Giới thiệu Google Cloud BigQuery AI

Giới thiệu Google Cloud BigQuery AI

Sự tăng tốc trong việc ứng dụng AI khiến doanh nghiệp cần một sự kết nối chặt chẽ hơn giữa dữ liệu và AI, nhằm tối ưu toàn bộ vòng đời mô hình và đưa insight cũng như tự động hóa đến mọi bộ phận. Google Cloud đã phát triển BigQuery ML để đưa AI đến gần hơn với dữ liệu, cho phép doanh nghiệp xây dựng và triển khai mô hình ngay trong BigQuery. Vừa qua, Google Cloud đã công bố giải pháp BigQuery AI — sự kết hợp toàn diện giữa machine learning tích hợp, hàm GenAI, vector search, intelligent agents và bộ công cụ agent. Cùng Cloud Ace khám phá những khả năng mới này nhé.

1. Ứng dụng Gen AI vào dữ liệu Tích hợp trực tiếp các mô hình AI của Google và đối tác vào multimodal data trong BigQuery thông qua các hàm SQL đơn giản.

2. Đơn giản hóa hành trình Data-to-ML Quản lý trọn vẹn vòng đời máy học ngay trong BigQuery — thiết kế tính năng đến đào tạo mô hình, điều chỉnh, suy luận và giám sát mà không cần di chuyển dữ liệu.

3. Tăng tốc xây dựng quy trình và ứng dụng doanh nghiệp có thể đẩy nhanh tiến độ công việc nhờ các agents trực quan, chuyên biệt được tích hợp sẵn.

Việc tích hợp trực tiếp các mô hình AI tiên tiến vào kho dữ liệu thông qua các câu lệnh SQL đơn giản giúp doanh nghiệp tăng tốc triển khai Generative AI, đồng thời khai thác chiều sâu ngữ nghĩa từ dữ liệu đa phương thức.

AI functions kết hợp LLM và mô hình embedding trong truy vấn SQL, hỗ trợ doanh nghiệp tự động hóa nhiều tác vụ quan trọng như tạo nội dung, phân tích chuyên sâu, tóm tắt, trích xuất dữ liệu có cấu trúc, phân loại, tạo embedding và làm giàu dữ liệu. Các function này cũng hỗ trợ lọc, đánh giá và phân loại dữ liệu. Với managed AI functions, BigQuery tự động lựa chọn mô hình tối ưu chi phí vầ chất lượng.

Embeddings & search functions mở rộng năng lực tìm kiếm của doanh nghiệp bằng cách chuyển từ phương pháp dựa trên từ khóa sang tìm kiếm theo ngữ nghĩa và ngữ cảnh. Embedding và vector search trong BigQuery đáp ứng nhiều nhu cầu quan trọng như RAG, tìm kiếm đa phương thức, loại bỏ dữ liệu trùng lặp, phân cụm và xây dựng hệ thống gợi ý.

Mục tiêu khi Google Cloud ra mắt BigQuery ML là thu hẹp khoảng cách giữa AI/ML và dữ liệu, cho phép người dùng SQL thực hiện các tác vụ máy học trên nền tảng BigQuery. Qua quá trình phát triển, các tính năng liên tục được bổ sung nhằm hoàn thiện một nền tảng toàn diện, khép kín, giúp tăng tốc toàn bộ vòng đời máy học.

Ví dụ: PUMA đã sử dụng khả năng ML tích hợp sẵn trong BigQuery để nâng cấp quy trình phân khúc thủ công, xây dựng các nhóm đối tượng tinh vi dựa trên khuynh hướng mua sắm. Kết quả đạt được: các phân khúc ứng dụng ML ghi nhận CTR tăng 149,8%, conversion rate 4,6% và 6% giá trị đơn hàng trung bình.

BigQuery AI tối ưu hóa toàn bộ vòng đời ML thông qua việc đưa mã nguồn trực tiếp vào dữ liệu.

🔹Không di chuyển dữ liệu: Đào tạo và vận hành mô hình trực tiếp trong BigQuery bằng SQL hoặc Python. Không cần di chuyển dữ liệu hay quản lý cơ sở hạ tầng.
🔹Vòng đời khép kín: Xử lý mọi công đoạn từ kỹ thuật đến huấn luyện, đánh giá, tinh chỉnh, triển khai và suy luận trong BigQuery mà không yêu cầu chuyên môn sâu về các framework ML chuyên biệt.
🔹Mô hình linh hoạt: Tùy chọn sử dụng các mô hình tích hợp sẵn, nhập mô hình tùy chỉnh từ bên ngoài, hoặc sử dụng các mô hình huấn luyện trước (như TimesFM) cho suy luận zero-shot.
🔹Suy luận thống nhất: Thực thi dự đoán thông qua batch processing, real-time streaming hoặc suy luận từ xa.

Bên cạnh đó, BigQuery AI hỗ trợ linh hoạt các môi trường phát triển — từ BigQuery Studio, Colab Enterprise notebook tích hợp AI, cho đến các IDE tùy chọn khác.

Trong hệ sinh thái BigQuery AI, các khả năng của data agents và assistive AI cũng được hợp nhất nhằm tối ưu hóa và tự động hóa quy trình làm việc

🔹Data Engineering Agent: giúp xây dựng, điều chỉnh và quản lý data pipeline thông qua mô tả yêu cầu bằng ngôn ngữ tự nhiên. Công cụ này chuyển đổi yêu cầu đơn giản thành SQL code chuẩn cho môi trường sản xuất, tự động hóa các tác vụ phức tạp như làm sạch, biến đổi dữ liệu và mô hình hóa schema.
🔹Data Science Agent: tự động hóa toàn bộ quy trình khoa học dữ liệu. Công cụ này thiết lập kế hoạch nhiều bước, tạo và thực thi code, phân tích kết quả và trình bày phát hiện. Ngoài ra, nó còn hỗ trợ trực quan hóa dữ liệu từ các mô tả ngắn gọn, giải thích và chuyển đổi code, cũng như tự động chẩn đoán và khắc phục lỗi.
🔹Conversational Analytics Agent: Giúp doanh nghiệp vượt qua rào cản kỹ thuật, cho phép đặt câu hỏi bằng ngôn ngữ tự nhiên để nhận được thông tin phân tích rõ ràng, mang tính hành động cao, qua đó phổ cập dữ liệu tới mọi đối tượng.
🔹Assistive AI features: Các công cụ như data canvas và code completion giúp đơn giản hóa và đẩy nhanh các tác vụ thường xuyên.

Bên cạnh các agent có sẵn và tính năng assistive AI, BigQuery còn cung cấp bộ công cụ mạnh mẽ để phát triển agent tùy chỉnh và tích hợp agentic AI vào các ứng dụng. Conversational Analytics API cung cấp nền tảng để nhúng năng lực xử lý ngôn ngữ tự nhiên vào sản phẩm, tạo ra trải nghiệm dữ liệu phù hợp nhu cầu doanh nghiệp. Với các trường hợp nâng cao hơn, Agent Development Kit (ADK) mang đến framework toàn diện để xây dựng và triển khai hệ thống multi-agent phức tạp, trong khi Model Context Protocol (MCP) tiêu chuẩn hóa cách các mô hình AI giao tiếp với cơ sở dữ liệu và các công cụ khác.

Nhận tư vấn ngay

Cloud Ace

Google Cloud Managed Service Provider