie wykrywają i wywołują narzędzia w czasie wykonywania, w tym zapytania do baz danych, interfejsy API REST oraz niestandardowe funkcje biznesowe, bez zakodowanych na stałe powiązań. Uprawnienia do narzędzi są zarządzane za pomocą zasad rejestru definiowanych zgodnie ze sposobem kontrolowania dostępu agentów.

Zapewnij użytkownikom nietechnicznym dostęp do pełnego potencjału danych przedsiębiorstwa dzięki analityce samoobsługowej, wyselekcjonowanym agentom AI i wnioskom opartym na AI. Funkcje AI są osadzone bezpośrednio w procesach biznesowych, w których podejmowane są decyzje. Nie są wymagane umiejętności techniczne. To zdemokratyzowana AI dla przedsiębiorstw.

• Analityka w biznesowych przepływach pracy: Oracle Analytics Cloud osadza światowej klasy analitykę bezpośrednio w aplikacjach, z których Twoje zespoły korzystają na co dzień, w tym Oracle Fusion ERP, HCM, SCM i CX. Zadawaj pytania w języku naturalnym, wyświetlaj narracje generowane przez AI i udostępniaj centralnie zarządzane pulpity nawigacyjne w ramach przepływu pracy.
• Ujednolicony interfejs konwersacyjny: Jeden wspólny widok do odkrywania agentów AI organizacji, zadawania im zapytań i współpracy z nimi. Agent Hub interpretuje żądania użytkowników biznesowych, znajduje i wywołuje właściwego agenta oraz przedstawia wyniki w kontekście — wszystko za pomocą języka naturalnego. Nie są wymagane żadne umiejętności techniczne.
• Wyselekcjonowana biblioteka agentów AI: Przeglądaj wyselekcjonowaną bibliotekę zatwierdzonych agentów — agentów wewnętrznych utworzonych przez zespoły ds. danych oraz zweryfikowanych agentów innych firm — wraz z opisami, przykładowymi promptami i wskazówkami dotyczącymi użytkowania w typowych zadaniach biznesowych.
• Zarządzany dostęp i bezpieczeństwo: Użytkownicy mogą zarządzać każdą interakcją agentów i zapytaniem analitycznym przy użyciu tych samych zasad RBAC, co w przypadku danych bazowych. Użytkownicy widzą tylko tych agentów i te dane, do których dostępu są upoważnieni. Zabezpieczenia klasy korporacyjnej bez dodatkowej konfiguracji.