⚙️ Dataiku Cobuild: визуальный генератор AI-агентов для enterprise
Dataiku, платформа для data science, 9 марта 2026 анонсировала три продукта в рамках Platform for AI Success, среди которых особенно выделяется Dataiku Cobuild — инструмент для создания AI-агентов через описание бизнес-целей на естественном языке 🤖
В отличие от традиционного подхода, где data scientist вручную собирает конвейер, выбирает модели и пишет код, Cobuild автоматизирует весь процесс ⚡️
Пользователь описывает задачу — например, «создай агента для анализа трат клиентов и выявления аномалий» — и система генерирует полноценный AI-проект в визуальном интерфейсе Dataiku 🧩
Сгенерированный проект включает:
🔹 конвейеры данных для сбора и обработки
🔹 модели или fine-tuning под задачу
🔹 логику оркестрации агента
🔹 методы оценки качества
🔹 мониторинг
🔹 governance-фреймворк для соответствия корпоративным стандартам
Интеграция с существующей платформой позволяет использовать уже развёрнутые data pipelines 🔗
Cobuild ориентирован на enterprise-клиентов, которым нужны production-ready решения, а не эксперименты 🏢
🚀 Релиз запланирован на июнь 2026
Параллельно анонсированы:
📊 Agent Management — мониторинг и оценка по KPI (апрель 2026)
🧠 Reasoning Systems — для улучшения reasoning-способностей (второе полугодие)
Вместе они превращают Dataiku в оркестрационную платформу для enterprise-grade AI-агентов с фокусом на:
✅ управляемость
✅ аудируемость
✅ compliance
Platform for AI Success также обеспечивает:
📌 версионирование моделей
📌 воспроизводимость результатов
📌 полную прослеживаемость действий агентов
Это особенно критично для корпораций со строгими требованиями к governance и контролю.
#agents #analytics #Robot
Dataiku, платформа для data science, 9 марта 2026 анонсировала три продукта в рамках Platform for AI Success, среди которых особенно выделяется Dataiku Cobuild — инструмент для создания AI-агентов через описание бизнес-целей на естественном языке 🤖
В отличие от традиционного подхода, где data scientist вручную собирает конвейер, выбирает модели и пишет код, Cobuild автоматизирует весь процесс ⚡️
Пользователь описывает задачу — например, «создай агента для анализа трат клиентов и выявления аномалий» — и система генерирует полноценный AI-проект в визуальном интерфейсе Dataiku 🧩
Сгенерированный проект включает:
🔹 конвейеры данных для сбора и обработки
🔹 модели или fine-tuning под задачу
🔹 логику оркестрации агента
🔹 методы оценки качества
🔹 мониторинг
🔹 governance-фреймворк для соответствия корпоративным стандартам
Интеграция с существующей платформой позволяет использовать уже развёрнутые data pipelines 🔗
Cobuild ориентирован на enterprise-клиентов, которым нужны production-ready решения, а не эксперименты 🏢
🚀 Релиз запланирован на июнь 2026
Параллельно анонсированы:
📊 Agent Management — мониторинг и оценка по KPI (апрель 2026)
🧠 Reasoning Systems — для улучшения reasoning-способностей (второе полугодие)
Вместе они превращают Dataiku в оркестрационную платформу для enterprise-grade AI-агентов с фокусом на:
✅ управляемость
✅ аудируемость
✅ compliance
Platform for AI Success также обеспечивает:
📌 версионирование моделей
📌 воспроизводимость результатов
📌 полную прослеживаемость действий агентов
Это особенно критично для корпораций со строгими требованиями к governance и контролю.
#agents #analytics #Robot
2
Компания Sigma Computing привлекла $80 млн в рамках раунда Series E, удвоив свою оценку до $3 млрд за год. Раунд возглавил Princeville Capital, с участием стратегических инвесторов Databricks Ventures, ServiceNow Ventures и Workday Ventures. Предыдущие инвесторы, включая Altimeter Capital, Avenir Growth Capital, D1 Capital Partners, Spark Capital и Sutter Hill Ventures, также вернулись.
Sigma Computing — облачная аналитическая платформа, работающая поверх хранилищ данных Snowflake, Databricks и Google BigQuery. Ключевое преимущество: бизнес-пользователи могут анализировать данные в интерфейсе, напоминающем электронные таблицы, без написания SQL, при этом ИТ-отделы сохраняют контроль над безопасностью и управлением данными. Платформа не перемещает и не дублирует данные, что обеспечивает автоматическое применение настроенных политик безопасности.
Компания переходит к «агентной аналитике» — флагманский продукт Sigma Agents позволяет создавать настраиваемых AI-агентов без кода, работающих в трёх режимах: интерактивном (пользователь общается с агентом и утверждает действия), автономном (агент мониторит данные и выполняет workflows по расписанию) и внешнем (агент совершает API-вызовы к сторонним системам). В первом квартале текущего финансового года Sigma Agents стал самым быстро внедряемым продуктом в истории компании.
#Business #SigmaComputing #Ai #Agents #Analytics
Please open Telegram to view this post
VIEW IN TELEGRAM
😍1
Data Formulator 0.7: ИИ-аналитика для корпоративных данных от Microsoft Research
Microsoft Research представила Data Formulator 0.7 — open-source систему анализа данных на базе ИИ, предназначенную для работы с корпоративными источниками. Решение объединяет подключение к данным, агентскую разведку и визуализацию в едином рабочем пространстве.
Ключевая особенность — Data Connectors, поддерживающие аутентифицированные и повторно используемые подключения к базам данных, хранилищам, BI-системам и локальным файлам. Это снижает нагрузку на платформенные команды и избавляет от ручной загрузки данных. Контекстно-зависимые агенты помогают подготавливать данные, исследовать их, генерировать визуализации и управлять длительными аналитическими сессиями с ветвлением.
Интерактивный мультимодальный интерфейс позволяет командам итеративно уточнять анализ, не требуя знания SQL или программирования. Агенты имеют доступ ко всему рабочему пространству: подключенным источникам, загруженным таблицам, предыдущим графикам и цели пользователя. Они могут выполнять код в изолированной среде, генерировать спецификации диаграмм и объяснять результаты с промежуточными шагами. При неоднозначных запросах агент задает уточняющие вопросы.
#Tech #Microsoft #DataFormulator #AI #Analytics #openSource
Microsoft Research представила Data Formulator 0.7 — open-source систему анализа данных на базе ИИ, предназначенную для работы с корпоративными источниками. Решение объединяет подключение к данным, агентскую разведку и визуализацию в едином рабочем пространстве.
Ключевая особенность — Data Connectors, поддерживающие аутентифицированные и повторно используемые подключения к базам данных, хранилищам, BI-системам и локальным файлам. Это снижает нагрузку на платформенные команды и избавляет от ручной загрузки данных. Контекстно-зависимые агенты помогают подготавливать данные, исследовать их, генерировать визуализации и управлять длительными аналитическими сессиями с ветвлением.
Интерактивный мультимодальный интерфейс позволяет командам итеративно уточнять анализ, не требуя знания SQL или программирования. Агенты имеют доступ ко всему рабочему пространству: подключенным источникам, загруженным таблицам, предыдущим графикам и цели пользователя. Они могут выполнять код в изолированной среде, генерировать спецификации диаграмм и объяснять результаты с промежуточными шагами. При неоднозначных запросах агент задает уточняющие вопросы.
#Tech #Microsoft #DataFormulator #AI #Analytics #openSource
👍1
Apple тратит на AI-инфраструктуру $14 млрд в 2026 году — это 2% от $670 млрд, которые совокупно закладывают Amazon, Google, Meta и Microsoft. В Кремниевой долине это принято считать отставанием: Siri годами остаётся объектом насмешек, а внутренние источники Bloomberg называли задержки «уродливыми и смущающими». Однако автор The Algorithmic Bridge утверждает, что Apple действует осознанно и последовательно.
Назначение Джона Тернуса (ветерана hardware-инжиниринга, а не AI-специалиста) новым CEO вместо Тима Кука - сигнал: компания не собирается перестраиваться под хайп. Apple открывает Siri для сторонних моделей (ChatGPT, Claude), рассматривая AI как сменный товар вроде электричества, а не как «божественную машину». Остальные игроки, по мнению автора, лишь делают вид, что верят в AGI, - на деле их стратегия такая же прагматичная, но публично признать это мешают акционеры и оценки.
#TECH #Siri #strategy #analytics
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
🤝 Snowflake + Amazon Quick Sight: единый семантический слой для BI и AI-аналитики
AWS и Snowflake представили интеграцию, которая решает проблему расхождения данных между BI-дашбордами и AI-агентами. Ключевой элемент — Snowflake semantic views: схема объекта, которая прикрепляет бизнес-определения (метрики, измерения, связи) прямо к данным. Любое приложение, запрашивающее semantic view, получает одинаковую логику — будь то SQL-запрос, Cortex Analyst или Amazon Quick Sight.
В демонстрации используется набор данных о рейтингах фильмов (таблицы MOVIES, USERS, RATINGS), загружаемый из Amazon S3 в Snowflake. Semantic view добавляет бизнес-контекст: например, «средний рейтинг по жанру» или «количество активных пользователей». Cortex Analyst позволяет задавать вопросы на естественном языке, а Amazon Quick Sight строит дашборды — и оба инструмента опираются на один и тот же семантический слой.
Практический смысл: BI-команды перестают тратить часы на сверку цифр между отчетами. AI-агенты получают единый источник истины, что резко снижает риск галлюцинаций. Решение доступно для Snowflake Enterprise на AWS в регионах US East (N. Virginia) и US West (Oregon). Время на развертывание — 60–90 минут.
#AI #Analytics #AWS #Snowflake #BI #SemanticLayer
AWS и Snowflake представили интеграцию, которая решает проблему расхождения данных между BI-дашбордами и AI-агентами. Ключевой элемент — Snowflake semantic views: схема объекта, которая прикрепляет бизнес-определения (метрики, измерения, связи) прямо к данным. Любое приложение, запрашивающее semantic view, получает одинаковую логику — будь то SQL-запрос, Cortex Analyst или Amazon Quick Sight.
В демонстрации используется набор данных о рейтингах фильмов (таблицы MOVIES, USERS, RATINGS), загружаемый из Amazon S3 в Snowflake. Semantic view добавляет бизнес-контекст: например, «средний рейтинг по жанру» или «количество активных пользователей». Cortex Analyst позволяет задавать вопросы на естественном языке, а Amazon Quick Sight строит дашборды — и оба инструмента опираются на один и тот же семантический слой.
Практический смысл: BI-команды перестают тратить часы на сверку цифр между отчетами. AI-агенты получают единый источник истины, что резко снижает риск галлюцинаций. Решение доступно для Snowflake Enterprise на AWS в регионах US East (N. Virginia) и US West (Oregon). Время на развертывание — 60–90 минут.
#AI #Analytics #AWS #Snowflake #BI #SemanticLayer
👍1
PAR Technology Corporation, разработчик решений для ресторанной индустрии, представила production-ready архитектуру мультитенантного LLM-агента для self-serve аналитики. Система решает ключевую проблему: один и тот же вопрос от разных пользователей (владелец франшизы vs корпоративный менеджер) должен возвращать разные данные, соответствующие их правам доступа.
Архитектура включает три независимых уровня защиты: криптографическая подпись запросов через AWS SigV4, семантическая валидация на Amazon Bedrock и программная изоляция данных через Split-Plane SQL. Такой подход гарантирует, что даже при компрометации LLM или манипуляции промптом утечка данных между арендаторами невозможна — фильтры применяются детерминированно на уровне архитектуры, а не через инструкции модели.
Ключевое отличие от наивных text-to-SQL решений: PAR отказалась от идеи полагаться на LLM для соблюдения границ данных. Вместо этого каждый слой безопасности работает независимо, делая систему пригодной для compliance и аудита. Решение уже обрабатывает тысячи запросов ежедневно для 300+ ресторанных бизнесов.
#SAFETY #LLM #Security #Multitenant #Analytics
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔1
Новый класс ИИ-моделей — Large Tabular Models (LTM) — показывает значительно более высокую точность при анализе структурированных данных по сравнению с традиционными языковыми моделями. Разработка, получившая название Nexus, решает ключевую проблему LLM: их неспособность корректно обрабатывать числовые и категориальные данные в табличном формате.
В отличие от LLM, которые воспринимают таблицы как последовательности текста, LTM используют специализированную архитектуру, учитывающую взаимосвязи между строками и столбцами. Nexus обучен на миллионах реальных таблиц и способен выполнять такие задачи, как прогнозирование временных рядов, обнаружение аномалий и заполнение пропусков — с точностью, недоступной GPT-4 и другим универсальным моделям.
Практическое значение: LTM позволяют автоматизировать анализ корпоративных данных без предварительной обработки и инжиниринга признаков. Для бизнес-аналитиков и data scientists это означает возможность получать выводы напрямую из сырых CSV-файлов и Excel-таблиц, минуя этап ручной настройки моделей.
#Tech #AI #TableData #Nexus #LTM #Analytics
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Вслед за Spotify Wrapped и ежегодными отчётами YouTube и Uber, Anthropic представила функцию «reflect» для чат-бота Claude. Теперь пользователи могут увидеть детальный анализ своей активности за последний месяц, три месяца, полгода или год.
Панель «reflect» показывает ключевые темы запросов, типы задач, которые пользователь делегирует ИИ, а также пиковые часы использования. Компания позиционирует эту функцию как инструмент для осознанного взаимодействия с ИИ: «увидь свои паттерны и формируй их». Данные визуализируются в виде графиков и сводок, помогая понять, как именно используется ассистент — от написания кода до планирования путешествий.
Функция уже доступна в веб-версии Claude и мобильном приложении. Это первый шаг Anthropic к персонализированной аналитике, которая может стать стандартом для AI-ассистентов — аналогично тому, как Spotify Wrapped изменил подход к музыкальным отчётам.
#Tech #Anthropic #Claude #AI #Analytics #Wrapped
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡1👍1