Amazon Quick mení dátový katalóg na riadený vstup pre analytických AI agentov

AWS predstavil v Amazon Quick náhľad funkcie Agentic Catalog Experience, ktorá má skrátiť cestu od podnikového dátového katalógu k použiteľnej analytike. Dátový kurátor opíše potrebu prirodzeným jazykom, agent vyhľadá vhodné tabuľky a vzťahy a po potvrdení vytvorí datasety aj tematický model. Prvá verzia podporuje AWS Glue Data Catalog a Databricks Unity Catalog.

Problém, ktorý AWS rieši, nevzniká nedostatkom metadát. Firmy už často majú popisy tabuliek a stĺpcov, primárne a cudzie kľúče, slovníkové pojmy, klasifikácie kvality aj definície metrík. Pri príprave dashboardov alebo otázok v prirodzenom jazyku sa však tento kontext ručne prepisuje do ďalšieho produktu. Význam pojmov ako tržba či aktívny zákazník sa potom môže medzi katalógom a analytickou vrstvou rozísť.

Quick Agent preto nezačína generovaním SQL. Najprv prehľadáva pripojený katalóg podľa obchodného opisu potreby. Pri výbere používa dostupné popisy, značky, vrstvy Gold, Silver a Bronze, skóre kvality, zdravotný stav tabuliek a slovníkové termíny. Kurátor tak nemusí manuálne prechádzať tisíce tabuliek a hádať, ktoré aktíva boli schválené na reportovanie. Agent pritom zostáva obmedzený na zvolený katalógový kontext.

Po výbere zdrojov systém hromadne vytvorí takzvané katalógovo generované datasety. Predvolenou cestou je Direct Query, takže Quick nekopíruje samotné dáta a nadradený katalóg zostáva zdrojom pravdy. Zdedené metadáta sú označené a iba na čítanie. Autor ich môže ručne synchronizovať; automatická plánovaná synchronizácia je podľa AWS zatiaľ na pláne, nie súčasťou náhľadu.

Dedenie je v prvej verzii zámerne obmedzené. Do datasetov sa prenášajú obchodné a technické popisy tabuliek, názvy a popisy stĺpcov, dátové typy, informácia o povolených prázdnych hodnotách, slovníkové pojmy a synonymá. Do tematických modelov sa prenášajú primárne a cudzie kľúče, kardinalita a vzťahy potrebné pre hviezdicové alebo snehové schémy. Iné signály sa môžu použiť pri vyhľadávaní, no nemusia sa zapísať do výsledného datasetu.

Takéto rozdelenie je podstatné pre dôveryhodnosť analytického agenta. Jazykový model môže vytvoriť syntakticky správny dotaz a napriek tomu spojiť nesprávne tabuľky alebo použiť inú definíciu metriky, než očakáva finančné oddelenie. Ak vzťahy a významy prichádzajú z riadeného katalógu, zmenšuje sa priestor na voľné domýšľanie. Výsledok však stále závisí od kvality katalógu; agent nedokáže napraviť chýbajúci alebo zastaraný obchodný význam len tým, že ho spracuje prirodzeným jazykom.

AWS opisuje Quick ako spotrebiteľa metadát, nie ako nový hlavný katalóg. To je dôležitá architektonická voľba. Organizácia nemusí vytvoriť ďalšiu paralelnú vrstvu správy, ale musí jasne určiť, kto môže meniť nadradené definície a kto môže v Quick vytvárať vlastné datasety. Ak autor zdedený dataset upraví, vznikne vlastná verzia a väzba na synchronizáciu sa preruší. Rozhranie má na túto zmenu upozorniť.

Pri Glue Data Catalog sa metadátové pripojenie kombinuje s pripojením Amazon Athena, ktoré zabezpečuje dotazovaciu cestu k dátam v S3. Pre Unity Catalog sa podporuje OAuth 2.0 alebo osobný prístupový token. Tieto detaily ukazujú, že nejde iba o konverzačnú nadstavbu. Nasadenie bude vyžadovať návrh identít, oprávnení, sieťových hraníc a auditovania toho, ktoré datasety agent vytvoril a z akého katalógového stavu vychádzal.

Pre dátové tímy môže byť najväčším prínosom skrátenie manuálnej prípravy sémantickej vrstvy. Hodiny ušetrené pri vyhľadávaní tabuliek však nie sú jediným kritériom. Pilot by mal merať aj presnosť vybraných aktív, správnosť navrhnutých spojení, počet potrebných zásahov kurátora a správanie po zmene nadradených definícií. Bez takýchto metrík sa rýchlejšie vytvorenie datasetu môže zmeniť iba na rýchlejšiu výrobu nekonzistentných odpovedí.

Novinka je zatiaľ náhľad, preto by ju firmy nemali automaticky považovať za hotovú produkčnú riadiacu vrstvu. Je však zaujímavým signálom: podniková generatívna analytika sa posúva od všeobecného textového rozhrania k agentom, ktorí pracujú nad explicitne spravovaným významom dát. V prostredí, kde rovnakú metriku používajú financie, predaj aj prevádzka, môže byť práve zachovanie tejto sémantiky dôležitejšie než výber samotného jazykového modelu.