Ushirikiano wa Databricks na Anthropic kwa AI ya Biashara

Katika hatua muhimu inayotarajiwa kubadilisha jinsi mashirika yanavyotumia akili bandia, Databricks, kampuni kubwa katika usimamizi wa data na suluhisho za AI, imeungana na Anthropic, kampuni maarufu ya usalama na utafiti wa AI. Kampuni hizo mbili zilitangaza ushirikiano mkubwa wa kimkakati wa miaka mitano unaolenga kuunganisha kwa kina modeli za kisasa za Claude AI za Anthropic moja kwa moja kwenye Jukwaa la Ujasusi wa Data la Databricks (Databricks Data Intelligence Platform). Makubaliano haya ya kihistoria yanaahidi kuleta uwezo wa hali ya juu wa AI wa Anthropic, ikiwa ni pamoja na modeli yake ya hivi karibuni ya Claude 3.7 Sonnet, kwa wateja wengi wa Databricks, wanaofikia zaidi ya mashirika 10,000 duniani kote. Lengo kuu ni kubwa lakini liko wazi: kuwezesha biashara kuunda na kuendesha kwa usalama mawakala wa AI wenye akili wanaoweza kufikiri kwa kina, wakitumia moja kwa moja hifadhidata zao za kipekee, za umiliki ndani ya mazingira moja yaliyounganishwa. Ujumuishaji huu sasa unapatikana kupitia watoa huduma wakuu wa wingu—AWS, Azure, na Google Cloud Platform—kupitia jukwaa la Databricks.

Kukabiliana na Ugumu wa Utekelezaji wa AI katika Biashara

Mvuto wa akili bandia haupingiki kwa biashara za kisasa, ukiahidi ufanisi wa kimapinduzi, uzoefu mpya kwa wateja, na vyanzo vipya vya mapato. Hata hivyo, njia ya kufikia manufaa haya mara nyingi hujaa vikwazo vikubwa. Mashirika mengi yanajikuta yakikabiliana na changamoto za kivitendo za kutafsiri uwezo wa AI kuwa thamani halisi ya kibiashara. Kikwazo kikuu kipo katika matumizi bora ya hifadhidata kubwa za ndani, ambazo mara nyingi zimetengwa. Kujenga modeli za AI, hasa mawakala wa kisasa wenye uwezo wa kufikiri na kutekeleza majukumu kwa uhuru, kunahitaji ufikiaji rahisi wa data hii ya biashara.

Hata hivyo, mambo kadhaa yanatatiza mchakato huu:

• Mgawanyiko wa Data na Upatikanaji: Data za shirika mara nyingi hukaa katika mifumo tofauti, hifadhidata za zamani, na mazingira mbalimbali ya wingu, na kufanya ufikiaji uliounganishwa kuwa mgumu na wa gharama kubwa. Kuandaa data hii kwa matumizi ya AI mara nyingi ni kazi inayohitaji rasilimali nyingi.
• Masuala ya Usalama na Faragha: Kutumia data nyeti ya umiliki kwa mafunzo na utekelezaji wa AI huibua maswali muhimu ya usalama na faragha. Mashirika yanahitaji mifumo thabiti kuhakikisha usiri wa data na kuzuia ufikiaji usioidhinishwa au uvujaji, hasa wakati wa kutumia modeli za AI za wahusika wengine.
• Ugumu wa Uundaji na Upelekaji: Kuunda, kufundisha, kutathmini, na kupeleka mawakala wa AI wa kiwango cha uzalishaji ni changamoto ngumu ya kihandisi. Inahitaji utaalamu maalum, zana za kisasa, na majaribio makali ili kuhakikisha uaminifu na usahihi.
• Utawala na Uzingatiaji: Kuanzisha mifumo madhubuti ya utawala kwa AI ni muhimu sana. Hii inajumuisha kusimamia matoleo ya modeli, kufuatilia asili ya data, kudhibiti ruhusa za ufikiaji, kufuatilia upendeleo au matumizi mabaya, na kuhakikisha uzingatiaji wa kanuni zinazobadilika. Ukosefu wa utawala wa mwisho hadi mwisho mara nyingi huzuia utekelezaji wa AI kwa kiwango kikubwa.
• Kuhakikisha Usahihi na Uaminifu: Mawakala wa AI lazima watoe matokeo sahihi, ya kuaminika, na yanayohusiana na muktadha, hasa wanapoingiliana na michakato muhimu ya biashara au programu zinazowakabili wateja. Kutathmini utendaji wa modeli dhidi ya kazi maalum za biashara na kuhakikisha uaminifu bado ni changamoto kubwa.
• Kukokotoa Faida ya Uwekezaji (ROI): Kuonyesha ROI wazi kutokana na uwekezaji wa AI kunaweza kuwa kugumu, hasa katika hatua za awali. Gharama kubwa zinazohusiana na maandalizi ya data, uundaji wa modeli, miundombinu, na vipaji maalum huhitaji njia wazi ya matokeo ya biashara yanayoweza kupimika.

Ni mazingira haya magumu ya changamoto ambayo ushirikiano wa kimkakati kati ya Databricks na Anthropic unalenga kushughulikia, ukitoa njia iliyorahisishwa kwa biashara kushinda vikwazo hivi na kufungua uwezo halisi wa AI unaotumika kwenye mali zao za kipekee za data.

Muunganiko Wenye Nguvu: Kuunganisha Ujasusi wa Data na AI ya Hali ya Juu

Ushirikiano kati ya Databricks na Anthropic unawakilisha muunganiko wa nguvu zinazokamilishana, na kuunda suluhisho lenye nguvu kwa soko la AI la biashara. Databricks hutoa msingi wa Jukwaa la Ujasusi wa Data (Data Intelligence Platform), lililoundwa kuunganisha uhifadhi wa data, utawala, na uwezo wa AI ndani ya mazingira moja, yaliyounganishwa. Usanifu wake, uliojengwa juu ya dhana ya lakehouse, unaruhusu mashirika kusimamia data iliyopangwa na isiyopangwa kwa kiwango kikubwa, kuwezesha ufikiaji rahisi wa data kwa uchanganuzi na mizigo ya kazi ya kujifunza kwa mashine. Vipengele muhimu kama Mosaic AI vinatoa zana zilizoundwa mahsusi kwa ajili ya kujenga, kupeleka, na kufuatilia modeli na mawakala wa AI, kurahisisha mzunguko mzima wa maisha ya AI.

Anthropic, kwa upande mwingine, inaleta familia yake ya modeli kubwa za lugha za Claude (Claude large language models) za hali ya juu. Zinajulikana kwa uwezo wao wa hali ya juu wa kufikiri, ustadi katika kufuata maagizo magumu, na msisitizo mkubwa juu ya usalama na masuala ya kimaadili kupitia mbinu yake ya Constitutional AI, modeli za Claude zimeundwa kushughulikia kazi ngumu za ulimwengu halisi. Kujumuishwa kwa Claude 3.7 Sonnet, iliyoangaziwa kama modeli ya kwanza ya soko ya kufikiri kwa mseto (hybrid reasoning) na kiongozi katika kazi za uandishi wa msimbo (coding), kunaongeza zaidi uwezo unaopatikana kwa wateja wa Databricks.

Kwa kupachika modeli za Anthropic moja kwa moja ndani ya jukwaa la Databricks, ushirikiano huu unaondoa vizuizi vingi vya jadi vinavyohusiana na kuunganisha huduma za nje za AI. Ujumuishaji huu wa asili unahakikisha kuwa nguvu ya Claude inaweza kutumika moja kwa moja pale data ya biashara inapokaa, na kukuza mbinu salama zaidi, yenye ufanisi zaidi, na inayotawaliwa katika kujenga programu za AI zinazoendeshwa na data. Muunganiko upo katika kuchanganya miundombinu thabiti ya usimamizi wa data na utawala ya Databricks na uwezo wa hali ya juu wa kufikiri wa AI wa Anthropic, ukitoa kwa biashara zana bora zaidi za kuunda na kupeleka mawakala wa AI wa kisasa, wanaoaminika na waliobinafsishwa kulingana na muktadha wao maalum wa uendeshaji.

Kufungua Uwezo wa Claude Ndani ya Mfumo wa Databricks

Ujumuishaji wa modeli za Claude za Anthropic katika Jukwaa la Ujasusi wa Data la Databricks umeundwa kwa urahisi na nguvu, na kufanya uwezo wa hali ya juu wa AI kupatikana kwa urahisi kwa watumiaji mbalimbali ndani ya shirika. Huu si tu muunganisho wa API; unawakilisha upachikaji wa kina wa Claude ndani ya mfumo wa ikolojia wa Databricks.

Vipengele muhimu vya ujumuishaji huu ni pamoja na:

• Upatikanaji Asilia: Watumiaji wanaweza kuingiliana na modeli za Claude moja kwa moja kupitia violesura vinavyojulikana vya Databricks. Hii inajumuisha kuita modeli kupitia maswali ya kawaida ya SQL (SQL queries), faida kubwa kwa wachambuzi wa data na wataalamu ambao tayari wanajua SQL. Zaidi ya hayo, modeli zinapatikana kama nukta za mwisho zilizoboreshwa (optimized endpoints), kuruhusu wanasayansi wa data na wasanidi programu kuingiza Claude kwa urahisi katika mtiririko wao wa kazi wa kujifunza kwa mashine na programu.
• Upatikanaji Kwenye Mawingu Mbalimbali: Kwa kutambua ukweli wa mawingu mengi katika biashara za kisasa, toleo lililounganishwa linapatikana kwenye AWS, Azure, na Google Cloud Platform, kuhakikisha kuwa mashirika yanaweza kutumia nguvu iliyounganishwa ya Databricks na Anthropic bila kujali mtoa huduma wao wa miundombinu ya wingu anayependelea.
• Kutumia Claude 3.7 Sonnet: Upatikanaji wa haraka wa modeli mpya zaidi ya Anthropic, Claude 3.7 Sonnet, huwapa watumiaji ufikiaji wa uwezo wa hali ya juu. Nguvu zake katika kufikiri kwa mseto (hybrid reasoning) na uandishi wa msimbo (coding) hufungua uwezekano mpya wa utatuzi wa matatizo magumu na kazi za uzalishaji au uchambuzi wa msimbo kiotomatiki moja kwa moja ndani ya jukwaa la data.
• Utendaji Ulioboreshwa: Ujumuishaji asilia unawezesha utendaji ulioboreshwa na ufanisi. Kwa kuendesha modeli za Claude karibu na data ndani ya mazingira ya Databricks, muda wa kusubiri (latency) unaweza kupunguzwa, na gharama za uhamishaji data zinazohusiana na simu za nje za API zinaweza kupunguzwa kwa kiasi kikubwa.

Ujumuishaji huu wa kina hubadilisha jinsi mashirika yanavyoweza kutumia modeli kubwa za lugha. Badala ya kutibu AI kama huduma tofauti, ya nje inayohitaji mifumo tata ya data na njia za usalama, Claude inakuwa sehemu ya ndani ya mtiririko wa kazi wa ujasusi wa data, inayopatikana kwa urahisi ili kuimarisha uchanganuzi, kuendesha kazi kiotomatiki, na kuendesha uvumbuzi moja kwa moja kutoka kwa msingi wa data wa shirika.

Kukuza Ujasusi Maalum wa Kikoa na Data ya Biashara

Labda ahadi ya kuvutia zaidi ya ushirikiano wa Databricks-Anthropic ipo katika uwezo wake wa kuwezesha mashirika kujenga mawakala wa AI waliobobea sana ambao wana maarifa maalum ya kikoa (domain-specific knowledge), yaliyotokana moja kwa moja na data ya umiliki ya kampuni yenyewe. Modeli za AI za jumla, ingawa zina nguvu, mara nyingi hukosa uelewa wa kina wa tasnia maalum, istilahi za kampuni, au michakato ya ndani inayohitajika kwa kazi za biashara zenye thamani kubwa. Ushirikiano huu unashughulikia pengo hilo moja kwa moja.

Ujumuishaji unawezesha uundaji wa mawakala wa AI wa kisasa wenye uwezo wa:

• Kufikiri na Kupanga kwa Hali ya Juu: Modeli za Claude zina ubora katika kufikiri na kupanga kwa hatua nyingi. Zinapounganishwa na ufikiaji wa data ya kipekee ya shirika kupitia Databricks, mawakala hawa wanaweza kushughulikia mtiririko wa kazi mgumu. Kwa mfano:
  • Katika sekta ya dawa, wakala anaweza kuchanganua data ya majaribio ya kliniki pamoja na rekodi za afya za wagonjwa (kwa ulinzi unaofaa) na fasihi ya utafiti ili kutambua wagombea wanaofaa kwa majaribio au kutabiri mwingiliano unaowezekana wa dawa, kurahisisha mchakato mgumu na unaotumia muda mwingi.
  • Katika huduma za kifedha, wakala anaweza kuchanganua mifumo ya miamala, historia ya mteja, na data ya soko ya wakati halisi ili kutoa ushauri wa uwekezaji uliobinafsishwa sana au kugundua shughuli za ulaghai za kisasa ambazo zinaweza kukwepa mifumo ya jadi inayotegemea sheria.
  • Katika utengenezaji, wakala anaweza kuunganisha data ya sensa kutoka kwa mashine, kumbukumbu za matengenezo, na habari za mnyororo wa ugavi ili kutabiri kwa usahihi kushindwa kwa vifaa na kuboresha ratiba za uzalishaji kwa haraka.
• Kushughulikia Hifadhidata Kubwa na Mbalimbali: Dirisha kubwa la muktadha la Claude linaruhusu kuchakata na kufikiri juu ya kiasi kikubwa cha habari kwa wakati mmoja. Hii ni muhimu kwa matukio ya matumizi ya biashara ambayo mara nyingi huhusisha hifadhidata kubwa na tofauti zilizohifadhiwa ndani ya lakehouse ya Databricks.
• Ubinafsishaji kupitia RAG na Urekebishaji Mzuri (Fine-Tuning): Jukwaa hurahisisha mchakato wa kubinafsisha modeli za Claude. Mashirika yanaweza kutekeleza kwa urahisi Retrieval-Augmented Generation (RAG) kwa kuunda kiotomatiki faharasa za vekta za nyaraka na data zao ndani ya Databricks. Hii inaruhusu wakala wa AI kupata taarifa muhimu, za kisasa za ndani ili kutoa majibu sahihi zaidi na yenye msingi wa muktadha. Zaidi ya hayo, jukwaa linaunga mkono urekebishaji mzuri (fine-tuning) wa modeli za Claude kwenye hifadhidata maalum za biashara, kuwezesha urekebishaji wa kina kwa lugha maalum ya kampuni, michakato, na vikoa vya maarifa.

Kwa kuleta nguvu ya kufikiri ya Claude moja kwa moja kwenye data ya umiliki ndani ya jukwaa moja lililounganishwa, biashara zinaweza kusonga mbele zaidi ya programu za AI za jumla na kuunda mawakala wenye akili kweli wanaoelewa mazingira yao ya kipekee ya uendeshaji, na kuendesha maboresho makubwa katika ufanisi, kufanya maamuzi, na uvumbuzi.

Kuanzisha Msingi wa Uaminifu: Utawala Uliounganishwa na AI Wajibifu

Katika enzi ya AI, uaminifu si tu sifa inayohitajika; ni hitaji la msingi. Kwa kutambua hili, ushirikiano wa Databricks na Anthropic unaweka msisitizo mkubwa katika kutoa utawala thabiti na kukuza mazoea ya maendeleo ya AI wajibifu. Hili linafikiwa kwa kuunganisha kwa karibu mbinu za Anthropic zinazozingatia usalama na mfumo mpana wa utawala wa Databricks.

Vipengele muhimu vinavyounga mkono mfumo huu wa ikolojia wa AI unaoaminika ni pamoja na:

• Utawala Uliounganishwa kupitia Unity Catalog: Unity Catalog ya Databricks hutumika kama mfumo mkuu wa neva kwa utawala wa data na AI kwenye jukwaa lote. Inatoa suluhisho moja, lililounganishwa kwa ajili ya kusimamia mali za data, modeli za AI, na vitu vinavyohusiana. Katika muktadha wa ujumuishaji wa Anthropic, Unity Catalog inawezesha:
  • Udhibiti wa Ufikiaji wa Kina (Fine-Grained Access Control): Mashirika yanaweza kufafanua na kutekeleza ruhusa sahihi, kuhakikisha kuwa watumiaji au michakato iliyoidhinishwa tu ndiyo inaweza kufikia data maalum au kuingiliana na modeli za Claude.
  • Ufuatiliaji wa Asili wa Mwisho hadi Mwisho (End-to-End Lineage Tracking): Unity Catalog hufuatilia kiotomatiki asili ya data na modeli za AI katika mzunguko wao wote wa maisha. Hii hutoa mwonekano muhimu katika jinsi modeli zilivyofunzwa, data gani zilifikia, na jinsi matokeo yao yanavyotumiwa, kusaidia ukaguzi na uzingatiaji wa udhibiti.
  • Usimamizi wa Gharama: Vipengele kama vile kuweka kikomo cha viwango (rate limiting) huruhusu mashirika kudhibiti matumizi ya modeli za Claude, kusimamia gharama zinazohusiana kwa ufanisi, na kuzuia matumizi yasiyotarajiwa ya bajeti.
• Ahadi ya Anthropic kwa Usalama: Falsafa ya maendeleo ya Anthropic imejikita sana katika utafiti wa usalama wa AI. Mbinu yao ya Constitutional AI inahusisha kufundisha modeli za AI kuzingatia seti ya kanuni au “katiba,” kukuza tabia ya kusaidia, uaminifu, na isiyo na madhara. Mwelekeo huu wa asili juu ya usalama unakamilisha uwezo wa utawala wa Databricks.
• Kutekeleza Vizuizi vya Usalama: Jukwaa lililounganishwa huruhusu mashirika kutekeleza vizuizi vya ziada vya usalama vilivyobinafsishwa kulingana na uvumilivu wao maalum wa hatari na miongozo ya kimaadili. Hii inajumuisha kufuatilia mwingiliano wa modeli kwa matumizi mabaya yanayoweza kutokea, kugundua na kupunguza upendeleo, na kuhakikisha kuwa mifumo ya AI inafanya kazi ndani ya mipaka iliyowekwa ya kimaadili.
• Kudumisha Utendaji: Muhimu zaidi, msisitizo huu juu ya utawala na usalama umeundwa kufanya kazi kwa pamoja na, badala ya kuzuia, faida za utendaji za kutumia modeli za mstari wa mbele kama Claude. Lengo ni kutoa mazingira salama na wajibifu bila kuathiri nguvu na manufaa ya AI.

Kwa kuchanganya miundombinu ya utawala iliyounganishwa ya Databricks na muundo wa AI wa Anthropic unaotanguliza usalama, ushirikiano huu unatoa kwa biashara mfumo thabiti wa kuendeleza, kupeleka, na kusimamia mawakala wa AI kwa uwajibikaji. Mbinu hii iliyounganishwa husaidia kujenga uaminifu wa wadau, kuhakikisha uzingatiaji, na kuwezesha mashirika kuongeza mipango yao ya AI kwa ujasiri.

Faida ya Ujumuishaji Asilia: Ufanisi na Usalama

Kitofautishi muhimu cha ushirikiano wa Databricks-Anthropic ni ujumuishaji asilia (native integration) wa modeli za Claude ndani ya Jukwaa la Ujasusi wa Data. Hii inatofautiana sana na mbinu zinazotegemea tu simu za nje za API kufikia modeli kubwa za lugha. Faida za ujumuishaji huu wa kina ni kubwa kwa biashara.

• Kupunguza Uhamishaji wa Data: Wakati modeli za AI zinapounganishwa asilia, hitaji la kuhamisha kiasi kikubwa cha data ya biashara inayoweza kuwa nyeti nje ya mzingo salama wa mazingira ya Databricks hupunguzwa au kuondolewa. Data inaweza kuchakatwa na kuchambuliwa mahali ilipo, na kuimarisha kwa kiasi kikubwa mkao wa usalama na kupunguza hatari zinazohusiana na usafirishaji wa data.
• Muda wa Kusubiri Uliopungua na Utendaji Ulioboreshwa: Kuchakata data na kutekeleza makisio ya AI ndani ya jukwaa moja hupunguza muda wa kusubiri wa mtandao ikilinganishwa na kupiga simu kwa huduma za nje. Hii husababisha nyakati za majibu za haraka kwa programu za AI, ambayo ni muhimu kwa matukio ya matumizi ya wakati halisi na mawakala wa mwingiliano.
• Mtiririko wa Kazi Uliorahisishwa: Ujumuishaji asilia hurahisisha mchakato wa maendeleo. Wahandisi wa data, wachambuzi, na wanasayansi wanaweza kufikia uwezo wa Claude wakitumia zana na violesura vinavyojulikana (kama SQL au madaftari ya Python ndani ya Databricks) bila kuhitaji kusimamia funguo tofauti za API, itifaki za uthibitishaji, au viunganishi vya data kwa huduma ya nje ya AI.
• Ufanisi wa Gharama: Kuondoa hitaji la uhamishaji mkubwa wa data (kuhamisha data nje ya mazingira ya wingu) kunaweza kusababisha uokoaji mkubwa wa gharama, kwani watoa huduma za wingu mara nyingi hutoza kwa data inayotoka kwenye mitandao yao. Zaidi ya hayo, matumizi bora ya rasilimali ndani ya jukwaa lililounganishwa yanaweza kuchangia ufanisi wa jumla wa gharama.
• Utawala Thabiti: Kutumia sera za utawala zilizounganishwa za Unity Catalog ya Databricks kunakuwa rahisi zaidi wakati modeli ya AI ni sehemu ya jukwaa, badala ya kuwa chombo cha nje. Udhibiti wa ufikiaji, ufuatiliaji wa asili, na ufuatiliaji hutumika kwa uthabiti kwenye mali za data na AI.

Mbinu hii asilia kimsingi hurahisisha usanifu unaohitajika kwa ajili ya kujenga mawakala wa AI wa kisasa, na kufanya mchakato kuwa salama zaidi, wenye ufanisi zaidi, na unaoweza kusimamiwa kwa urahisi zaidi kwa biashara ikilinganishwa na kuunganisha huduma tofauti pamoja.

Uthibitisho wa Ulimwengu Halisi: Kuwezesha AI Salama na Inayoweza Kupanuka

Manufaa ya kivitendo ya mbinu hii iliyounganishwa tayari yanatambuliwa na viongozi wa tasnia. Block, Inc., kampuni maarufu ya teknolojia ya kifedha, inaonyesha thamani hii. Kama Jackie Brosamer, Makamu wa Rais wa Uhandisi wa Jukwaa la Data na AI katika Block, alivyoangazia, kampuni inatanguliza matumizi ya AI ya kivitendo, wajibifu, na salama. Kutumia uhusiano wao wa kimkakati na Databricks kunaruhusu Block kufikia modeli za hali ya juu kama Claude ya Anthropic moja kwa moja ndani ya mazingira yao ya data yanayoaminika.

Block inatumia uwezo huu kuendesha “codename goose,” mpango wao wa ndani wa wakala wa AI wa chanzo huria. Uwezo wa kupeleka modeli kama Claude kwa namna iliyounganishwa (federated manner) kupitia Databricks unatoa faida muhimu:

• Unyumbufu na Uwezo wa Kupanuka: Inaruhusu Block kuongeza uwezo wake wa AI bila mshono katika timu tofauti na matukio ya matumizi.
• Usalama Ulioimarishwa: Kuweka mwingiliano wa modeli na utunzaji wa data ndani ya mazingira yao ya Databricks yanayotawaliwa kunalingana na mahitaji yao magumu ya usalama.
• Udhibiti wa Mtumiaji: Mbinu hii inadumisha udhibiti muhimu juu ya jinsi modeli za AI zinavyotumiwa na jinsi data inavyofikiwa.

Kwa Block, ujumuishaji wa Databricks-Anthropic si tu kuhusu kufikia modeli yenye nguvu; ni kuhusu kuwa na jukwaa salama, lenye unyumbufu, na linaloweza kupanuka ili kukuza ufanisi zaidi na kuendesha uvumbuzi kwa uwajibikaji kote shirika. Matumizi haya ya ulimwengu halisi yanasisitiza manufaa yanayoonekana ya kuchanganya AI ya hali ya juu na jukwaa thabiti la ujasusi wa data linalotawaliwa.

Kuweka Mwelekeo wa Baadaye wa Ujasusi Unaoendeshwa na Data

Muungano kati ya Databricks na Anthropic unaashiria zaidi ya ujumuishaji wa kiufundi tu; unaakisi maono ya kimkakati kwa mustakabali wa AI ya biashara, ambapo ujasusi wa kisasa umeunganishwa kwa kina katika mfumo wa usimamizi wa data na utawala. Kama Ali Ghodsi, Mwanzilishi Mwenza na Mkurugenzi Mtendaji wa Databricks, alivyoeleza, mahitaji yanayokua ya ujasusi wa data (data intelligence)—uwezo wa kuelewa na kuchukua hatua juu ya data kwa ufanisi—yanasukuma hitaji la suluhisho zenye nguvu, zilizounganishwa kama hizi. Kwa kuleta modeli za Anthropic kwa usalama na ufanisi kwenye Jukwaa la Ujasusi wa Data, wanalenga kuwezesha biashara kujenga mawakala wa AI waliobinafsishwa kikamilifu kulingana na hali zao maalum za uendeshaji, wakitangaza kile Ghodsi anachokiona kama awamu inayofuata ya AI ya biashara.

Akiunga mkono hisia hizi, Dario Amodei, Mkurugenzi Mtendaji na Mwanzilishi Mwenza wa Anthropic, alisisitiza kuwa mabadiliko ya biashara yanayotokana na AI yanatokea sasa, si kama matarajio ya mbali. Anatarajia maendeleo ya ajabu katika mawakala wa AI wenye uwezo wa kushughulikia kazi ngumu kwa uhuru. Kufanya Claude ipatikane kwa urahisi kwenye Databricks kunawapa wateja zana muhimu za kujenga mawakala hawa wenye nguvu, wanaoendeshwa na data, na kuwawezesha kudumisha ushindani katika enzi hii ya AI inayobadilika haraka.

Ushirikiano huu unaweka Jukwaa la Ujasusi wa Data la Databricks kama kitovu ambapo mashirika hayawezi tu kusimamia na kuchambua data zao bali pia kuiingiza uwezo wa hali ya juu wa kufikiri wa AI kwa usalama na ufanisi. Unashughulikia hitaji muhimu la biashara la kujenga suluhisho za AI zilizobinafsishwa, zinazoaminika ambazo zinatumia thamani ya kipekee iliyofungwa ndani ya hifadhidata za umiliki. Kwa kuwezesha upatikanaji wa modeli za hali ya juu kama Claude ndani ya mfumo unaotawaliwa, Databricks na Anthropic wanatayarisha njia kwa kizazi kipya cha programu zenye akili katika tasnia mbalimbali—kutoka kuharakisha utafiti wa magonjwa na kupambana na mabadiliko ya hali ya hewa hadi kugundua udanganyifu wa kifedha na kubinafsisha uzoefu wa wateja—hatimaye kusukuma mageuzi kuelekea mashirika yenye ujasusi wa data kweli.