Confluent Intelligence breidt realtime bedrijfsdata uit naar enterprise AI
Ondersteuning voor het Agent2Agent-protocol verbindt AI-agents overal in realtime zodat ze kunnen samenwerken op enterpriseniveau. Multivariate Anomaly Detection brengt anomaliedetectie naar een hoger niveau en voorkomt problemen voordat ze zich voordoen.
Confluent, Inc., pionier in datastreaming, kondigt nieuwe mogelijkheden in Confluent Intelligence aan waarmee AI-agents worden verbonden en meer accurate, intelligente data-analyse mogelijk wordt. Confluent’s Streaming Agents maakt gebruik van het Agent2Agent (A2A)-protocol voor het inzetten en coördineren van externe AI-agents met behulp van realtime datastromen, waardoor het eenvoudiger wordt om AI-systemen binnen een organisatie te verbinden.
Multivariate Anomaly Detection analyseert meerdere meetwaarden om automatisch ongebruikelijke patronen in datastromen te herkennen, waardoor teams problemen effectiever kunnen voorkomen – voordat ze storingen of gevolgen voor andere systemen veroorzaken. Samen creëren deze mogelijkheden intelligente, contextbewuste AI-systemen die zich aanpassen aan veranderende data, agents en bedrijfsomstandigheden.
“Als je concurrerend wil blijven, moet jouw AI proactief zijn,” zegt Sean Falconer, Head of AI bij Confluent. “Je hebt een systeem nodig van AI-agents die samenwerken en continu leren en inzichten in realtime delen. Confluent Intelligence verbindt de AI-investeringen en -systemen, ongeacht waar ze gebouwd zijn. Op deze manier kan AI geautomatiseerd reageren op live data, actie kan ondernemen, systemen coördineren en teamleden inschakelen als dat nodig is.”
Ecosysteem van samenwerkende agents
Bedrijven gebruiken steeds vaker AI-agents om beslissingen te automatiseren en complexe taken uit te voeren. Volgens IDC FutureScape: Worldwide Future of Work 2026 Predictions zal “in 2026 40% van alle banen bij bedrijven uit de Forbes Global 2000 (G2000)werken met AI-agents, waardoor de traditionele functies op junior-, midden- en seniorniveau opnieuw worden vormgegeven.” En zelfs dat is nog een behoudende inschatting. Maar terwijl agents in steeds meer tools en systemen voorkomen, opereren de meeste geïsoleerd. Als agents niet met elkaar kunnen communiceren of context kunnen delen binnen een organisatie, raken inzichten opgesloten in silo’s en zijn besluiten gefragmenteerd.
Confluent’s Streaming Agents vormt hierin een oplossing door AI-agents te verbinden met realtime data via Anthropic’s Model Context Protocol (MCP) en met andere agents via het A2A-protocol. Samen kunnen ze continu informatie analyseren van agent frameworks zoals LangChain en dataplatformen zoals BigQuery, Snowflake en Databricks voor het genereren van inzichten. Vervolgens kunnen ze workflows van enterprise AI-platformen zoals ServiceNow en Salesforce activeren om direct actie te ondernemen, waardoor de kloof tussen inzicht en uitvoering wordt gedicht. Door deze systemen te verbinden transformeert Confluent analyse op streamniveau in "inzicht naar actie". Zo worden realtime inzichten gegenereerd die nodig zijn om snel in te kunnen spelen op veranderende bedrijfsbehoeften.
Met A2A-ondersteuning in Streaming Agents kunnen teams:
- Slimmere, herbruikbare AI-agents bouwen: Voorzie bestaande agents en systemen van nieuwe context vanuit Confluent, zodat ze asynchroon op gebeurtenissen kunnen reageren en verdere acties kunnen ondernemen.
- Communicatie tussen agents en controleerbaarheid mogelijk maken: Leg elke agent-actie vast in een niet-aanpasbaar logboek voor controleerbaarheid en herleidbaarheid. Gebruik Apache Kafka® om de communicatie tussen agents te orkestreren en agent output te hergebruiken in andere agents en systemen.
- Orkestratie en governance centraal beheren: Streaming Agents fungeert als orkestrator en Confluent zorgt voor governance, beveiliging en end-to-end observability voor alle interacties tussen de agents.
Teams in alle sectoren kunnen gebruik maken van A2A-ondersteuning in Streaming Agents voor meer omzet, lagere risico’s en kostenbesparing. Streaming Agents kunnen aanbiedingen in de retail personaliseren, het kredietrisico bij financiële dienstverlening verlagen, zorgadviezen in de gezondheidszorg automatiseren, onderhoud in de productiesector voorspellen en storingen in telecommunicatie proactief verhelpen.
A2A-ondersteuning in Streaming Agents is per direct beschikbaar in Open Preview.
Reageer op actuele signalen en verwijder blinde vlekken
Bedrijven genereren meer data dan ooit, maar worstelen met het onderscheid tussen wat belangrijk is en wat niet. Anomaliedetectie brengt bedreigingen en kansen aan het licht die geen mens zelf zou kunnen signaleren. Traditionele anomaliedetectie analyseert vaak gegevens geïsoleerd en is veelal beperkt tot batch-based analyses van historische data. Deze systemen, die gebaseerd zijn op eenvoudige statistische basislijnen, zijn zeer gevoelig voor ruis, pieken en onjuiste data. Zonder context kunnen ze valse positieven genereren en brengen ze problemen doorgaans pas aan het licht nadat deze het systeem al hebben beïnvloed.
Confluent’s Multivariate Anomaly Detection, een nieuwe functionaliteit van de ingebouwde Machine Learning (ML) Functions, analyseert gerelateerde statistieken gezamenlijk om valse positieven te verminderen en echte problemen sneller op te sporen. Het stelt teams in staat om afwijkingen in meerdere statistieken te detecteren en tegelijkertijd uitschieters in de data te negeren, wat zorgt voor meer nauwkeurigheid bij het monitoren van complexe data. Teams kunnen Multivariate Anomaly Detection direct gebruiken, omdat ze het model niet hoeven te bouwen of bij te werken; het model leert namelijk mee met de veranderingen in de data.
Daarnaast kunnen teams:
- Inzicht krijgen in de operationele gezondheid van een systeem: Traditionele tools voor anomaliedetectie zijn gebaseerd op gemiddelden, die verstoord kunnen raken door één willekeurige piek in de data. Confluent’s Multivariate Anomaly Detection maakt gebruik van ML die reageert op en leert van de realtime data van teams om eenmalige storingen te negeren en systemen beter te begrijpen.
- Complexe problemen en patronen herkennen: Confluent’s Multivariate Anomaly Detection analyseert meerdere meetwaarden tegelijk als één geheel, zoals CPU, geheugen en latency, in plaats van één voor één, om patronen te vinden. Teams kunnen nu complexe problemen opsporen die anders over het hoofd zouden worden gezien als ze alleen naar individuele meetwaarden zouden kijken.
- Automatisch handelen: Door continu te meten hoe ver nieuwe datapunten afwijken van het “ware normaal”, worden data die te ver afwijken direct als anomalie gemarkeerd.
Aanvullende informatie
Bekijk de Confluent Intelligence-blog voor meer informatie over Confluent Intelligence. Deze launch-blog bevat alle nieuwe functionaliteiten van Confluent Cloud, waaronder een nieuwe migratietool, Kafka Copy Paste (KCP) en Queues for Kafka.
Meer over
Lees ook
Accenture en Mistral AI sluiten meerjarige samenwerking voor grootschalige inzet van soevereine AI
Accenture en het Franse Mistral AI starten een meerjarige strategische samenwerking om geavanceerde AI grootschalig toe te passen in Europa en daarbuiten. De inzet is veilige toepassing, in lijn met regionale wet- en regelgeving, met behoud van controle over data en modellen.
DOSBA verdubbelt ledenbestand en versterkt lobbypositie
Tijdens de eerste jaarvergadering bij Proxy in Rotterdam presenteerde de Dutch Open Source Business Alliance (DOSBA) indrukwekkende cijfers: een groei van 100% in het eerste jaar. Met 40 aangesloten bedrijven verstevigt de alliantie haar rol als gesprekspartner voor de overheid en zet zij via APELL de stap naar directe invloed op Europees beleid.
ServiceNow lanceert Autonomous Workforce en voegt Moveworks toe aan het ServiceNow AI Platform
ServiceNow, de AI-controletoren voor bedrijfstransformatie, lanceert vandaag Autonomous Workforce, AI-specialisten die taken kunnen uitvoeren binnen de vereiste scope, bevoegdheid en governance voor werk binnen een enterprise-omgeving.