Databricks จับมือ Anthropic ผสาน Claude AI เข้าระบบข้อมูลองค์กร

ยุคใหม่ของความร่วมมือด้านปัญญาประดิษฐ์และการจัดการข้อมูล

ภูมิทัศน์ของปัญญาประดิษฐ์กำลังเกิดการเปลี่ยนแปลงครั้งสำคัญ ซึ่งเห็นได้จากโมเดลที่ซับซ้อนมากขึ้นและความต้องการที่เพิ่มขึ้นในการผสานรวมเข้ากับเวิร์กโฟลว์ขององค์กรที่มีอยู่ได้อย่างราบรื่น ด้วยการตระหนักถึงช่วงเวลาสำคัญนี้ Databricks ผู้นำด้านแพลตฟอร์ม Data Intelligence และ Anthropic องค์กรวิจัยและพัฒนา AI ด้านความปลอดภัยชั้นนำ ได้เปิดตัวความร่วมมือเชิงกลยุทธ์ระยะเวลาห้าปีครั้งสำคัญ ความร่วมมือนี้มีเป้าหมายที่จะกำหนดนิยามใหม่ของวิธีที่ธุรกิจโต้ตอบและใช้ประโยชน์จากปัญญาประดิษฐ์ โดยการฝังโมเดล Claude ขั้นสูงของ Anthropic เข้าไปใน Databricks Data Intelligence Platform โดยตรง การเคลื่อนไหวเชิงกลยุทธ์นี้มีความหมายมากกว่าแค่การผสานรวมทางเทคนิค แต่ยังแสดงถึงการเปลี่ยนแปลงขั้นพื้นฐานไปสู่การทำให้ความสามารถ AI อันทรงพลังกลายเป็นส่วนสำคัญของวงจรชีวิตข้อมูล ซึ่งเข้าถึงได้โดยตรง ณ ที่ที่ข้อมูลขององค์กรอยู่ ความทะเยอทะยานนั้นชัดเจน: เพื่อเพิ่มขีดความสามารถให้องค์กรต่างๆ สามารถควบคุมพลังที่ผสมผสานกันของสินทรัพย์ข้อมูลเฉพาะของตนและโมเดล AI ที่ล้ำสมัย ส่งเสริมนวัตกรรมและขับเคลื่อนผลลัพธ์ทางธุรกิจที่จับต้องได้ พันธมิตรนี้สัญญาว่าจะลดอุปสรรคในการเข้าถึงแอปพลิเคชัน AI ที่ซับซ้อน นำเทคโนโลยีล้ำสมัยมาสู่ฐานผู้ใช้จำนวนมากที่ใช้ประโยชน์จาก Databricks สำหรับความต้องการด้านข้อมูลอยู่แล้ว

การทำงานร่วมกันของแพลตฟอร์มข้อมูลและโมเดล AI ขั้นสูง

การหลอมรวมแพลตฟอร์มข้อมูลที่ครอบคลุมและโมเดล AI ขั้นสูงแสดงถึงก้าวสำคัญทางวิวัฒนาการสำหรับเทคโนโลยีระดับองค์กร ในอดีต การเข้าถึง AI ที่ทรงพลังมักเกี่ยวข้องกับการผสานรวมที่ซับซ้อน ความท้าทายในการเคลื่อนย้ายข้อมูล และข้อกังวลด้านความปลอดภัยที่อาจเกิดขึ้น Databricks ได้สร้างตัวเองขึ้นเป็นศูนย์กลางสำหรับวิศวกรรมข้อมูล วิทยาศาสตร์ข้อมูล แมชชีนเลิร์นนิง และการวิเคราะห์ โดยนำเสนอแพลตฟอร์มแบบครบวงจร—Data Intelligence Platform—ที่ออกแบบมาเพื่อจัดการวงจรชีวิตข้อมูลทั้งหมด โดยมีโครงสร้างพื้นฐานและเครื่องมือที่จำเป็นสำหรับองค์กรในการจัดเก็บ ประมวลผล และวิเคราะห์ข้อมูลจำนวนมหาศาลได้อย่างมีประสิทธิภาพ

ในขณะเดียวกัน Anthropic ก็ได้กลายเป็นผู้เล่นหลักในการพัฒนาแบบจำลองภาษาขนาดใหญ่ (LLMs) โดยมุ่งเน้นไม่เพียงแค่ความสามารถเท่านั้น แต่ยังรวมถึงความปลอดภัยและความน่าเชื่อถือด้วย โมเดลตระกูล Claude ของพวกเขาขึ้นชื่อในด้านประสิทธิภาพที่แข็งแกร่งในงานประมวลผลภาษาธรรมชาติที่หลากหลาย รวมถึงการให้เหตุผล การสนทนา และการสร้างเนื้อหา แนวคิดหลักเบื้องหลังความร่วมมือนี้คือการเชื่อมช่องว่างระหว่างเอ็นจิ้น AI อันทรงพลังของ Anthropic และข้อมูลที่สมบูรณ์และมีบริบทซึ่งจัดการภายในสภาพแวดล้อมของ Databricks

ด้วยการนำเสนอโมเดล Claude แบบเนทีฟ (natively) ผ่านแพลตฟอร์ม Databricks ความร่วมมือนี้จึงสร้างการทำงานร่วมกันที่ทรงพลัง ธุรกิจต่างๆ ไม่จำเป็นต้องนำทางผ่านการเรียก API ภายนอกที่ซับซ้อน หรือจัดการโครงสร้างพื้นฐานแยกต่างหากสำหรับโครงการริเริ่มด้าน AI ของตนอีกต่อไป แต่พวกเขาสามารถใช้ประโยชน์จากความสามารถในการให้เหตุผลที่ซับซ้อนของ Anthropic ควบคู่ไปกับข้อมูลทางธุรกิจที่สำคัญของตนได้โดยตรง ซึ่งรวมถึงข้อมูลที่เป็นกรรมสิทธิ์ การโต้ตอบกับลูกค้า บันทึกการปฏิบัติงาน และการวิจัยตลาด การเชื่อมโยงที่แน่นแฟ้นนี้ช่วยอำนวยความสะดวกให้กับกระบวนการพัฒนาโซลูชัน AI ที่ขับเคลื่อนด้วยข้อมูลที่มีความคล่องตัว ปลอดภัย และมีประสิทธิภาพมากขึ้น ศักยภาพที่ปลดล็อกโดยการผสานรวมนี้ครอบคลุมอุตสาหกรรมและฟังก์ชันต่างๆ มากมาย ทำให้สามารถสร้างระบบ AI ที่ปรับแต่งได้อย่างสูงซึ่งเข้าใจความแตกต่างเฉพาะของโดเมนขององค์กร

เพิ่มขีดความสามารถให้องค์กรด้วย Agent อัจฉริยะที่รับรู้ข้อมูล

วัตถุประสงค์หลักของความร่วมมือระหว่าง Databricks และ Anthropic คือการมอบความสามารถให้แก่องค์กรในการสร้างและปรับใช้ AI agent ที่สามารถให้เหตุผลจากข้อมูลที่เป็นกรรมสิทธิ์ของตนได้ แนวคิดนี้ก้าวข้ามแอปพลิเคชัน AI ทั่วไปไปสู่การสร้างผู้ช่วยดิจิทัลเฉพาะทางหรือระบบอัตโนมัติที่มีความเข้าใจอย่างลึกซึ้งเกี่ยวกับบริบท การดำเนินงาน และฐานความรู้เฉพาะของบริษัท

‘การให้เหตุผลจากข้อมูลที่เป็นกรรมสิทธิ์’ (reasoning over proprietary data) หมายถึงอะไร?

• ความเข้าใจตามบริบท (Contextual Understanding): AI agent สามารถเข้าถึงและตีความเอกสารภายใน ฐานข้อมูล และคลังความรู้ เพื่อให้คำตอบที่มีข้อมูล สนับสนุนการสร้างเนื้อหาที่เกี่ยวข้อง หรือให้คำแนะนำที่ขับเคลื่อนด้วยข้อมูล
• การแก้ปัญหาที่ซับซ้อน (Complex Problem Solving): ด้วยการรวมพลังการวิเคราะห์ของโมเดล Claude เข้ากับข้อมูลเฉพาะขององค์กร agent เหล่านี้สามารถจัดการกับความท้าทายทางธุรกิจที่ซับซ้อนได้ เช่น การระบุแนวโน้มตลาดที่ซ่อนอยู่ในข้อมูลการขาย การเพิ่มประสิทธิภาพโลจิสติกส์ของห่วงโซ่อุปทานตามข้อมูลเรียลไทม์ หรือการประเมินความเสี่ยงที่ซับซ้อนโดยใช้บันทึกทางการเงินภายใน
• ปฏิสัมพันธ์ส่วนบุคคล (Personalized Interactions): Agent สามารถใช้ประโยชน์จากข้อมูลลูกค้า (จัดการอย่างปลอดภัยและมีจริยธรรม) เพื่อให้การสนับสนุนที่เป็นส่วนตัวสูง คำแนะนำผลิตภัณฑ์ที่ปรับให้เหมาะสม หรือการสื่อสารที่กำหนดเอง
• การทำงานอัตโนมัติด้านความรู้ (Automation of Knowledge Work): งานที่ทำซ้ำๆ ซึ่งเกี่ยวข้องกับการดึงข้อมูล การสรุป การวิเคราะห์ และการรายงานโดยอิงจากแหล่งข้อมูลภายในสามารถทำได้โดยอัตโนมัติ ทำให้พนักงานที่เป็นมนุษย์มีเวลามากขึ้นสำหรับโครงการริเริ่มเชิงกลยุทธ์

ความสามารถนี้แสดงถึงก้าวกระโดดครั้งสำคัญ แทนที่จะพึ่งพาโมเดล AI ที่ฝึกฝนจากข้อมูลอินเทอร์เน็ตทั่วไป ธุรกิจต่างๆ สามารถสร้าง agent ที่ปรับแต่งอย่างละเอียดบนชุดข้อมูลเฉพาะของตนได้แล้ว ซึ่งนำไปสู่ผลลัพธ์ที่แม่นยำ เกี่ยวข้อง และมีคุณค่ามากขึ้น ลองนึกภาพบริษัทให้บริการทางการเงินที่ปรับใช้ AI agent ที่วิเคราะห์ข้อมูลการวิจัยตลาดที่เป็นกรรมสิทธิ์และข้อมูลพอร์ตโฟลิโอของลูกค้าเพื่อสร้างคำแนะนำการลงทุนส่วนบุคคล หรือบริษัทผู้ผลิตที่ใช้ agent เพื่อวินิจฉัยความล้มเหลวของอุปกรณ์โดยการให้เหตุผลจากบันทึกการบำรุงรักษาและข้อมูลเซ็นเซอร์ ความร่วมมือนี้มอบเทคโนโลยีพื้นฐาน—Databricks สำหรับการเข้าถึงข้อมูลและการกำกับดูแล, Claude ของ Anthropic สำหรับการให้เหตุผล—เพื่อทำให้ AI agent เฉพาะโดเมนดังกล่าวเป็นจริงสำหรับบริษัทกว่า 10,000 แห่งที่ใช้แพลตฟอร์ม Databricks อยู่แล้ว

การจัดการกับอุปสรรคที่ยั่งยืนในการนำ AI มาใช้ในองค์กร

แม้ว่าปัญญาประดิษฐ์จะมีศักยภาพมหาศาล แต่องค์กรจำนวนมากก็ประสบกับอุปสรรคสำคัญเมื่อพยายามสร้าง ปรับใช้ และจัดการโซลูชัน AI อย่างมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งโซลูชันที่มุ่งหมายสำหรับสภาพแวดล้อมการผลิตที่ต้องจัดการกับข้อมูลที่ละเอียดอ่อน ความร่วมมือระหว่าง Databricks และ Anthropic จัดการกับความท้าทายสำคัญหลายประการที่มักขัดขวางการนำ AI มาใช้ในองค์กรโดยตรง:

1. ความแม่นยำและความเกี่ยวข้อง (Accuracy and Relevance): โมเดล AI ทั่วไปมักขาดความรู้เฉพาะที่จำเป็นในการทำงานอย่างแม่นยำภายในบริบททางธุรกิจเฉพาะ การเปิดใช้งาน AI agent ให้สามารถให้เหตุผลจากข้อมูลเฉพาะขององค์กร โซลูชันแบบบูรณาการนี้ส่งเสริมการพัฒนาโมเดลที่ให้ผลลัพธ์ที่แม่นยำและเกี่ยวข้องมากขึ้นซึ่งปรับให้เหมาะกับความต้องการในการดำเนินงานเฉพาะ
2. ความปลอดภัยและความเป็นส่วนตัวของข้อมูล (Security and Data Privacy): การจัดการข้อมูลทางธุรกิจที่เป็นกรรมสิทธิ์ต้องใช้มาตรการรักษาความปลอดภัยที่เข้มงวด การผสานรวมโมเดล Claude แบบเนทีฟภายในแพลตฟอร์ม Databricks ช่วยให้องค์กรสามารถใช้ประโยชน์จาก AI อันทรงพลังในขณะที่ยังคงควบคุมข้อมูลของตนได้มากขึ้น ข้อมูลสามารถประมวลผลภายในขอบเขตที่ปลอดภัยของสภาพแวดล้อม Databricks ซึ่งช่วยลดการเปิดเผยและปฏิบัติตามระเบียบการกำกับดูแลที่กำหนดไว้ สิ่งนี้ช่วยแก้ไขข้อกังวลหลักเกี่ยวกับการส่งข้อมูลที่ละเอียดอ่อนไปยังผู้ให้บริการโมเดลภายนอก
3. การกำกับดูแลและการปฏิบัติตามข้อกำหนด (Governance and Compliance): องค์กรต่างๆ ดำเนินงานภายใต้ข้อกำหนดด้านกฎระเบียบและการปฏิบัติตามข้อกำหนดที่เข้มงวด Databricks Mosaic AI ซึ่งเป็นองค์ประกอบสำคัญของแพลตฟอร์ม มีเครื่องมือสำหรับการกำกับดูแลแบบ end-to-end ตลอดวงจรชีวิตข้อมูลและ AI ทั้งหมด ซึ่งรวมถึงความสามารถในการตรวจสอบประสิทธิภาพของโมเดล การรับรองความเป็นธรรม การติดตามสายเลือด (lineage) และการจัดการการควบคุมการเข้าถึง ซึ่งมีความสำคัญอย่างยิ่งต่อการสร้างระบบ AI ที่น่าเชื่อถือและสอดคล้องกับข้อกำหนด การผสานรวม Claude ภายในกรอบการกำกับดูแลนี้จะขยายการควบคุมเหล่านี้ไปสู่การใช้ LLM ขั้นสูง
4. ความซับซ้อนในการปรับใช้และการผสานรวม (Deployment Complexity and Integration): การตั้งค่าและจัดการโครงสร้างพื้นฐานสำหรับการปรับใช้โมเดล AI ที่ซับซ้อนอาจมีความซับซ้อนและต้องใช้ทรัพยากรมาก การผสานรวมแบบเนทีฟช่วยลดความซับซ้อนของกระบวนการนี้ลงอย่างมาก ทำให้ทีมข้อมูลสามารถใช้ประโยชน์จากโมเดล Claude ภายในสภาพแวดล้อม Databricks ที่คุ้นเคยได้โดยไม่จำเป็นต้องสร้างและบำรุงรักษาไปป์ไลน์การปรับใช้ AI แยกต่างหาก
5. การประเมินประสิทธิภาพและ ROI (Evaluating Performance and ROI): การประเมินประสิทธิผลและผลตอบแทนจากการลงทุน (ROI) ของโครงการริเริ่มด้าน AI อาจเป็นเรื่องท้าทาย Databricks Mosaic AI มีเครื่องมือสำหรับประเมินประสิทธิภาพของโมเดลเทียบกับตัวชี้วัดทางธุรกิจและชุดข้อมูลเฉพาะ การรวมสิ่งนี้เข้ากับการปรับให้เหมาะสมของ Claude สำหรับงานในโลกแห่งความเป็นจริงช่วยให้มั่นใจได้ว่า AI agent ที่ปรับใช้จะส่งมอบคุณค่าที่วัดผลได้

ด้วยการนำเสนอโซลูชันแบบครบวงจรที่รวมโมเดล AI ที่ดีที่สุดในระดับเดียวกันเข้ากับเครื่องมือการจัดการข้อมูลและการกำกับดูแลที่แข็งแกร่ง Databricks และ Anthropic มุ่งมั่นที่จะปรับปรุงเส้นทางจากการทดลอง AI ไปสู่การปรับใช้ระดับการผลิต ทำให้ AI ที่ซับซ้อนเข้าถึงได้ง่ายขึ้น ปลอดภัยขึ้น และมีผลกระทบมากขึ้นสำหรับธุรกิจ

ขอแนะนำ Claude 3.7 Sonnet: มาตรฐานใหม่ในการให้เหตุผลและการเขียนโค้ด

จุดเด่นที่สำคัญของความร่วมมือนี้คือความพร้อมใช้งานทันทีของโมเดล frontier ล่าสุดของ Anthropic, Claude 3.7 Sonnet, ภายในระบบนิเวศของ Databricks โมเดลนี้แสดงถึงความก้าวหน้าอย่างมากในด้านความสามารถของ AI และได้รับการวางตำแหน่งให้เป็นรากฐานที่สำคัญของข้อเสนอร่วม Claude 3.7 Sonnet มีความโดดเด่นเป็นพิเศษด้วยเหตุผลหลายประการ:

• การให้เหตุผลแบบไฮบริด (Hybrid Reasoning): ได้รับการอธิบายว่าเป็น โมเดลการให้เหตุผลแบบไฮบริด (hybrid reasoning model) รุ่นแรกของตลาด แม้ว่ารายละเอียดเฉพาะของสถาปัตยกรรมนี้จะเป็นกรรมสิทธิ์ แต่ก็ชี้ให้เห็นถึงแนวทางขั้นสูงที่ผสมผสานเทคนิคต่างๆ (อาจรวมถึงการให้เหตุผลเชิงสัญลักษณ์ควบคู่ไปกับการประมวลผลโครงข่ายประสาทเทียม) เพื่อให้ได้ความเข้าใจและการแก้ปัญหาที่แข็งแกร่งและละเอียดอ่อนยิ่งขึ้น ซึ่งอาจนำไปสู่ประสิทธิภาพที่ดีขึ้นในงานที่ซับซ้อนซึ่งต้องใช้การอนุมานเชิงตรรกะ การวางแผน และการวิเคราะห์หลายขั้นตอน
• ความสามารถในการเขียนโค้ดระดับแนวหน้าของอุตสาหกรรม (Industry-Leading Coding Prowess): โมเดลนี้ได้รับการยอมรับว่าเป็นผู้นำอุตสาหกรรมสำหรับงานเขียนโค้ด ความสามารถนี้มีค่าอย่างยิ่งสำหรับองค์กรที่ต้องการทำให้กระบวนการพัฒนาซอฟต์แวร์เป็นไปโดยอัตโนมัติ สร้างส่วนย่อยของโค้ด ดีบักโค้ดเบสที่มีอยู่ หรือแปลโค้ดระหว่างภาษาโปรแกรมต่างๆ—ทั้งหมดนี้อาจได้รับข้อมูลจากมาตรฐานการเขียนโค้ดภายในของบริษัทและไลบรารีที่เข้าถึงได้ผ่าน Databricks
• การปรับให้เหมาะสมสำหรับประโยชน์ใช้สอยในโลกแห่งความเป็นจริง (Optimization for Real-World Utility): Anthropic เน้นย้ำว่าโมเดล Claude รวมถึง 3.7 Sonnet ได้รับการปรับให้เหมาะสมสำหรับประเภทของงานในโลกแห่งความเป็นจริงที่ลูกค้าพบว่ามีประโยชน์มากที่สุด การมุ่งเน้นในทางปฏิบัตินี้ช่วยให้มั่นใจได้ว่าพลังของโมเดลจะแปลไปสู่ประโยชน์ที่จับต้องได้สำหรับการดำเนินธุรกิจ แทนที่จะเป็นเพียงความเป็นเลิศในเกณฑ์มาตรฐานทางทฤษฎี
• การเข้าถึง (Accessibility): การทำให้โมเดลที่ล้ำสมัยดังกล่าวพร้อมใช้งานโดยตรงผ่าน Databricks บนแพลตฟอร์มคลาวด์หลัก (AWS, Azure, Google Cloud Platform) ทำให้การเข้าถึงเป็นประชาธิปไตย องค์กรต่างๆ สามารถทดลองและปรับใช้ AI ที่ล้ำสมัยนี้ได้โดยไม่จำเป็นต้องมีโครงสร้างพื้นฐานเฉพาะทางหรือความสัมพันธ์โดยตรงกับผู้ให้บริการโมเดล โดยใช้ประโยชน์จากการลงทุน Databricks ที่มีอยู่

การผสานรวม Claude 3.7 Sonnet ช่วยให้ลูกค้า Databricks เข้าถึงเครื่องมืออันทรงพลังได้ทันที ซึ่งสามารถรับมือกับความท้าทายด้านการวิเคราะห์ ความคิดสร้างสรรค์ และทางเทคนิคที่ซับซ้อนได้ จุดแข็งในด้านการให้เหตุผลและการเขียนโค้ด ผนวกกับความพร้อมใช้งานแบบเนทีฟควบคู่ไปกับข้อมูลองค์กร ทำให้เป็นตัวขับเคลื่อนสำคัญสำหรับการสร้างแอปพลิเคชันและ agent อัจฉริยะรุ่นต่อไป

ข้อได้เปรียบที่แตกต่างของการผสานรวมแบบเนทีฟ

แนวคิดของ การผสานรวมแบบเนทีฟ (native integration) เป็นหัวใจสำคัญของคุณค่าที่นำเสนอโดยความร่วมมือระหว่าง Databricks และ Anthropic แนวทางนี้แตกต่างอย่างมากจากวิธีการเข้าถึงโมเดล AI แบบดั้งเดิม ซึ่งมักอาศัย Application Programming Interfaces (APIs) ภายนอก การผสานรวมแบบเนทีฟหมายถึงการเชื่อมต่อที่ลึกซึ้งและราบรื่นยิ่งขึ้นระหว่างโมเดล Claude ของ Anthropic และ Databricks Data Intelligence Platform ซึ่งมอบข้อได้เปรียบที่เป็นไปได้หลายประการ:

• ลดความหน่วง (Reduced Latency): การประมวลผลคำขอภายในสภาพแวดล้อมแพลตฟอร์มเดียวกันอาจช่วยลดความหน่วงของเครือข่ายที่เกี่ยวข้องกับการเรียก API ภายนอก ซึ่งนำไปสู่เวลาตอบสนองที่เร็วขึ้นสำหรับแอปพลิเคชัน AI สิ่งนี้มีความสำคัญอย่างยิ่งสำหรับกรณีการใช้งานแบบเรียลไทม์หรือแบบโต้ตอบ
• ความปลอดภัยที่เพิ่มขึ้น (Enhanced Security): ด้วยการรักษาการประมวลผลข้อมูลภายในขอบเขตที่ปลอดภัยของแพลตฟอร์ม Databricks (ขึ้นอยู่กับรายละเอียดการใช้งานเฉพาะ) การผสานรวมแบบเนทีฟสามารถเสริมสร้างความปลอดภัยและความเป็นส่วนตัวของข้อมูลได้อย่างมาก ข้อมูลที่เป็นกรรมสิทธิ์ที่ละเอียดอ่อนอาจไม่จำเป็นต้องเดินทางผ่านเครือข่ายภายนอกหรือถูกประมวลผลโดยโครงสร้างพื้นฐานของบุคคลที่สามในลักษณะเดียวกับการเรียก API ซึ่งสอดคล้องกับท่าทีด้านความปลอดภัยขององค์กรที่เข้มงวดได้ดีขึ้น
• เวิร์กโฟลว์ที่คล่องตัว (Streamlined Workflows): นักวิทยาศาสตร์ข้อมูลและนักพัฒนาสามารถเข้าถึงและใช้โมเดล Claude โดยใช้เครื่องมือและอินเทอร์เฟซที่คุ้นเคยของ Databricks สิ่งนี้ช่วยลดความจำเป็นในการจัดการข้อมูลประจำตัว, SDK หรือจุดรวมแยกต่างหาก ทำให้วงจรชีวิตการพัฒนา การปรับใช้ และการจัดการแอปพลิเคชัน AI ง่ายขึ้น กระบวนการทั้งหมด ตั้งแต่การเตรียมข้อมูลไปจนถึงการเรียกใช้โมเดลและการวิเคราะห์ผลลัพธ์ สามารถเกิดขึ้นได้ภายในสภาพแวดล้อมที่เป็นหนึ่งเดียว
• การกำกับดูแลที่ง่ายขึ้น (Simplified Governance): การผสานรวมการใช้โมเดลภายในแพลตฟอร์ม Databricks ช่วยให้สามารถบังคับใช้นโยบายการกำกับดูแล การควบคุมการเข้าถึง และกลไกการตรวจสอบที่จัดการโดย Mosaic AI ได้อย่างสม่ำเสมอ การตรวจสอบการใช้งาน ต้นทุน และประสิทธิภาพกลายเป็นส่วนหนึ่งของกรอบการกำกับดูแลข้อมูลที่มีอยู่
• ประสิทธิภาพด้านต้นทุนที่เป็นไปได้ (Potential Cost Efficiencies): ขึ้นอยู่กับรูปแบบการกำหนดราคาและการใช้ทรัพยากร การผสานรวมแบบเนทีฟอาจเสนอโครงสร้างต้นทุนที่คาดการณ์ได้หรือปรับให้เหมาะสมมากขึ้นเมื่อเทียบกับโมเดล API แบบจ่ายต่อการเรียกใช้ โดยเฉพาะอย่างยิ่งสำหรับสถานการณ์การใช้งานปริมาณมากที่เชื่อมโยงอย่างแน่นหนากับงานประมวลผลข้อมูลที่ทำงานบน Databricks อยู่แล้ว

การเชื่อมโยงที่แน่นแฟ้นนี้เปลี่ยน Claude จากเครื่องมือภายนอกให้กลายเป็นความสามารถที่ฝังอยู่ภายในระบบนิเวศข้อมูลขององค์กร ทำให้การพัฒนาและการปรับใช้ AI agent ที่ซับซ้อนและรับรู้ข้อมูลมีประสิทธิภาพ ปลอดภัย และจัดการได้ง่ายขึ้นอย่างมาก

มอบความยืดหยุ่นผ่านการปรับใช้หลายคลาวด์ที่ราบรื่น

แง่มุมที่สำคัญของข้อเสนอจาก Databricks และ Anthropic คือความพร้อมใช้งานบนผู้ให้บริการคลาวด์สาธารณะรายใหญ่: Amazon Web Services (AWS), Microsoft Azure และ Google Cloud Platform (GCP) กลยุทธ์หลายคลาวด์นี้จำเป็นต่อการตอบสนองความต้องการโครงสร้างพื้นฐานที่หลากหลายขององค์กรสมัยใหม่ องค์กรจำนวนมากใช้ผู้ให้บริการคลาวด์หลายรายเพื่อใช้ประโยชน์จากบริการที่ดีที่สุดในระดับเดียวกัน รับประกันความยืดหยุ่น หลีกเลี่ยงการผูกมัดกับผู้จำหน่ายรายเดียว หรือปฏิบัติตามข้อกำหนดเฉพาะระดับภูมิภาคหรือของลูกค้า

Databricks เองได้รับการออกแบบให้เป็นแพลตฟอร์มหลายคลาวด์ โดยให้ชั้นข้อมูลอัจฉริยะที่สอดคล้องกันโดยไม่คำนึงถึงโครงสร้างพื้นฐานคลาวด์พื้นฐาน ด้วยการทำให้โมเดล Claude พร้อมใช้งานแบบเนทีฟภายใน Databricks บน AWS, Azure และ GCP ความร่วมมือนี้จึงรับประกันว่าลูกค้าจะได้รับประโยชน์จากการผสานรวม AI ขั้นสูงนี้ โดยไม่คำนึงถึงสภาพแวดล้อมคลาวด์ที่ต้องการหรือกลยุทธ์หลายคลาวด์

สิ่งนี้มอบประโยชน์หลักหลายประการ:

• ทางเลือกและความยืดหยุ่น (Choice and Flexibility): องค์กรสามารถปรับใช้ AI agent ที่ขับเคลื่อนด้วย Claude บนแพลตฟอร์มคลาวด์ที่เหมาะสมกับความต้องการทางเทคนิค การลงทุนโครงสร้างพื้นฐานที่มีอยู่ และข้อตกลงทางการค้ามากที่สุด
• ความสอดคล้อง (Consistency): ทีมพัฒนาสามารถสร้างและจัดการแอปพลิเคชัน AI โดยใช้อินเทอร์เฟซและชุดเครื่องมือที่สอดคล้องกัน (Databricks และ Claude) ในสภาพแวดล้อมคลาวด์ต่างๆ ลดความซับซ้อนและค่าใช้จ่ายในการฝึกอบรม
• ความใกล้ชิดของข้อมูล (Data Proximity): องค์กรสามารถใช้ประโยชน์จากโมเดล Claude ในสภาพแวดล้อมคลาวด์เดียวกันกับที่ data lake หรือ data warehouse หลักของตนอยู่ เพิ่มประสิทธิภาพและอาจลดต้นทุนการส่งข้อมูลออก (data egress)
• การรองรับอนาคต (Future-Proofing): แนวทางหลายคลาวด์ให้ความยืดหยุ่นและความสามารถในการปรับตัว ช่วยให้ธุรกิจสามารถพัฒนากลยุทธ์คลาวด์ของตนได้โดยไม่กระทบต่อความสามารถด้าน AI ที่สร้างขึ้นบนการผสานรวม Databricks-Anthropic

ความมุ่งมั่นต่อความพร้อมใช้งานหลายคลาวด์ตอกย้ำการมุ่งเน้นของความร่วมมือในการตอบสนองความต้องการขององค์กรอย่างสมจริง โดยยอมรับลักษณะที่แตกต่างกันของโครงสร้างพื้นฐานไอทีสมัยใหม่ และมอบเส้นทางที่ยืดหยุ่นในการนำ AI ขั้นสูงมาใช้

Databricks Mosaic AI: เครื่องยนต์สำหรับ AI ที่มีการกำกับดูแลและเชื่อถือได้

ในขณะที่ Anthropic มอบโมเดล Claude อันทรงพลัง Databricks Mosaic AI ก็จัดหากรอบการทำงานที่จำเป็นสำหรับการสร้าง ปรับใช้ และจัดการแอปพลิเคชัน AI อย่างมีความรับผิดชอบและมีประสิทธิภาพภายในบริบทขององค์กร Mosaic AI เป็นส่วนสำคัญของ Databricks Data Intelligence Platform โดยนำเสนอชุดเครื่องมือที่ออกแบบมาเพื่อจัดการวงจรชีวิต AI ที่สมบูรณ์ โดยเน้นที่การกำกับดูแลและความน่าเชื่อถือ

ความสามารถหลักของ Mosaic AI ที่เกี่ยวข้องกับความร่วมมือกับ Anthropic ได้แก่:

• การให้บริการโมเดล (Model Serving): จัดหาโครงสร้างพื้นฐานที่ปรับให้เหมาะสมสำหรับการปรับใช้และให้บริการโมเดล AI รวมถึง LLM เช่น Claude ในระดับขนาดใหญ่ที่มีความพร้อมใช้งานสูงและความหน่วงต่ำ
• การค้นหาเวกเตอร์ (Vector Search): เปิดใช้งานการค้นหาความคล้ายคลึงที่มีประสิทธิภาพซึ่งมีความสำคัญสำหรับแอปพลิเคชัน Retrieval-Augmented Generation (RAG) ช่วยให้ AI agent สามารถดึงข้อมูลที่เกี่ยวข้องจากฐานความรู้ขององค์กรเพื่อแจ้งการตอบสนองของตน
• การตรวจสอบโมเดล (Model Monitoring): นำเสนอเครื่องมือในการติดตามประสิทธิภาพของโมเดล ตรวจจับการเบี่ยงเบน (drift - การเปลี่ยนแปลงประสิทธิภาพเมื่อเวลาผ่านไป) และตรวจสอบคุณภาพข้อมูล เพื่อให้มั่นใจว่า AI agent ที่ปรับใช้ยังคงแม่นยำและเชื่อถือได้
• วิศวกรรมและการจัดการฟีเจอร์ (Feature Engineering and Management): ทำให้กระบวนการสร้าง จัดเก็บ และจัดการฟีเจอร์ข้อมูลที่ใช้ในการฝึกอบรมหรือโต้ตอบกับโมเดล AI ง่ายขึ้น
• การกำกับดูแล AI (AI Governance): มอบความสามารถในการติดตามสายเลือด (lineage tracking - ทำความเข้าใจว่าข้อมูลมาจากไหนและโมเดลถูกสร้างขึ้นอย่างไร) การควบคุมการเข้าถึง บันทึกการตรวจสอบ และการประเมินความเป็นธรรม เพื่อให้มั่นใจว่าระบบ AI ได้รับการพัฒนาและใช้งานอย่างมีความรับผิดชอบและสอดคล้องกับกฎระเบียบ
• เครื่องมือประเมินผล (Evaluation Tools): ช่วยให้องค์กรสามารถประเมินคุณภาพ ความปลอดภัย และความแม่นยำของโมเดลและ agent AI รวมถึง LLM อย่างเข้มงวด เทียบกับข้อกำหนดทางธุรกิจและชุดข้อมูลเฉพาะ ก่อนและหลังการปรับใช้

Mosaic AI ทำหน้าที่เป็นสะพานเชื่อมที่สำคัญระหว่างพลังดิบของโมเดลอย่าง Claude และความเป็นจริงในทางปฏิบัติของการปรับใช้ในองค์กร โดยมีระบบป้องกัน ระบบตรวจสอบ และเครื่องมือการจัดการที่จำเป็นเพื่อให้แน่ใจว่า AI agent ที่สร้างขึ้นโดยใช้โมเดล Anthropic ไม่เพียงแต่ฉลาดเท่านั้น แต่ยังปลอดภัย เชื่อถือได้ มีการกำกับดูแล และสอดคล้องกับวัตถุประสงค์ทางธุรกิจ แนวทางที่ครอบคลุมนี้มีความสำคัญอย่างยิ่งต่อการสร้างความไว้วางใจและความเชื่อมั่นในระบบ AI ที่จัดการข้อมูลและกระบวนการทางธุรกิจที่สำคัญ

วิสัยทัศน์ร่วมกันสำหรับ AI ที่เปลี่ยนแปลงได้ทันที

ผู้นำของทั้ง Databricks และ Anthropic ได้นำเสนอวิสัยทัศน์ที่น่าสนใจสำหรับผลกระทบในทันทีและในอนาคตของความร่วมมือนี้ โดยเน้นย้ำถึงการเปลี่ยนแปลงจาก AI ในฐานะคำสัญญาแห่งอนาคตไปสู่ความเป็นจริงในปัจจุบันที่กำลังเปลี่ยนแปลงธุรกิจ

Ali Ghodsi ผู้ร่วมก่อตั้งและ CEO ของ Databricks เน้นย้ำถึงคุณค่าหลัก: การเพิ่มขีดความสามารถให้องค์กรต่างๆ สามารถปลดล็อกศักยภาพที่ซ่อนอยู่ภายในคลังข้อมูลอันกว้างใหญ่ของตนได้ในที่สุด ผ่านการประยุกต์ใช้ AI ที่ซับซ้อน เขาเน้นย้ำถึงความสำคัญของการนำความสามารถของ Anthropic เข้ามาใน Data Intelligence Platform โดยตรง โดยเน้นถึงประโยชน์ด้านความปลอดภัย ประสิทธิภาพ และความสามารถในการปรับขนาด มุมมองของ Ghodsi มุ่งเน้นไปที่การช่วยให้ธุรกิจก้าวข้ามโซลูชัน AI ทั่วไป และสร้าง AI agent เฉพาะโดเมน ที่ปรับแต่งอย่างพิถีพิถันให้เข้ากับบริบทการดำเนินงานเฉพาะและความรู้ที่เป็นกรรมสิทธิ์ของตน สิ่งนี้ เขากล่าวว่า แสดงถึงอนาคตที่แท้จริงของ AI ระดับองค์กร – ความฉลาดที่ปรับแต่งได้ ผสานรวม และขับเคลื่อนด้วยข้อมูล

Dario Amodei, CEO และผู้ร่วมก่อตั้ง Anthropic สะท้อนความรู้สึกถึงผลกระทบในทันทีของ AI โดยระบุว่าการเปลี่ยนแปลงของธุรกิจกำลังเกิดขึ้น ‘ตอนนี้เลย’ (right now) เขาคาดการณ์ความก้าวหน้าที่น่าทึ่งในระยะสั้น โดยเฉพาะอย่างยิ่งในการพัฒนา AI agent ที่สามารถทำงานในงานที่ซับซ้อนได้อย่างอิสระ Amodei มองว่าความพร้อมใช้งานของ Claude บน Databricks เป็นตัวเร่งปฏิกิริยา โดยมอบเครื่องมือที่จำเป็นแก่ลูกค้าในการสร้าง agent ที่ขับเคลื่อนด้วยข้อมูล ที่ทรงพลังยิ่งขึ้นอย่างมีนัยสำคัญ ความสามารถนี้ เขาสื่อเป็นนัยว่า มีความสำคัญอย่างยิ่งสำหรับองค์กรที่ต้องการรักษาความได้เปรียบในการแข่งขันในสิ่งที่เขาเรียกว่า ‘ยุคใหม่ของ AI’ (this new era of AI)

เมื่อรวมกันแล้ว มุมมองเหล่านี้วาดภาพความร่วมมือที่มีพื้นฐานมาจากการประยุกต์ใช้ในทางปฏิบัติและการสร้างคุณค่าในทันที ไม่ใช่แค่การให้การเข้าถึงโมเดลที่ทรงพลังเท่านั้น แต่เป็นการผสานรวมเข้ากับโครงสร้างข้อมูลขององค์กรอย่างลึกซึ้ง เพื่อส่งเสริมการพัฒนา agent อัจฉริยะและเป็นอิสระที่สามารถจัดการกับปัญหาทางธุรกิจที่ซับซ้อนในโลกแห่งความเป็นจริงได้ในวันนี้ ปูทางไปสู่แอปพลิเคชันที่ซับซ้อนยิ่งขึ้นในวันพรุ่งนี้

ก้าวข้ามความฉลาดทั่วไป: การสร้างโซลูชัน AI เฉพาะโดเมน

หัวข้อที่เกิดขึ้นซ้ำๆ และเป็นแรงผลักดันสำคัญเบื้องหลังพันธมิตร Databricks-Anthropic คือการก้าวออกจาก AI แบบ ‘one-size-fits-all’ ไปสู่ ความฉลาดเฉพาะโดเมน (domain-specific intelligence) โมเดล AI สำหรับวัตถุประสงค์ทั่วไป แม้จะน่าประทับใจ แต่ก็มักขาดความเข้าใจที่ละเอียดอ่อนซึ่งจำเป็นสำหรับงานเฉพาะทางขององค์กร ความรู้ของพวกเขามักอิงจากข้อมูลอินเทอร์เน็ตในวงกว้าง ซึ่งอาจไม่สอดคล้องกับคำศัพท์ กระบวนการ และข้อมูลที่เป็นความลับเฉพาะของธุรกิจหรืออุตสาหกรรมนั้นๆ

ความร่วมมือนี้อำนวยความสะดวกโดยตรงในการสร้างโซลูชัน AI ที่ปรับแต่งได้อย่างสูงโดยการรวม:

• ความเชี่ยวชาญด้านข้อมูลของ Databricks (Databricks’ Data Mastery): แพลตฟอร์มนี้มีเครื่องมือที่แข็งแกร่งสำหรับการเข้าถึง เตรียม และจัดการสินทรัพย์ข้อมูลเฉพาะขององค์กร – วัตถุดิบสำหรับความรู้เฉพาะโดเมน ซึ่งรวมถึงฐานข้อมูลที่มีโครงสร้าง เอกสารที่ไม่มีโครงสร้าง บันทึก และอื่นๆ
• โมเดลที่ปรับเปลี่ยนได้ของ Anthropic (Anthropic’s Adaptable Models): โมเดล Claude โดยเฉพาะอย่างยิ่งเมื่อใช้ภายในกรอบงานเช่น Retrieval-Augmented Generation (RAG) ที่เปิดใช้งานโดยฟีเจอร์ของ Databricks เช่น Vector Search สามารถยึดโยงกับข้อมูลที่เป็นกรรมสิทธิ์นี้ได้อย่างมีประสิทธิภาพ โมเดลสามารถดึงข้อมูลที่เกี่ยวข้องจากฐานความรู้ภายในและใช้ข้อมูลนั้นเพื่อสร้างการตอบสนองหรือทำงานด้วยความแม่นยำสูงและความเกี่ยวข้องตามบริบท
• เครื่องมือพัฒนาของ Mosaic AI (Mosaic AI’s Development Tools): แพลตฟอร์มนี้มีสภาพแวดล้อมในการปรับแต่งโมเดล (fine-tune) (หากมี) สร้างแอปพลิเคชันที่รวม RAG และประเมินประสิทธิภาพของโซลูชันที่ปรับแต่งเหล่านี้เทียบกับเกณฑ์ทางธุรกิจเฉพาะ

การทำงานร่วมกันนี้ช่วยให้ ตัวอย่างเช่น บริษัทเภสัชกรรมสามารถสร้าง AI agent ที่เข้าใจข้อมูลไปป์ไลน์การพัฒนายาเฉพาะและเอกสารกำกับดูแล หรือธุรกิจอีคอมเมิร์ซสามารถสร้าง agent ที่คุ้นเคยอย่างลึกซึ้งกับแคตตาล็อกผลิตภัณฑ์ ระดับสินค้าคงคลัง และประวัติการโต้ตอบกับลูกค้า แอปพลิเคชัน AI ที่ได้นั้นมีคุณค่ามากกว่ามากเพราะพวกมัน ‘พูดภาษา’ ของธุรกิจและดำเนินการตามความจริงพื้นฐาน (ground truth) ของธุรกิจนั้น ความสามารถในการสร้าง AI agent ตามความต้องการ ซึ่งขับเคลื่อนโดยข้อมูลองค์กรและโมเดลที่ล้ำสมัยนี้ มอบความได้เปรียบทางการแข่งขันที่สำคัญ ช่วยให้บริษัทต่างๆ สามารถทำให้กระบวนการที่ซับซ้อนเป็นไปโดยอัตโนมัติ ค้นพบข้อมูลเชิงลึกที่ไม่เหมือนใคร และมอบประสบการณ์ลูกค้าที่เหนือกว่าซึ่งปรับให้เหมาะกับช่องทางตลาดเฉพาะของตน

เสริมสร้างความไว้วางใจ: ความปลอดภัยและการรักษาความปลอดภัยในยุคของ AI แบบบูรณาการ

ในยุคที่การละเมิดข้อมูลและการใช้ AI ในทางที่ผิดเป็นข้อกังวลสำคัญ การสร้างความไว้วางใจจึงเป็นสิ่งสำคัญยิ่งสำหรับการนำเทคโนโลยี AI อันทรงพลังมาใช้ในองค์กร ความร่วมมือระหว่าง Databricks และ Anthropic จัดการกับข้อกังวลเหล่านี้โดยเนื้อแท้ผ่านการผสมผสานระหว่างการออกแบบทางเทคโนโลยีและการมุ่งเน้นขององค์กร

ความมุ่งมั่นของ Anthropic ต่อความปลอดภัย (Anthropic’s Commitment to Safety): Anthropic ก่อตั้งขึ้นโดยมีพันธกิจหลักที่มุ่งเน้นไปที่ความปลอดภัยและการวิจัย AI กระบวนการพัฒนาโมเดลของพวกเขารวมเทคนิคที่มุ่งสร้างระบบ AI ที่เป็นประโยชน์ ซื่อสัตย์ และไม่เป็นอันตราย การมุ่งเน้นที่การสร้าง AI ที่ปลอดภัยยิ่งขึ้นนี้เป็นรากฐานของความไว้วางใจสำหรับองค์กรที่ลังเลที่จะปรับใช้ LLM ที่ทรงพลัง โดยเฉพาะอย่างยิ่งสิ่งที่โต้ตอบกับข้อมูลที่ละเอียดอ่อนหรือลูกค้า

แพลตฟอร์มที่ปลอดภัยของ Databricks (Databricks’ Secure Platform): Databricks Data Intelligence Platform สร้างขึ้นโดยมีความปลอดภัยและการกำกับดูแลระดับองค์กรเป็นแกนหลัก ด้วยการผสานรวมโมเดล Claude แบบเนทีฟ ความร่วมมือนี้ใช้ประโยชน์จากคุณสมบัติด้านความปลอดภัยที่มีอยู่เหล่านี้:

• ถิ่นที่อยู่ของข้อมูลและการควบคุม (Data Residency and Control): การผสานรวมแบบเนทีฟอาจช่วยให้ข้อมูลยังคงอยู่ภายในสภาพแวดล้อมที่ควบคุมโดยลูกค้า (อินสแตนซ์ Databricks ของพวกเขาบนคลาวด์ที่เลือก) ลดความเสี่ยงที่เกี่ยวข้องกับการส่งข้อมูลที่ละเอียดอ่อนไปยังปลายทางภายนอก
• การจัดการการเข้าถึงแบบรวมศูนย์ (Unified Access Management): การเข้าถึงโมเดล Claude สามารถจัดการได้ผ่านการควบคุมการเข้าถึงตามบทบาทที่มีอยู่ของ Databricks ทำให้มั่นใจได้ว่ามีเพียงผู้ใช้และแอปพลิเคชันที่ได้รับอนุญาตเท่านั้นที่สามารถเรียกใช้ความสามารถของ AI ได้
• การตรวจสอบที่ครอบคลุม (Comprehensive Auditing): การใช้งานโมเดล Claude ที่ผสานรวมสามารถบันทึกและตรวจสอบได้ภายในแพลตฟอร์ม Databricks ให้ความโปร่งใสและความรับผิดชอบ
• กรอบการกำกับดูแล (Governance Framework): เครื่องมือการกำกับดูแลของ Mosaic AI ขยายไปถึงการใช้ Claude ทำให้สามารถบังคับใช้นโยบาย การตรวจสอบ และการตรวจสอบการปฏิบัติตามข้อกำหนดได้อย่างสม่ำเสมอ

แนวทางหลายชั้นนี้—การรวมการมุ่งเน้นของ Anthropic ในด้านความปลอดภัยของโมเดลเข้ากับความปลอดภัยของแพลตฟอร์มที่แข็งแกร่งและการกำกับดูแลของ Databricks—สร้างกรอบการทำงานที่ปลอดภัยและน่าเชื่อถือยิ่งขึ้นสำหรับการใช้ประโยชน์จาก AI ขั้นสูง ช่วยให้องค์กรสามารถสำรวจศักยภาพในการเปลี่ยนแปลงของโมเดลอย่าง Claude 3.7 Sonnet ในขณะที่ยังคงควบคุมสินทรัพย์ข้อมูลอันมีค่าของตนอย่างเข้มงวดและรับประกันการปรับใช้ AI อย่างมีความรับผิดชอบ ซึ่งจะช่วยเร่งการนำไปใช้โดยการลดความเสี่ยงที่สำคัญ ความร่วมมือนี้มีเป้าหมายเพื่อให้ AI อันทรงพลังไม่เพียงแค่เข้าถึงได้ แต่ยังปลอดภัยและเชื่อถือได้สำหรับแอปพลิเคชันระดับองค์กรที่สำคัญต่อภารกิจ