Tìm hiểu về Google Agentic Data Cloud

Tìm hiểu về Google Agentic Data Cloud

Google Agentic Data Cloud đánh dấu bước chuyển đổi trong chiến lược dữ liệu doanh nghiệp, từ các hệ thống chủ yếu lưu trữ và phân tích thông tin sang nền tảng có khả năng cung cấp ngữ cảnh, hỗ trợ AI Agent suy luận và chủ động thực hiện hành động. Với kiến trúc kết hợp dữ liệu, AI và cơ sở dữ liệu vận hành, Google Cloud hướng đến giải quyết những thách thức về phân mảnh dữ liệu, độ tin cậy, khả năng mở rộng và chi phí khi doanh nghiệp triển khai Agentic AI trên quy mô lớn. Cùng Cloud Ace tìm hiểu giải pháp này nhé.

Agentic Data Cloud là một System of Action (hệ thống hành động) do Google Cloud phát triển, được thiết kế để hợp nhất toàn bộ dữ liệu doanh nghiệp, mô hình AI và cơ sở vận hành vào một hệ thống duy nhất, hoạt động một cách chủ động chính xác và bảo mật ở quy mô lớn

Nếu các nền tảng dữ liệu truyền thống chủ yếu phục vụ việc thu thập, lưu trữ, xử lý và phân tích thông tin để người dùng đưa ra quyết định, Agentic Data Cloud hướng đến một bước tiến mới: cho phép AI Agent truy cập dữ liệu, hiểu ngữ cảnh doanh nghiệp, suy luận và thực hiện hành động dựa trên ngữ cảnh doanh nghiệp.

Kích hoạt toàn bộ dữ liệu với kiến trúc mở và linh hoạt: Google Cloud Lakehouse cùng các định dạng mở như Apache Iceberg cho phép kết nối và khai thác dữ liệu từ nhiều môi trường như Google Cloud, AWS, Azure, hệ thống on-premises hay các ứng dụng SaaS, mà không nhất thiết phải di chuyển dữ liệu về một nơi. Điều này giúp doanh nghiệp giảm tình trạng phân mảnh, hạn chế chi phí truyền tải dữ liệu và tạo nền tảng thống nhất cho AI Agent. Theo báo cáo từ Google Cloud, kiến trúc Open Lakehouse này mang lại mức ROI 117%, với thời gian hoàn vốn dưới sáu tháng.

Xây dựng AI Agent với Knowledge Catalog: Google Knowledge Catalog đóng vai trò như một lớp ngữ cảnh thống nhất, giúp khám phá, tổ chức và bổ sung ý nghĩa cho dữ liệu có cấu trúc lẫn phi cấu trúc. Kết hợp với Looker và công nghệ tìm kiếm ngữ nghĩa, nền tảng giúp AI Agent truy xuất đúng thông tin, tuân thủ quyền truy cập và giảm nguy cơ tạo ra nội dung không chính xác. Theo Google, việc tích hợp lớp ngữ nghĩa và ngữ cảnh này giúp cải thiện độ chính xác trong nhận diện tập dữ liệu lên 50% và giảm hiện tượng AI hallucination lên đến 66%.

Tối ưu hiệu suất và chi phí với AI-native stack: Google xây dựng hệ thống AI trên toàn bộ hạ tầng công nghệ, từ mạng lưới toàn cầu, chip TPU đến các mô hình Gemini và Gemini Enterprise Agent Platform. Thay vì bổ sung AI như một thành phần riêng biệt, Google tích hợp AI trực tiếp vào hệ sinh thái dữ liệu và cơ sở hạ tầng, giúp doanh nghiệp tối ưu hiệu suất xử lý, giảm độ trễ và hỗ trợ triển khai AI Agent trên quy mô lớn. Một số lợi thế hiệu suất được Google công bố bao gồm:

🔹 BigQuery Advanced Runtimes hỗ trợ truy vấn nhanh hơn 6 lần.
🔹 Lightning Engine cho Apache Spark giúp Spark chạy nhanh hơn 4,5 lần so với Apache Spark mã nguồn mở.
🔹 AlloyDB xử lý các workload giao dịch nhanh hơn 4 lần so với PostgreSQL tiêu chuẩn.

Các cập nhật mới tập trung vào ba định hướng: mở rộng khả năng khai thác dữ liệu đa môi trường, nâng cao độ chính xác thông qua ngữ cảnh doanh nghiệp và cải thiện trải nghiệm làm việc với AI Agent.

Borderless Lakehouse:

🔹 Gemini tích hợp trực tiếp vào Borderless Lakehouse: Người dùng doanh nghiệp có thể sử dụng ngôn ngữ tự nhiên để truy vấn dữ liệu phân tán trên nhiều nền tảng đám mây, trong khi AI Agent sử dụng dữ liệu này để suy luận và hỗ trợ quy trình nghiệp vụ.
🔹 Cross-cloud Interconnect và Caching cho AWS, Azure: Tính năng này cho phép truy vấn dữ liệu ở nhiều nền tảng đám mây khác nhau, thông qua kết nối riêng tư, bảo mật và không phát sinh phí egress biến đổi theo cách tiếp cận được Google công bố. Dữ liệu truy vấn từ xa được tự động cache tại Google Cloud để hỗ trợ hiệu suất truy cập.
🔹 Iceberg Catalog Federation: Hỗ trợ liên kết danh mục dữ liệu với Databricks Unity, Snowflake Horizon và AWS Glue.
🔹 Zero-copy integrations: Mở rộng khả năng tích hợp với SAP, Workday và Salesforce mà không cần tạo thêm bản sao dữ liệu.

Đặc biệt, Borderless Lakehouse được tích hợp trực tiếp với Knowledge Catalog để tự động lập chỉ mục dữ liệu phân tán và dữ liệu phi cấu trúc. Nhờ đó, AI Agent có thể khai thác thông tin với ngữ cảnh phù hợp, đồng thời kiểm soát tốt hơn lượng token sử dụng.

Knowledge Catalog: Tăng độ chính xác và tối ưu khả năng xử lý của AI Agent

Google tiếp tục nâng cấp Knowledge Catalog, đưa nền tảng này tiến xa hơn vai trò quản lý và khám phá dữ liệu truyền thống để trở thành công cụ cung cấp ngữ cảnh cho AI Agent. Các cải tiến mới tập trung vào:

🔹 Self-learning context enrichment: Tự động học hỏi và bổ sung ngữ cảnh dựa trên cách dữ liệu được sử dụng trong doanh nghiệp.
🔹 Reusable context sets: Tạo các bộ ngữ cảnh có thể tái sử dụng, giúp nhiều AI Agent cùng khai thác tri thức nghiệp vụ nhất quán.
🔹 Trải nghiệm quản trị mới: Cải thiện khả năng quản lý và phát triển lớp ngữ cảnh, đồng thời duy trì quyền kiểm soát của con người đối với quản trị dữ liệu.

Theo benchmark nội bộ của Google, Knowledge Catalog giúp AI Agent đạt độ chính xác cao gần 4 lần, giảm độ trễ lên đến 33% và sử dụng ít hơn đến 75% token.

AlloyDB mở rộng khả năng truy vấn dữ liệu giao dịch và phân tích

Để AI Agent có thể đưa ra quyết định dựa trên thông tin cập nhật, việc kết hợp dữ liệu giao dịch real-time với dữ liệu phân tích lịch sử đóng vai trò quan trọng. Bản cập nhật mới này, Google mang đến khả năng truy cập trực tiếp các bảng Iceberg trong AlloyDB. Tính năng này cho phép người dùng truy vấn dữ liệu Iceberg lưu trữ trên cloud và kết hợp với dữ liệu vận hành ngay trong một câu truy vấn PostgreSQL, mà không cần xây dựng thêm ETL pipeline hoặc tạo bản sao dữ liệu.

Một số điểm nổi bật:

🔹 Truy cập trực tiếp dữ liệu Iceberg từ cloud storage.
🔹 Kết hợp dữ liệu giao dịch hiện tại với dữ liệu phân tích lịch sử.
🔹 Tích hợp với Lakehouse Runtime Catalog và Knowledge Catalog để duy trì ngữ cảnh quản trị thống nhất.
🔹 Tăng tốc độ truy vấn tổng hợp lên đến 7 lần so với dịch vụ tương thích PostgreSQL, tương đương Amazon theo benchmark Google công bố.

Spanner Omni: Mở rộng ứng dụng AI Agent trên môi trường hybrid và multi-cloud

Spanner Omni mở rộng khả năng triển khai ứng dụng trên nhiều môi trường, bao gồm hệ thống on-premises, edge và multi-cloud. Với khả năng cung cấp tính nhất quán dữ liệu, khả năng mở rộng và hỗ trợ đa mô hình, Spanner Omni hướng được tối ưu cho các ứng dụng AI Agent cần vận hành xuyên suốt nhiều môi trường hạ tầng nhưng vẫn duy trì trải nghiệm dữ liệu thống nhất.

Để triển khai Agentic Data Cloud hiệu quả, doanh nghiệp cần nhiều hơn một nền tảng công nghệ. Việc đánh giá kiến trúc dữ liệu hiện tại, xác định nguồn dữ liệu ưu tiên, xây dựng cơ chế quản trị và lựa chọn các bài toán AI phù hợp là những bước quan trọng trong quá trình chuyển đổi. Với năng lực tư vấn và triển khai giải pháp Google Cloud, Cloud Ace đồng hành cùng doanh nghiệp trong hành trình hiện đại hóa hạ tầng dữ liệu, khai thác BigQuery, xây dựng nền tảng phân tích và phát triển các ứng dụng AI Agent.

Thông qua việc kết hợp các dịch vụ dữ liệu, AI và hạ tầng của Google Cloud, Cloud Ace hỗ trợ doanh nghiệp từng bước xây dựng nền tảng dữ liệu sẵn sàng cho kỷ nguyên Agentic AI, hướng đến nâng cao hiệu suất vận hành, tối ưu chi phí và thúc đẩy các quyết định dựa trên dữ liệu.

Cloud Ace

Google Cloud Diamond Partner