Google-ը Gemini-ում լռելյայն միացնում է Knowledge Catalog-ը

Google-ը նոյեմբերի 4-ից իր Gemini հավելվածում լռելյայն միացնում է Knowledge Catalog-ը, գրել է SiliconANGLE-ը։ Ինտեգրումը կարող է լուծել բիզնես ցուցանիշների սահմանումների և հասանելիության վերահսկման հետ կապված խնդիրները՝ նախքան օգտատիրոջ խնդրանքը կվերածի կառուցվածքային հարցումների լեզվով (SQL) հարցման։ Այդ լեզուն օգտագործվում է տվյալների բազային հարցումներ ուղարկելու համար։

Knowledge Catalog-ը գերբանականության (ԳԲ) գործակալներին տրամադրում է կազմակերպության բիզնես տերմինների քարտեզը։ Google-ի խոսքով՝ գործակալները կիրառում են նույն վերահսկվող բանաձևերը, որոնք օգտագործում են բիզնես թիմերը, օրինակ՝ զուտ հասույթը կամ հաճախորդների արտահոսքը հաշվարկելու համար։

Թարմացումը Google-ի Agentic Data Cloud-ի մասն է։ Այն գործարկվել է 2026-ին ավելի վաղ՝ Google Cloud Next միջոցառմանը, որպեսզի գործակալները կարողանան օգտվել տվյալներից այնտեղ, որտեղ դրանք պահվում են, և անհրաժեշտ չլինի ամբողջը հավաքել կենտրոնական պահոցում։ Ավելի վաղ ստեղծված միջսահմանային Lakehouse-ը նույնպես առաջին անգամ ներկայացվել է այնտեղ։

Կազմակերպության համատեքստի առանձին նախնական փորձարկում

Լռելյայն ինտեգրումից զատ՝ Google-ը նախնական փորձարկման փուլում է ներկայացրել Knowledge Catalog-ի ինքնուսուցմամբ հարստացման գործառույթը։ Տվյալների վերլուծության արտադրանքի կառավարման գծով Google-ի փոխնախագահ Սիրիշ Չանդրասեկարանի խոսքով՝ այն շարունակաբար ուսումնասիրում է Google Workspace-ում, Jira-ում, SharePoint-ում և GitHub-ում առկա չկառուցվածքավորված տեղեկությունները և գործառնական գիտելիքը վերածում Open Knowledge Format ձևաչափով համատեքստային հավաքածուների, որոնք կարող են օգտագործել գործակալները։ Նրա խոսքով՝ Google-ը սպասում է, որ ինքնավար գործակալները մարդկանց փոխարեն կդառնան տվյալների հիմնական սպառողները, ինչի համար անհրաժեշտ է ենթակառուցվածք՝ ցածր ուշացման, տվյալների տեղափոխման բացառման և ավտոմատացված կառավարման առաջնահերթություններով։

SiliconANGLE-ի հաղորդմամբ՝ ընկերությունները կարող են գործակալների աշխատանքը հիմնել նաև BigQuery-ի, Snowflake-ի, SAP-ի, Looker-ի և dbt-ի իմաստային մոդելների վրա։

Google-ի խոսքով՝ առաջին օգտատերերի արդյունքները ցույց են տալիս, որ այս համատեքստը կարող է միջին գործակալի ճշգրտությունը մեծացնել 4 անգամ՝ միաժամանակ մինչև 75%-ով նվազեցնելով տոկենների՝ տեքստը մշակելու համար օգտագործվող միավորների ծախսը։

Google-ը ներկայացրել է նաև Gemini-ում հաշվետվություններ կազմելու հնարավորությունը, որն օգտագործում է BigQuery-ն և Knowledge Catalog-ը՝ բիզնես օգտատերերի խնդրանքներից հարցումներ կազմելու և պահպանելու համար։ Չանդրասեկարանի խոսքով՝ թիմերը կարող են ըստ պահանջի կրկին գործարկել պահպանված հաշվետվությունները՝ առանց տոկեններ ծախսելու։

Տվյալների հասանելիություն և գործիքներ մշակողների համար

Նոր անսահման Lakehouse-ն ավելացնում է Amazon Web Services-ում և Microsoft Azure-ում պահվող տվյալների քեշավորման հնարավորություն։ Չանդրասեկարանի խոսքով՝ ընկերությունները կարող են այդ տվյալներին հարցումներ ուղարկել անվտանգ մասնավոր կապով՝ առանց տվյալների փոխանցման վճարի, իսկ ստացված բլոկները ժամանակավորապես պահվում են Google Cloud-ում՝ հետագա հարցումներն արագացնելու համար։

AlloyDB-ի ինտեգրումը նույնպես թույլ է տալիս ստանդարտ PostgreSQL հարցումներով դիմել Apache Iceberg ձևաչափով արտաքին աղյուսակներին՝ առանց տվյալները պատճենելու։ Այն կապում է ընթացիկ գործարքային տվյալները տվյալների լճապահովոցի պատմական գրառումների հետ։

Data Agent Kit-ը դարձել է ընդհանուր հասանելի՝ Model Context Protocol-ի գործիքները բերելով ծրագրային ապահովման մշակման միջավայրեր։ Մշակողները կարող են սովորական լեզվով նկարագրել բիզնես նպատակը և գործակալներին հանձնարարել ստեղծել, կատարելագործել ու փորձարկել տվյալների մշակման շղթաները։ Google-ի խոսքով՝ BigQuery Graph-ը նույնպես ընդհանուր հասանելի է դարձել՝ թույլ տալով հարաբերական տվյալների բազայի աղյուսակներում կատարել պետաբայթային ծավալի գրաֆային վերլուծություն՝ առանց տվյալների արտահանման, փոխակերպման և բեռնման (ETL) շղթաների։

AlloyDB Express-ն անցել է ավելի լայն նախնական փորձարկման փուլ, իսկ TimesFM 3.0 կանխատեսման և TabFM կանխատեսող վերլուծության մոդելները նույնպես նախնական փորձարկման փուլում են։