Dev Ittycheria, President and CEO, MongoDB

17 results

AI용 데이터베이스 재정의: MongoDB가 Voyage AI를 인수한 이유

AI는 산업을 재편하고, 고객 경험을 새롭게 정의하며, 기업의 혁신, 운영, 경쟁 방식을 변화시키고 있습니다. 대부분의 초점이 프론티어 모델에 맞추어져 있지만, 근본적인 과제는 데이터를 저장하고 조회하여 AI 애플리케이션에 유용하게 만드는 방법에 있습니다. AI 기반 소프트웨어의 민주화는 적절한 추상화 위에 구축하는 데 달려 있지만, 현재 대부분의 조직에서 유용한 실시간 AI 애플리케이션을 대규모로 생성하는 것은 불가능합니다. 과제는 단지 복잡성만이 아닌 신뢰입니다. AI 모델은 확률론적이기 때문에 출력이 결정론적이지 않고 예측할 수 없습니다. 이는 오늘날 챗봇의 환각 문제에서 쉽게 확인할 수 있으며, AI 시스템이 자율적으로 의사 결정을 내리는 에이전트의 부상으로 더욱 중요해졌습니다. 개발 팀은 생성된 출력을 목표에 맞게 조정하고 정확성을 보장하기 위해 출력을 제어하고 구체화하며 근거를 마련할 수 있는 능력이 필요합니다. AI 기반 검색 및 조회는 특정 소스에서 관련 문맥 데이터를 추출하여 신뢰할 수 있고 정확한 응답을 생성하거나 책임감 있고 안전한 조치를 취하도록 AI 모델을 보강하는 강력한 도구입니다. 이는 RAG(검색 증강 생성) 접근 방식에서 두드러지게 나타납니다. AI 기반 검색의 핵심은 데이터의 의미론적 의미를 포착하고 쿼리와 결과의 관련성을 평가하는 두 가지 주요 AI 구성 요소인 임베딩 생성과 순위 재지정입니다. 임베딩 생성과 순위 재지정 및 AI 기반 검색은 데이터베이스 계층에 포함되어 스택을 간소화하고 AI 애플리케이션을 위한 보다 안정적인 기반을 마련한다고 생각합니다. 데이터베이스에 보다 많은 지능을 활용하여 MongoDB는 기업이 환각을 완화하고, 신뢰성을 높이고, AI의 잠재력을 대규모로 최대한 발휘할 수 있도록 지원합니다. 가장 영향력 있는 애플리케이션에는 유연하고 지능적이며 확장 가능한 데이터 기반이 필요합니다. 그래서 AI 기반 검색 및 조회를 통해 정확도를 획기적으로 개선하는 임베딩 및 순위 재지정 모델 분야의 선두주자인 Voyage AI 인수를 발표하게 되어 기쁩니다. 이러한 움직임은 단순히 AI 기능을 추가하는 것이 아니라 AI 시대에 맞춰 데이터베이스를 재정의하는 것입니다. 이것이 중요한 이유: AI의 미래는 데이터의 더 나은 관련성과 정확성을 기반으로 구축됩니다 AI는 확률론적입니다. 사전 정의된 규칙과 논리를 갖춘 기존 소프트웨어처럼 구축되지 않았습니다. 대신 AI 모델의 훈련 방식과 조회된 데이터에 따라 응답을 생성하거나 조치를 취합니다. 그러나 기술의 확률론적 특성으로 인해 AI는 환각을 일으킬 수 있습니다. 환각은 잘못되거나 부정확한 검색의 직접적인 결과로, AI가 적절한 데이터에 액세스하지 못하면 그럴듯하지만 잘못된 정보를 생성합니다. 이는 특히 정확도를 타협할 수 없는 엔터프라이즈 및 미션 크리티컬 사용 사례에서 AI 도입을 가로막는 중대한 장벽입니다. 따라서 가장 관련성이 높은 데이터를 검색하는 것은 AI 애플리케이션이 고품질의 맥락에 맞는 정확한 결과를 제공하는 데 필수적입니다. 오늘날 개발자들은 AI 기반 애플리케이션을 구축하기 위해 개별 구성 요소의 조합에 의존합니다. 임베딩 모델과 같은 이러한 구성 요소를 최적으로 선택하지 않으면 데이터 검색의 관련성이 낮아지고 생성된 출력의 품질이 낮아질 수 있습니다. 이러한 단편적인 접근 방식은 복잡하고 비용이 많이 들며 비효율적이고 개발자에게 번거롭습니다. MongoDB는 Voyage AI를 통해 데이터베이스에 AI 기반 검색 및 조회 기능을 네이티브로 제공하여 이 과제를 해결합니다. 개발자는 해결 방법을 구현하거나 별도의 시스템을 관리하는 대신 MongoDB 내에서 실시간 운영 데이터로부터 고품질 임베딩을 생성하고, 벡터를 저장하고, 시맨틱 검색을 수행하고, 결과를 정제할 수 있습니다. 이를 통해 복잡성을 제거하고 더 높은 정확도, 더 짧은 지연 시간, 간소화된 개발자 경험을 제공할 수 있습니다. Voyage AI가 MongoDB에 제공하는 기능 Voyage AI는 Stanford, MIT, UC Berkeley, Princeton에 뿌리를 둔 세계적 수준의 AI 연구팀을 구축하여 고정밀 AI 검색 분야의 리더로 빠르게 성장해 왔습니다. 이들의 기술은 이미 Anthropic, LangChain, Harvey, Replit 등 가장 발전한 AI 스타트업의 신뢰를 받고 있습니다. 특히 Voyage AI의 임베딩 모델은 Hugging Face 커뮤니티에서 가장 높은 평가를 받은 제로샷 모델입니다. Voyage AI의 모델은 다음을 통해 생성된 출력의 품질을 향상하도록 설계되었습니다: 텍스트, 이미지, PDF 및 정형 데이터 전반의 의미를 더 잘 포착하는 임베딩을 생성하여 벡터 검색을 향상시킵니다. AI 기반 애플리케이션의 검색 결과를 정제하는 고급 순위 재지정 모델을 통해 검색 정확도를 향상시킵니다. 금융 서비스, 의료, 법률과 같은 다양한 산업에 최적화된 미세 조정된 모델과 코드 생성과 같은 사용 사례를 통해 분야별 AI를 활성화합니다. Voyage AI의 검색 기능을 MongoDB에 통합함으로써 조직이 불필요한 복잡성 없이 더 높은 정확도와 신뢰성을 갖춘 AI 애플리케이션을 보다 쉽게 구축할 수 있도록 지원하고 있습니다. Voyage AI가 MongoDB에 통합되는 방식 3단계에 걸쳐 Voyage AI를 MongoDB 와 통합할 예정입니다. 첫 번째 단계에서는 Voyage AI의 텍스트 임베딩, 멀티모달 임베딩 및 순위 재지정 모델이 Voyage AI의 현재 API와 AWS 및 Azure Marketplace를 통해 계속 널리 제공되어 개발자가 동급 최고의 임베딩 및 순위 재지정 기능을 계속 사용할 수 있도록 보장할 것입니다. 또한 Voyage AI 모델 채택 증가를 지원하기 위해 플랫폼의 확장성과 엔터프라이즈 준비성에 투자할 것입니다. 다음으로, 임베딩 생성을 자동으로 처리하는 Vector Search용 자동 임베딩 서비스를 시작으로 Voyage AI의 기능을 MongoDB Atlas에 원활하게 임베딩할 예정입니다. 네이티브 순위 재지정이 뒤따를 예정이므로 개발자는 검색 정확도를 즉시 높일 수 있습니다. 또한 다양한 산업(예: 금융 서비스, 법률 등)이나 사용 사례(예: 코드 생성)를 더 잘 지원하기 위해 분야별 AI 기능을 확장할 계획입니다. 마지막으로, 향상된 멀티모달 기능을 통해 AI 기반 검색을 발전시켜 텍스트, 이미지, 동영상을 원활하게 검색하고 순위를 지정할 수 있도록 할 것입니다. 또한 명령어 조정 모델을 도입하여 개발자가 복잡한 미세 조정 대신 간단한 프롬프트를 사용하여 검색 동작을 개선할 수 있도록 할 계획입니다. 이는 MongoDB Atlas에 수명 주기 관리 기능을 임베딩하여 AI 애플리케이션에 대한 지속적인 업데이트와 실시간 최적화를 보장함으로써 보완될 것입니다. 이것이 개발자와 기업에 의미하는 것 AI 기반 애플리케이션에는 단순히 데이터를 저장, 처리, 보존하는 데이터베이스가 아니라 검색 정확도를 능동적으로 개선하고 원활하게 확장하며 운영상의 마찰을 없애는 데이터베이스가 필요합니다. MongoDB는 Voyage AI를 통해 데이터베이스가 미션 크리티컬 AI 기반 애플리케이션을 지원하는 데 필요한 요건을 재정의합니다. 개발자는 더 이상 외부 임베딩 API, 독립형 벡터 저장소 또는 복잡한 검색 파이프라인을 관리할 필요가 없습니다. AI 검색 기능이 데이터베이스 자체에 내장되어 시맨틱 검색, 벡터 검색, 순위 지정을 기존 쿼리처럼 원활하게 수행할 수 있습니다. 기업에게 이는 가치 실현 시간을 단축하고 AI 애플리케이션 확장에 대한 확신이 높아진다는 것을 의미합니다. 대규모로 고품질의 결과를 제공함으로써 엔터프라이즈는 가장 중요한 사용 사례에 AI를 원활하게 통합하여 신뢰성, 성능 및 실제 영향을 보장할 수 있습니다. 앞으로의 전망: 다음 단계 이것은 시작에 불과합니다. MongoDB의 비전은 MongoDB를 최신 AI 기반 애플리케이션을 위한 가장 강력하고 직관적인 데이터베이스로 만드는 것입니다. Voyage AI 모델은 곧 MongoDB Atlas에서 기본적으로 제공될 예정입니다. MongoDB의 AI 검색 기능을 계속 발전시켜 더욱 스마트하고 적응력이 뛰어나며 다양한 데이터 유형과 사용 사례를 처리할 수 있도록 만들 것입니다. MongoDB에서 Voyage AI의 기능을 사용하는 방법에 대한 자세한 내용은 계속 지켜봐 주세요. MongoDB와 Voyage AI가 지능형 애플리케이션의 구축, 확장, 배포를 위한 최첨단 AI 검색 및 조회를 지원하는 방식에 대해 자세히 알아보려면 제품 페이지 를 방문하세요.

February 24, 2025

Redefining the Database for AI: Why MongoDB Acquired Voyage AI

This post is also available in: Deutsch , Français , Español , Português , Italiano , 한국어 , 简体中文 . AI is reshaping industries, redefining customer experiences, and transforming how businesses innovate, operate, and compete. While much of the focus is on frontier models, a fundamental challenge lies in data—how it is stored, retrieved, and made useful for AI applications. The democratization of AI-powered software depends on building on top of the right abstractions, yet today, creating useful, real-time AI applications at scale is not feasible for most organizations. The challenge isn’t just complexity—it’s trust. AI models are probabilistic, meaning their outputs aren’t deterministic and predictable. This is easily evident in the hallucination problem in chatbots today, and becomes even more critical with the rise of agents, where AI systems make autonomous decisions. Development teams need the ability to control, shape, and ground generated outputs to align with their objectives and ensure accuracy. AI-powered search and retrieval is a powerful tool that extracts relevant contextual data from specific sources, augmenting AI models to generate reliable and accurate responses or take responsible and safe actions, as seen in the prominent retrieval augmented generation (RAG) approach. At the core of AI-powered retrieval are embedding generation and reranking—two key AI components that capture the semantic meaning of data and assess the relevance of queries and results. We believe embedding generation and reranking, as well as AI-powered search, belong in the database layer, simplifying the stack and creating a more reliable foundation for AI applications. By bringing more intelligence into the database, we help businesses mitigate hallucinations, improve trustworthiness, and unlock AI’s full potential at scale. The most impactful applications require a flexible, intelligent, and scalable data foundation. That’s why we’re excited to announce the acquisition of Voyage AI , a leader in embedding and reranking models that dramatically improve accuracy through AI-powered search and retrieval. This move isn’t just about adding AI capabilities— it’s about redefining the database for the AI era . Why this matters: The future of AI is built on better relevance and accuracy in data AI is probabilistic—it’s not built like traditional software with pre-defined rules and logic. Instead, it generates responses or takes action based on how the AI model is trained and what data is retrieved. However, due to the probabilistic nature of the technology, AI can hallucinate. Hallucinations are a direct consequence of poor or imprecise retrieval—when AI lacks access to the right data, it generates plausible but incorrect information. This is a critical barrier to AI adoption, especially in enterprises and for mission-critical use cases where accuracy is non-negotiable. This makes retrieving the most relevant data essential for AI applications to deliver high-quality, contextually accurate results. Today, developers rely on a patchwork of separate components to build AI-powered applications. Sub-optimal choices of these components, such as embedding models, can yield low-relevancy data retrieval and low-quality generated outputs. This fragmented approach is complex, costly, inefficient, and cumbersome for developers. With Voyage AI, MongoDB solves this challenge by making AI-powered search and retrieval native to the database. Instead of implementing workarounds or managing separate systems, developers can generate high-quality embeddings from real-time operational data, store vectors, perform semantic search, and refine results—all within MongoDB. This eliminates complexity and delivers higher accuracy, lower latency, and a streamlined developer experience. What Voyage AI brings to MongoDB Voyage AI has built a world-class AI research team with roots at Stanford, MIT, UC Berkeley, and Princeton and has rapidly become a leader in high-precision AI retrieval. Their technology is already trusted by some of the most advanced AI startups, including Anthropic, LangChain, Harvey, and Replit. Notably, Voyage AI’s embedding models are the highest-rated zero-shot models in the Hugging Face community. Voyage AI’s models are designed to increase the quality of generated output by: Enhancing vector search by creating embeddings that better capture meaning across text, images, PDFs, and structured data. Improving retrieval accuracy through advanced reranking models that refine search results for AI-powered applications. Enabling domain-specific AI with fine-tuned models optimized for different industries such as financial services, healthcare, and law, and use cases such as code generation. By integrating Voyage AI’s retrieval capabilities into MongoDB, we’re helping organizations more easily build AI applications with greater accuracy and reliability—without unnecessary complexity. How Voyage AI will be integrated into MongoDB We are integrating Voyage AI with MongoDB in three phases. In the first phase, Voyage AI’s text embedding, multi-modal embedding, and reranking models will remain widely available through Voyage AI’s current APIs and via the AWS and Azure Marketplaces—ensuring developers can continue to use their best-in-class embedding and reranking capabilities. We will also invest in the scalability and enterprise readiness of the platform to support the increased adoption of Voyage AI’s models. Next, we will seamlessly embed Voyage AI’s capabilities into MongoDB Atlas , starting with an auto-embedding service for Vector Search, which will handle embedding generation automatically. Native reranking will follow, allowing developers to boost retrieval accuracy instantly. We also plan to expand domain-specific AI capabilities to better support different industries (e.g., financial services, legal, etc.) or use cases (e.g., code generation). Finally, we will advance AI-powered retrieval with enhanced multi-modal capabilities, enabling seamless retrieval and ranking of text, images, and video. We also plan to introduce instruction-tuned models, allowing developers to refine search behavior using simple prompts instead of complex fine-tuning. This will be complemented by embedding lifecycle management in MongoDB Atlas, ensuring continuous updates and real-time optimization for AI applications. What this means for developers and businesses AI-powered applications need more than a database that just stores, processes, and persists data—they need a database that actively improves retrieval accuracy, scales seamlessly, and eliminates operational friction. With Voyage AI, MongoDB redefines what’s required for a database to underpin mission-critical AI-powered applications. Developers will no longer need to manage external embedding APIs, standalone vector stores, or complex search pipelines. AI retrieval will be built into the database itself, making semantic search, vector retrieval, and ranking as seamless as traditional queries. For businesses, this translates to faster time-to-value and greater confidence in scaling AI applications. By delivering high-quality results at scale, enterprises can seamlessly integrate AI into their most critical use cases, ensuring reliability, performance, and real-world impact. Looking ahead: What comes next This is just the beginning. Our vision is to make MongoDB the most powerful and intuitive database for modern, AI-driven applications. Voyage AI’s models will soon be natively available in MongoDB Atlas. We will continue evolving MongoDB’s AI retrieval capabilities, making it smarter, more adaptable, and capable of handling a wider range of data types and use cases. Stay tuned for more details on how you can start using Voyage AI’s capabilities in MongoDB. To learn more about how MongoDB and Voyage AI are powering state-of-the-art AI search and retrieval for building, scaling, and deploying intelligent applications, visit our product page .

February 24, 2025

Redefiniendo la base de datos para la IA: Por qué MongoDB adquirió Voyage AI

La IA está transformando las industrias, redefiniendo las experiencias de los clientes y cambiando cómo las empresas innovan, operan y compiten. Aunque gran parte de la atención se centra en los modelos de vanguardia, un desafío fundamental radica en los datos: cómo se almacenan, se recuperan y se hacen útiles para las aplicaciones de IA. La democratización del software impulsado por IA depende de construir sobre las abstracciones correctas; sin embargo, hoy en día, crear aplicaciones de IA útiles y en tiempo real a escala no es factible para la mayoría de las organizaciones. El desafío no es solo la complejidad, sino la confianza. Los modelos de IA son probabilísticos, lo que significa que sus resultados no son deterministas ni predecibles. Esto queda fácilmente en evidencia en el problema de las alucinaciones en los chatbots actuales, y se vuelve aún más crítico con el auge de los agentes, donde los sistemas de IA toman decisiones autónomas. Los equipos de desarrollo necesitan la capacidad de controlar, dar forma y fundamentar los resultados generados para alinearse con sus objetivos y garantizar la precisión. La búsqueda y recuperación impulsadas por IA es una herramienta potente que extrae datos contextuales relevantes de fuentes específicas, mejorando los modelos de IA para generar respuestas confiables y precisas o tomar acciones responsables y seguras, como se observa en el destacado enfoque de generación aumentada por recuperación (RAG). En el núcleo de la recuperación impulsada por IA están la generación de incrustación y reclasificación, dos componentes clave de la IA que capturan el significado semántico de los datos y evalúan la relevancia de las consultas y los resultados. Creemos que la generación de incrustación y reclasificación, así como la búsqueda potenciada por IA, deben integrarse en la capa de base de datos, simplificando la arquitectura y creando una base más confiable para las aplicaciones de IA. Al incorporar más inteligencia en la base de datos, ayudamos a las empresas a mitigar las alucinaciones, mejorar la confiabilidad y liberar todo el potencial de la IA a gran escala. Las aplicaciones más impactantes requieren una base de datos flexible, inteligente y escalable. Por eso nos complace anunciar la adquisición de Voyage AI , un líder en modelos de incrustación y reclasificación que mejoran drásticamente la precisión mediante la búsqueda y recuperación impulsadas por IA. Este movimiento no solo se trata de agregar capacidades de IA, sino de redefinir la base de datos para la era de la IA. Por qué esto importa: El futuro de la IA se construye sobre una mejor relevancia y precisión en los datos La IA es probabilística; no se construye como el software tradicional con reglas y lógica predefinidas. En su lugar, genera respuestas o toma medidas basándose en cómo se entrena el modelo de IA y qué datos se recuperan. Sin embargo, debido a la naturaleza probabilística de la tecnología, la IA puede tener alucinaciones. Las alucinaciones son una consecuencia directa de una recuperación deficiente o imprecisa: cuando la IA no tiene acceso a los datos correctos, genera información plausible, pero incorrecta. Esta es una barrera crítica para la adopción de la IA, especialmente en las empresas y para casos de uso críticos donde la precisión no es negociable. Esto hace que la recuperación de los datos más relevantes sea esencial para que las aplicaciones de IA ofrezcan resultados de alta calidad y precisos en su contexto. Hoy en día, los desarrolladores dependen de un conjunto de componentes separados para desarrollar aplicaciones basadas en IA. Las elecciones subóptimas de estos componentes, como los modelos de incrustación, pueden resultar en una recuperación de datos de baja relevancia y en la generación de resultados de baja calidad. Este enfoque fragmentado es complejo, costoso, ineficiente y engorroso para los desarrolladores. Con Voyage AI, MongoDB resuelve este desafío al hacer que la búsqueda y recuperación impulsadas por IA sean nativas de la base de datos. En lugar de implementar soluciones alternativas o gestionar sistemas separados, los desarrolladores pueden generar incrustaciones de alta calidad a partir de datos operativos en tiempo real, almacenar vectores, realizar búsquedas semánticas y refinar resultados, todo dentro de MongoDB. Esto elimina la complejidad y proporciona una mayor precisión, menor latencia y una experiencia de desarrollador optimizada. Lo que Voyage AI aporta a MongoDB Voyage AI ha formado un equipo de investigación de IA de clase mundial con sede en Stanford, MIT, UC Berkeley y Princeton, y se ha convertido rápidamente en un líder en la recuperación de IA de alta precisión. Su tecnología ya cuenta con la confianza de algunas de las startups de IA más avanzadas, incluidas Anthropic, LangChain, Harvey y Replit. En particular, los modelos de incrustación de Voyage AI son los modelos zero-shock mejor calificados en la comunidad Hugging Face. Los modelos de Voyage AI están diseñados para mejorar la calidad del resultado generado: Al mejorar la búsqueda vectorial creando incrustaciones que capturen mejor el significado en texto, imágenes, PDF y datos estructurados. Al mejorar la precisión de recuperación mediante modelos avanzados de reclasificación que optimizan los resultados de búsqueda para aplicaciones basadas en IA. Al habilitar la IA específica del dominio con modelos ajustados y optimizados para diferentes sectores, como los servicios financieros, la atención médica y el derecho, y casos de uso, como la generación de código. Al integrar las capacidades de recuperación de Voyage AI en MongoDB, estamos ayudando a las organizaciones a crear aplicaciones de IA con mayor precisión y confiabilidad, sin complejidad innecesaria. Cómo se integrará Voyage AI en MongoDB Estamos integrando Voyage AI con MongoDB en tres fases. En la primera fase, los modelos de incrustación de texto, incrustación multimodal y reclasificación de Voyage AI seguirán estando ampliamente disponibles a través de las API actuales de Voyage AI y a través de los mercados de AWS y Azure, asegurando que los desarrolladores puedan continuar utilizando sus capacidades de incrustación y reclasificación de clase mundial. También invertiremos en la escalabilidad y la preparación empresarial de la plataforma para apoyar la mayor adopción de los modelos de Voyage AI. Luego, integraremos sin problemas las capacidades de Voyage AI en MongoDB Atlas , comenzando con un servicio de incrustación automática para Vector Search, que manejará la generación de incrustaciones automáticamente. La reclasificación nativa seguirá, permitiendo a los desarrolladores mejorar instantáneamente la precisión de la recuperación. También tenemos previsto ampliar las capacidades de IA específicas de cada dominio para ofrecer un mejor soporte a diferentes sectores (por ejemplo, servicios financieros, legales, etc.) o casos de uso (por ejemplo, generación de código). Finalmente, avanzaremos en la recuperación impulsada por IA con capacidades multimodales mejoradas, permitiendo una recuperación y clasificación fluida de texto, imágenes y videos. También planeamos introducir modelos ajustados a las instrucciones, lo que permitirá a los desarrolladores refinar el comportamiento de búsqueda mediante indicaciones simples en lugar de un ajuste complejo. Esto se complementará mediante la integración de la gestión del ciclo de vida en MongoDB Atlas, asegurando actualizaciones continuas y optimización en tiempo real para aplicaciones de IA. Qué significa esto para los desarrolladores y las empresas Las aplicaciones impulsadas por IA necesitan más que una base de datos que solo almacene, procese y persista datos: necesitan una base de datos que mejore activamente la precisión de recuperación, escale sin problemas y elimine la fricción operativa. Con Voyage AI, MongoDB redefine lo que se requiere para que una base de datos sustente aplicaciones críticas impulsadas por IA. Los desarrolladores ya no necesitarán gestionar API de incrustación externas, almacenes de vectores independientes o flujos de búsqueda complejos. La recuperación de IA se integrará en la base de datos misma, haciendo que la búsqueda semántica, la recuperación de vectores y la clasificación sean tan fluidas como las consultas tradicionales. Para las empresas, esto se traduce en un tiempo más rápido para obtener valor y una mayor confianza al escalar aplicaciones de IA. Al proporcionar resultados de alta calidad a gran escala, las empresas pueden integrar a la perfección la IA en sus casos de uso más críticos, asegurando la confiabilidad, el rendimiento y el impacto en el mundo real. Con miras al futuro: qué sigue Esto es solo el comienzo. Nuestra visión es convertir a MongoDB en la base de datos más potente e intuitiva para aplicaciones modernas impulsadas por IA. Los modelos de Voyage AI pronto estarán disponibles de forma nativa en MongoDB Atlas. Continuaremos evolucionando con las capacidades de recuperación de IA de MongoDB, haciéndolas más inteligentes, más adaptables y capaces de manejar una gama más amplia de tipos de datos y casos de uso. Manténgase pendiente para más detalles sobre cómo puede comenzar a utilizar las capacidades de Voyage AI en MongoDB. Para obtener más información sobre cómo MongoDB y Voyage AI están impulsando la búsqueda y recuperación de IA de última generación para construir, escalar e implementar aplicaciones inteligentes, visite nuestra página de productos .

February 24, 2025

为 AI 重新定义数据库:MongoDB 为何收购 Voyage AI

AI 正在重塑各行各业,重新定义客户体验,并改变企业创新、运营和竞争的方式。尽管大部分关注点在前沿模型上,但一项根本的挑战在于数据 — 如何存储和检索数据并让数据为 AI 应用所用。AI 驱动软件的民主化依赖于在正确的抽象层上进行开发,但目前,对于大多数组织来说,大规模创建有用的实时 AI 应用仍然不可行。 挑战不仅在于复杂性,还在于信任。AI 模型是概率性的,这意味着其输出不具有确定性和可预测性。这在当今聊天机器人的幻觉问题中显而易见,并且随着 AI 智能载体的兴起,AI 系统可以自主做出决策,这一点变得更加重要。开发团队需要能够控制、塑造和调整生成的输出,以符合其目标并确保准确性。 AI 驱动的搜索和检索是一项强大的工具,可以从特定来源提取相关的上下文数据,增强 AI 模型,以生成可靠和准确的响应或采取负责任和安全的行动,这在著名的检索增强生成(RAG)方法中得到了体现。在 AI 驱动的检索中,核心是嵌入生成和重新排序 — 这两个关键的 AI 组件能够捕捉数据的语义含义,并评估问询和结果的相关性。我们认为将生成、重新排序以及 AI 驱动的搜索嵌入数据库层可简化堆栈,从而为 AI 应用奠定更可靠的基础。通过将更多智能引入数据库,我们帮助企业减少幻觉,提高可信度,并在 AI 扩展上释放 AI 的全部潜力。 最具影响力的应用需要一个灵活、智能且可扩展的数据基础。因此,我们很高兴地宣布收购了 Voyage AI ,这是一家在嵌入和重新排序模型领域的领导者,通过 AI 驱动的搜索和检索显著提高了准确性。此举不仅旨在增加 AI 功能,更是关乎为 AI 时代重新定义数据库。 为什么这很重要:AI 的未来构建在数据更高的相关性和准确性之上 AI 是概率性的 — 这不像传统软件那样具有预定义的规则和逻辑。相反,它会根据 AI 模型的训练方式和检索到的数据生成响应或采取行动。然而,由于该技术的概率性,AI 可能会出现幻觉。幻觉是检索不佳或不精确的直接后果 — 当 AI 无法访问正确的数据时,它会生成看似合理但不正确的信息。这是 AI 采用的一项关键障碍,尤其是在企业中以及在准确性不可妥协的关键任务用例中。 这使得检索最相关的数据对于 AI 应用程序提供高质量、上下文准确的结果至关重要。如今,开发者依赖于拼凑而成的独立组件来构建 AI 驱动的应用程序。这些组件的次优选择,例如嵌入模型,可能会导致低相关性的数据检索和低质量的生成输出。这种分散的方法对开发者来说既复杂、昂贵、效率低下,又繁琐。 借助 Voyage AI,MongoDB 通过使 AI 驱动的搜索和检索成为数据库的原生功能,解决了这一挑战。开发者无需实施变通方法或管理单独的系统,而是可以从实时操作数据中生成高质量的嵌入,存储向量,执行语义搜索,并优化结果——所有这些都在 MongoDB 中完成。这消除了复杂性,并提供了更高的准确性、更低的延迟和简化的开发者体验。 Voyage AI 为 MongoDB 带来的优势 Voyage AI 已组建了一支以斯坦福大学、麻省理工学院、加州大学伯克利分校和普林斯顿大学为基础的世界级 AI 研究团队,并迅速成为高精度 AI 检索领域的领导者。他们的技术已经被一些最先进的 AI 初创企业所信任,包括 Anthropic、LangChain、Harvey 和 Replit。 值得注意的是,Voyage AI 的嵌入模型是 Hugging Face 社区中评分最高的零样本模型。Voyage AI 的模型旨在通过以下方式提高生成输出的质量: 通过创建更好地捕捉文本、图像、PDF 和结构化数据含义的嵌入来增强向量搜索。 通过先进的重新排序模型提高检索准确性,以优化 AI 驱动式应用的搜索结果。 通过使用针对金融服务、医疗保健、法律等不同行业以及代码生成等使用案例进行优化的微调模型,启用特定领域的 AI。 通过将 Voyage AI 的检索功能集成到 MongoDB 中,我们正在帮助组织更轻松地构建更准确、更可靠的 AI 应用,而不会增加不必要的复杂性。 如何将 Voyage AI 集成到 MongoDB 中 我们将 Voyage AI 与 MongoDB 的集成分为三个阶段。在第一阶段,Voyage AI 的文本嵌入、多模态嵌入和重排序模型将继续通过 Voyage AI 的现有 API 以及 AWS 和 Azure 云市场广泛提供,确保开发者可以继续使用其先进的嵌入和重新排序功能。我们还将投资于平台的可扩展性和企业级就绪能力,以支持 Voyage AI 模型的更广泛采用。 接下来,我们会将 Voyage AI 的功能无缝嵌入到 MongoDB Atlas 中,首先推出用于 Vector Search 的自动嵌入服务,该服务将自动处理嵌入生成。然后将进行原生重新排序,使开发人员能够立即提高检索准确性。我们还计划扩展特定领域的 AI 功能,以更好地支持不同行业(例如,金融服务、法律等)或用例(例如,代码生成)。 最后,我们将通过增强的多模态功能推进 AI 驱动的检索,实现文本、图像和视频的无缝检索和排序。我们还计划引入指令调整模型,允许开发者使用简单的提示而不是复杂的微调来优化搜索行为。这将通过在 MongoDB Atlas 中嵌入生命周期管理来实现补充,确保 AI 应用的持续更新和实时优化。 这对开发者和企业意味着什么? AI 驱动的应用需要的不仅仅是一个存储、处理和持久化数据的数据库,而是还需要一个能够主动提高检索准确性、无缝扩展并消除操作摩擦的数据库。借助 Voyage AI,MongoDB 重新定义了支撑任务关键型 AI 驱动的应用的数据库要求。 开发者将不再需要管理外部嵌入 API、独立运行的实例向量存储或复杂的搜索管道。AI 检索将内建到数据库中,实现与传统查询一样的无缝语义搜索、向量检索和排序。 对于企业来说,这意味着能够更加信心十足地扩展 AI 应用,并加快价值实现速度。通过在大规模扩展交付高质量的结果,企业可以将 AI 无缝集成到其最关键的用例中,确保可靠性、性能和实际影响。 展望未来:接下来会发生什么 这仅仅是个开始。我们的愿景是将 MongoDB 打造成最强大且直观的数据库,适用于现代 AI 驱动的应用程序。 Voyage AI 的模型将很快在 MongoDB Atlas 中原生可用。 我们将继续提升 MongoDB 的 AI 检索能力,使其更智能、更具适应性,并能够处理更广泛的数据类型和应用场景。 请继续关注最新动态,详细了解如何在 MongoDB 中开始使用 Voyage AI 功能。 要了解更多关于 MongoDB 和 Voyage AI 如何为构建、扩展和部署智能应用提供最先进的 AI 搜索和检索功能的信息,请访问我们的 产品页面 。

February 24, 2025

Die Datenbank für KI neu definieren: Warum MongoDB Voyage AI übernommen hat

KI verändert Industriezweige, definiert Kundenerfahrungen neu und wandelt die Art und Weise, wie Unternehmen Innovationen vorantreiben, agieren und im Wettbewerb bestehen. Während sich viel auf fortschrittliche Modelle konzentriert, stellt die Datenverwaltung eine grundlegende Herausforderung dar – insbesondere, wie Daten gespeichert, abgerufen und für KI-Anwendungen nutzbar gemacht werden. Die Demokratisierung von KI-gestützter Software hängt davon ab, auf den richtigen Abstraktionen aufzubauen. Dennoch ist es für die meisten Organisationen derzeit nicht möglich, nützliche Echtzeit-KI-Anwendungen in großem Umfang zu erstellen. Die Herausforderung besteht nicht nur in der Komplexität, sondern auch im Vertrauen. KI-Modelle sind probabilistisch, was bedeutet, dass ihre Ergebnisse nicht deterministisch und vorhersehbar sind. Dies wird besonders deutlich beim Halluzinationsproblem in heutigen Chatbots und wird noch entscheidender mit dem Aufkommen von Agenten, bei denen KI-Systeme autonome Entscheidungen treffen. Entwicklungsteams benötigen die Fähigkeit, die generierten Ergebnisse zu kontrollieren, zu gestalten und zu begründen, um sie mit ihren Zielen in Einklang zu bringen und die Genauigkeit zu gewährleisten. Die KI-gestützte Suche und Abfrage ist ein leistungsstarkes Tool, das relevante Kontextdaten aus bestimmten Quellen extrahiert und KI-Modelle erweitert, um zuverlässige und genaue Antworten zu generieren oder verantwortungsvolle und sichere Maßnahmen zu ergreifen, wie der bekannte Ansatz der Retrieval Augmented Generation (RAG) zeigt. Das Herzstück des KI-gestützten Retrievals sind die Generierung von Einbettungen und das Reranking – zwei KI-Schlüsselkomponenten, die die semantische Bedeutung von Daten erfassen und die Relevanz von Abfragen und Ergebnissen bewerten. Wir sind der Meinung, dass die Einbettung von Generierung und Neubewertung sowie die KI-gestützte Suche in die Datenbankebene gehören, um den Stack zu vereinfachen und eine zuverlässigere Grundlage für KI-Anwendungen zu schaffen. Indem wir mehr Intelligenz in die Datenbank integrieren, unterstützen wir Unternehmen dabei, Halluzinationen zu reduzieren, die Vertrauenswürdigkeit zu erhöhen und das volle Potenzial der KI im großen Maßstab zu entfalten. Die wirkungsvollsten Anwendungen benötigen eine flexible, intelligente und skalierbare Datenbasis. Deshalb freuen wir uns, die Übernahme von Voyage AI bekanntzugeben, einem führenden Unternehmen in der Entwicklung von Embedding- und Neu-Ranking-Modellen, die die Genauigkeit durch KI-gestützte Suche und Abfrage erheblich verbessern. Dieser Schritt zielt nicht nur darauf ab, KI-Fähigkeiten hinzuzufügen – es geht darum, die Datenbank für das KI-Zeitalter neu zu definieren. Warum das wichtig ist: Die Zukunft der KI beruht auf einer besseren Relevanz und Genauigkeit der Daten KI ist probabilistisch – sie wird nicht wie traditionelle Software mit vordefinierten Regeln und Logik erstellt. Stattdessen generiert sie Antworten oder ergreift Maßnahmen basierend darauf, wie das KI-Modell trainiert wurde und welche Daten abgerufen werden. Aufgrund der probabilistischen Natur der Technologie kann KI jedoch Halluzinationen erzeugen. Halluzinationen sind eine direkte Folge einer schlechten oder ungenauen Datenabfrage – wenn KI keinen Zugriff auf die richtigen Daten hat, generiert sie plausible, aber falsche Informationen. Dies ist eine entscheidende Hürde für die Einführung von KI, insbesondere in Unternehmen und bei geschäftskritischen Anwendungsfällen, bei denen Genauigkeit nicht verhandelbar ist. Dies macht das Abrufen der relevantesten Daten essenziell, damit KI-Anwendungen qualitativ hochwertige und kontextuell genaue Ergebnisse liefern können. Heute verlassen sich Entwickler auf ein Flickwerk aus separaten Komponenten, um KI-gestützte Anwendungen zu erstellen. Suboptimale Entscheidungen bei diesen Komponenten, wie z. B. bei Embedding-Modellen, können zu Datenabfragen mit geringer Relevanz und zu schlecht generierten Ausgaben führen. Dieser fragmentierte Ansatz ist komplex, kostspielig, ineffizient und umständlich für Entwickler. Mit Voyage AI löst MongoDB diese Herausforderung, indem es KI-gestützte Suche und Abfrage direkt in die Datenbank integriert. Anstatt Umgehungslösungen zu implementieren oder separate Systeme zu verwalten, können Entwickler hochwertige Embeddings aus Echtzeit-Betriebsdaten generieren, Vektoren speichern, semantische Suchen durchführen und Ergebnisse verfeinern – alles innerhalb von MongoDB.Dies beseitigt Komplexität und bietet höhere Genauigkeit, niedrigere Latenzzeiten und ein optimiertes Entwicklererlebnis. Was Voyage AI zu MongoDB beiträgt Voyage AI hat ein erstklassiges KI-Forschungsteam aufgebaut, dessen Wurzeln in Stanford, am MIT, an der UC Berkeley und in Princeton liegen, und hat sich schnell zu einem führenden Unternehmen im Bereich hochpräziser KI-Abfrage entwickelt. Ihre Technologie genießt bereits das Vertrauen einiger der fortschrittlichsten KI-Startups, darunter Anthropic, LangChain, Harvey und Replit. Bemerkenswert ist, dass die Embedding-Modelle von Voyage AI die am höchsten bewerteten Zero-Shot-Modelle in der Hugging Face Community sind. Die Modelle von Voyage AI sind darauf ausgelegt, die Qualität der generierten Ergebnisse zu verbessern durch: Verbesserung der Vektorsuche durch die Erstellung von Einbettungen, die die Bedeutung von Texten, Bildern, PDFs und strukturierten Daten besser erfassen. Verbesserung der Abfragegenauigkeit durch fortschrittliche Reranking-Modelle, die Suchergebnisse für KI-gestützte Anwendungen verfeinern. Ermöglichung von domänenspezifischer KI mit fein abgestimmten Modellen, die für verschiedene Branchen wie Finanzdienstleistungen, Gesundheitswesen und Recht sowie für Anwendungsfälle wie die Codegenerierung optimiert sind. Indem wir die Abruffunktionen von Voyage AI in MongoDB integrieren, helfen wir Organisationen dabei, KI-Anwendungen einfacher und mit höherer Genauigkeit und Zuverlässigkeit zu entwickeln – ohne unnötige Komplexität. Wie Voyage AI in MongoDB integriert werden wird Wir integrieren Voyage AI in drei Phasen. In der ersten Phase bleiben die Modelle von Voyage AI zur Texteinbettung, multimodalen Einbettung und Neubewertung über die aktuellen APIs von Voyage AI und über die AWS- und Azure-Marktplätze allgemein verfügbar. So wird sichergestellt, dass Entwickler weiterhin ihre erstklassigen Einbettungs- und Neubewertungsfunktionen nutzen können. Wir werden auch in die Skalierbarkeit und Unternehmensbereitschaft der Plattform investieren, um die verstärkte Nutzung der Modelle von Voyage AI zu unterstützen. Als Nächstes werden wir die Fähigkeiten von Voyage AI nahtlos in MongoDB Atlas integrieren, beginnend mit einem Auto-Embedding-Dienst für die Vektorsuche, der die Generierung von Embeddings automatisch übernimmt. Native Neu-Rankierung wird folgen und es Entwicklern ermöglichen, die Abrufgenauigkeit sofort zu verbessern. Wir planen auch, domänenspezifische KI-Fähigkeiten zu erweitern, um verschiedene Branchen (z. B. Finanzdienstleistungen, Recht, etc.) oder Anwendungsfälle (z. B. Code-Generierung) besser zu unterstützen. Abschließend werden wir die KI-gestützte Abfrage mit erweiterten multimodalen Fähigkeiten vorantreiben, die eine nahtlose Abfrage und Rangfolge von Texten, Bildern und Videos ermöglichen. Wir planen außerdem die Einführung anweisungsoptimierter Modelle, die es Entwicklern ermöglichen, das Suchverhalten mithilfe einfacher Eingabeaufforderungen statt durch komplexe Feinabstimmungen zu verfeinern. Dies wird durch ein Embedding-Lifecycle-Management in MongoDB Atlas ergänzt, das kontinuierliche Aktualisierungen und Echtzeit-Optimierungen für KI-Anwendungen sicherstellt. Was das für Entwickler und Unternehmen bedeutet KI-gestützte Anwendungen benötigen mehr als nur eine Datenbank, die Daten speichert, verarbeitet und aufbewahrt – sie brauchen eine Datenbank, die aktiv die Abrufgenauigkeit verbessert, nahtlos skaliert und betriebliche Reibungen beseitigt. Mit Voyage AI definiert MongoDB neu, was erforderlich ist, damit eine Datenbank als Grundlage für geschäftskritische KI-gestützte Anwendungen dienen kann. Entwickler müssen keine externen APIs, eigenständigen Vektorspeicher oder komplexe Suchpipelines mehr verwalten. Die KI-Abfrage wird in die Datenbank selbst integriert, sodass die semantische Suche, die Vektorabfrage und die Rangfolge genauso nahtlos erfolgen wie herkömmliche Abfragen. Für Unternehmen bedeutet dies eine schnellere Wertschöpfung und ein größeres Vertrauen in die Skalierung von KI-Anwendungen. Durch die Bereitstellung qualitativ hochwertiger Ergebnisse im großen Maßstab können Unternehmen KI nahtlos in ihre kritischsten Anwendungsfälle integrieren und so Zuverlässigkeit, Leistung und reale Auswirkungen sicherstellen. Blick nach vorn: Was kommt als Nächstes? Aber das ist erst der Anfang. Unsere Vision ist es, MongoDB zur leistungsfähigsten und benutzerfreundlichsten Datenbank für moderne, KI-gesteuerte Anwendungen zu machen. Die Modelle von Voyage AI werden in Kürze direkt in MongoDB Atlas verfügbar sein. Wir werden die KI-Abruffunktionen von MongoDB weiter ausbauen, damit sie intelligenter und anpassungsfähiger werden und eine größere Bandbreite an Datentypen und Anwendungsfällen verarbeiten können. Bleiben Sie dran, um mehr darüber zu erfahren, wie Sie die Fähigkeiten von Voyage AI in MongoDB nutzen können! Wenn Sie mehr darüber erfahren möchten, wie MongoDB und Voyage AI eine hochmoderne KI-Suche und -Abfrage für die Entwicklung, Skalierung und Bereitstellung intelligenter Anwendungen ermöglichen, dann besuchen Sie unsere Produktseite .

February 24, 2025

Ridefinire il database per l'IA: perché MongoDB ha acquisito Voyage AI

L'AI sta rimodellando i settori, ridefinendo le esperienze dei clienti e trasformando il modo in cui le aziende innovano, operano e competono. Sebbene gran parte dell'attenzione sia rivolta ai modelli di frontiera, una sfida fondamentale risiede nei dati: come vengono archiviati, recuperati e resi utili per le applicazioni di intelligenza artificiale. La democratizzazione dei software basati sull'AI dipende dalla pratica di sviluppare sulle astrazioni corrette, tuttavia oggi creare applicazioni AI utili e in tempo reale su larga scala non è fattibile per la maggior parte delle organizzazioni. La sfida non rappresentata solo dalla complessità, ma anche dalla fiducia. I modelli di AI sono probabilistici, il che significa che i loro risultati non sono deterministici e prevedibili. Questo aspetto è facilmente ravvisabile nel problema delle allucinazioni nei chatbot odierni e diventa ancora più critico con l'ascesa degli agenti, dove i sistemi AI prendono decisioni autonome. I team di sviluppo devono avere la capacità di controllare, modellare e ancorare i risultati generati per allinearli ai loro obiettivi e garantire l'accuratezza. La ricerca e il recupero basati sull'AI sono strumenti potenti che estraggono dati contestuali rilevanti da fonti specifiche, migliorando i modelli di AI per generare risposte affidabili e accurate o intraprendere azioni responsabili e sicure, come si vede nell'importante approccio Retrieval Augmented Generation (RAG). Al centro del recupero basato sull'AI ci sono la generazione di embedding e il reranking, due componenti chiave dell'AI che catturano il significato semantico dei dati e valutano la rilevanza delle query e dei risultati. Crediamo che l'integrazione della generazione di embedding e del reranking, così come la ricerca basata sull'AI, debbano essere parte del layer del database, semplificando lo stack e creando una base più affidabile per le applicazioni AI. Introducendo maggiore intelligenza nel database, aiutiamo le aziende a ridurre le allucinazioni, migliorare l'affidabilità e sfruttare appieno il potenziale dell'AI su larga scala. Le applicazioni di maggior impatto richiedono una base dati flessibile, intelligente e scalabile. Ecco perché siamo entusiasti di annunciare l'acquisizione di Voyage AI , leader nei modelli di embedding e reranking che migliorano notevolmente la precisione attraverso la ricerca e il recupero basati sull'AI. Questa mossa non riguarda solo l'aggiunta di funzionalità di intelligenza artificiale, ma anche la ridefinizione del database per l'era dell'AI. Perché questo è importante: il futuro dell'AI si basa su una maggiore pertinenza e accuratezza dei dati L'AI è probabilistica: non viene sviluppata come i software tradizionali con regole e logiche predefinite. Al contrario, genera risposte o intraprende azioni in base a come il modello di AI è stato addestrato e ai dati recuperati. Tuttavia, a causa della natura probabilistica della tecnologia, l'AI può generare allucinazioni. Le allucinazioni sono una conseguenza diretta di un recupero scarso o impreciso: quando l'AI non ha accesso ai dati corretti, genera informazioni plausibili ma errate. Si tratta di un ostacolo importante all'adozione dell'AI, specialmente nelle aziende e per i casi d'uso mission-critical dove la precisione è imprescindibile. Questo rende il recupero dei dati più rilevanti essenziale per le applicazioni AI, al fine di fornire risultati di alta qualità e contestualmente accurati. Oggi, gli sviluppatori si affidano a un mosaico di componenti separati per creare applicazioni basate sull'AI. Scelte non ottimali di questi componenti, come i modelli di embedding, possono portare a un recupero dei dati di bassa pertinenza e alla generazione di output di bassa qualità. Questo approccio frammentato è complesso, costoso, inefficiente e macchinoso per gli sviluppatori. Con Voyage AI, MongoDB risolve questa sfida rendendo la ricerca e il recupero basati sull'intelligenza artificiale nativi al database. Invece di implementare soluzioni alternative o gestire sistemi separati, gli sviluppatori possono generare embedding di alta qualità dai dati operativi in tempo reale, memorizzare vettori, eseguire ricerche semantiche e perfezionare i risultati, tutto all'interno di MongoDB. Questo elimina la complessità e offre una maggiore precisione, una minore Latency e un'esperienza semplificata per gli sviluppatori. In che modo Voyage AI migliora MongoDB Voyage AI ha messo insieme un team di ricerca sull'AI di alto livello, con membri formatisi in istituti come Stanford, MIT, UC Berkeley e Princeton, ed è rapidamente diventato un leader nel recupero ad alta precisione basato sull'AI. La loro tecnologia è già stata scelta da alcune delle startup di AI più avanzate, tra cui Anthropic, LangChain, Harvey e Replit. In particolare, i modelli di embedding di Voyage AI sono i modelli zero-shot più apprezzati nella comunità Hugging Face. I modelli di Voyage AI sono progettati per migliorare la qualità dell'output generato da: Migliorare la ricerca vettoriale creando embedding che catturano meglio il significato attraverso testi, immagini, PDF e dati strutturati. Migliorare l'accuratezza del recupero attraverso modelli avanzati di reranking che affinano i risultati di ricerca per applicazioni basate sull'AI. Abilitare l'AI specifica per il dominio con modelli perfezionati e ottimizzati per diversi settori, come financial services, sanità e diritto, e per casi d'uso come la generazione di codice. Integrando le capacità di recupero di Voyage AI in MongoDB, stiamo aiutando le organizzazioni a sviluppare applicazioni di AI con maggiore precisione e affidabilità, senza inutili complessità. In che modo Voyage AI sarà integrato in MongoDB Stiamo integrando Voyage AI con MongoDB in tre fasi. Nella prima fase, i modelli di embedding testuale, embedding multimodale e reranking di Voyage AI rimarranno ampiamente disponibili tramite le attuali API di Voyage AI e tramite i marketplace di AWS e Azure, garantendo agli sviluppatori di continuare a utilizzare le loro migliori funzionalità di embedding e reranking. Investiremo anche nella scalabilità e nella prontezza aziendale della piattaforma per supportare l'aumento dell'adozione dei modelli di Voyage AI. Successivamente, integreremo in maniera fluida le capacità di Voyage AI in MongoDB Atlas , iniziando con un servizio di embedding automatico per Vector Search, che gestirà automaticamente la generazione di embedding. Seguirà il reranking nativo, consentendo agli sviluppatori di migliorare immediatamente l'accuratezza del recupero. Abbiamo anche intenzione di espandere le funzionalità di AI specifiche del dominio per supportare meglio diversi settori (ad esempio, financial services, settore giuridico, ecc.) o casi d'uso (ad esempio, generazione di codice). Infine, ottimizzeremo il recupero basato sull'AI con capacità multimodali migliorate, consentendo un recupero e una classificazione perfetti di testo, immagini e video. Abbiamo anche in programma di introdurre modelli ottimizzati tramite istruzioni, che consentano agli sviluppatori di perfezionare il comportamento di ricerca utilizzando semplici prompt anziché complessi lavori di ottimizzazione. Questo processo sarà completato dall'integrazione della gestione del ciclo di vita in MongoDB Atlas, garantendo aggiornamenti continui e ottimizzazione in tempo reale per le applicazioni AI. Cosa significa questo per gli sviluppatori e le imprese Le applicazioni basate sull'AI necessitano di più di un database che si limiti a memorizzare, elaborare e conservare i dati: hanno bisogno di un database che migliori attivamente la precisione del recupero, che scali senza difficoltà e che elimini gli attriti operativi. Con Voyage AI, MongoDB ridefinisce i requisiti dei database per supportare applicazioni mission-critical basate sull'AI. Gli sviluppatori non avranno più bisogno di gestire API di embedding esterne, archivi vettoriali autonomi o pipeline di ricerca complesse. Il recupero basato sull'AI sarà integrato nel database stesso, rendendo la ricerca semantica, il recupero vettoriale e il posizionamento fluidi come le query tradizionali. Per le aziende, ciò si traduce in un tempo di realizzazione più veloce e in una maggiore fiducia nella scalabilità delle applicazioni AI. Fornendo risultati di alta qualità su larga scala, le aziende possono integrare senza problemi l'AI nei loro casi d'uso più critici, garantendo affidabilità, prestazioni e impatto nel mondo reale. Uno sguardo al futuro: cosa succederà dopo Questo è solo l'inizio. La nostra visione è fare di MongoDB il database più potente e intuitivo per le applicazioni moderne basate sull'AI. I modelli di Voyage AI saranno presto disponibili nativamente in MongoDB Atlas. Continueremo a sviluppare le funzionalità di recupero basate sull'AI di MongoDB, rendendole più intelligenti, adattabili e in grado di gestire una gamma più ampia di tipi di dati e casi d'uso. Seguici per ulteriori dettagli su come puoi iniziare a utilizzare le funzionalità di Voyage AI in MongoDB. Per saperne di più su come MongoDB e Voyage AI stanno potenziando la ricerca e il recupero basati sull'AI per la creazione, la scalabilità e l'implementazione di applicazioni intelligenti, visita la nostra pagina del prodotto .

February 24, 2025

Redéfinir la base de données pour l’IA : Pourquoi MongoDB a fait l'acquisition de Voyage AI

L’IA transforme les secteurs, redéfinit l’expérience client et modifie la manière dont les entreprises innovent, fonctionnent et gèrent la concurrence. Si les modèles d’avant-garde concentrent l’essentiel de l’attention, les données n’en demeurent pas moins un enjeu fondamental : de part leur façon d'être stockées, récupérées et préparées à l'usage pour les applications d’IA. La démocratisation des logiciels basés sur l’IA dépend de la capacité à s’appuyer sur les bonnes abstractions. Pourtant, aujourd’hui, la création d’applications d’IA utiles et en temps réel n’est pas à la portée de toutes les organisations. Le défi n’est pas seulement la complexité, mais aussi la confiance. Les modèles d’IA sont probabilistes, ce qui signifie que leurs résultats ne sont ni déterministes ni prévisibles. Le problème de l’hallucination dans les chatbots actuels le montre clairement et devient encore plus critique avec l’essor des agents, où les systèmes d'IA prennent des décisions autonomes. Les équipes de développement doivent pouvoir contrôler, modeler et rectifier les résultats générés afin de les aligner sur leurs objectifs et en garantir l’exactitude. La recherche et la récupération basées sur l’IA sont des outils puissants qui permettent d’extraire des données contextuelles pertinentes à partir de sources spécifiques, augmentant les modèles d’IA pour générer des réponses fiables et précises ou prendre des mesures responsables et sûres, comme le montre l’approche de la génération augmentée par récupération (RAG). La récupération basée sur l’IA repose sur deux composants clés de l’IA, la génération d’embeddings et le reclassement, qui permettent de capturer la signification sémantique des données et d’évaluer la pertinence des requêtes et des résultats. Nous pensons que la génération d’embeddings et le reclassement, de même que la recherche basée sur l’IA, doivent se situer au niveau de la couche de base de données de façon à simplifier la pile et à créer une base plus fiable pour les applications d’IA. En intégrant davantage d’intelligence dans la base de données, nous aidons les entreprises à réduire les hallucinations, à accroître la fiabilité et à exploiter pleinement le potentiel de l’IA à l’échelle. Les applications les plus percutantes nécessitent un socle de données flexible, intelligent et évolutif. C’est pourquoi nous sommes ravis d’annoncer l’acquisition de Voyage AI , un leader des modèles d’embedding et de reclassement qui améliorent considérablement la précision grâce à la recherche et à la récupération basées sur l’IA. Cette action ne consiste pas seulement à ajouter des capacités d’IA, mais à redéfinir la base de données pour l’ère de l’IA. Pourquoi est-ce important ? L’avenir de l’IA repose sur une meilleure pertinence et précision des données L’IA est probabiliste : elle n’est pas construite comme un logiciel traditionnel avec des règles et une logique prédéfinies. Au lieu de cela, elle génère des réponses ou prend des mesures en fonction de la manière dont le modèle d’IA est entraîné et les données récupérées. Cependant, en raison de la nature probabiliste de la technologie, l’IA peut halluciner. Les hallucinations sont une conséquence directe d’une récupération de données mal conçue ou imprécise. Lorsque l’IA n’a pas accès aux données appropriées, elle génère des informations plausibles mais incorrectes. Il s’agit d’un obstacle majeur à l’adoption de l’IA, notamment dans les entreprises et pour les cas d’utilisation critiques où la précision est un impératif. Par conséquent, pour que les applications d’IA fournissent des résultats de haute qualité et contextuellement précis, il est essentiel de récupérer les données les plus pertinentes. Aujourd’hui, les développeurs s’appuient sur un ensemble de composants distincts pour créer des applications basées sur l’IA. Un choix sous-optimal de ces composants, tels que les modèles d’embedding, peut entraîner une récupération de données peu pertinente et des résultats générés de faible qualité. Cette approche fragmentée est complexe, coûteuse, inefficace et fastidieuse pour les développeurs. Avec Voyage AI, MongoDB résout ce défi en intégrant de façon native la recherche et la récupération assistées par l’IA à la base de données. Au lieu d’implémenter des solutions de contournement ou de gérer des systèmes distincts, les développeurs peuvent générer des embeddings de haute qualité à partir de données opérationnelles en temps réel, stocker des vecteurs, effectuer une recherche sémantique et affiner les résultats, le tout dans MongoDB. Cette approche élimine la complexité, augmente la précision, réduit la latence et offre une expérience de développement simplifiée. Ce que Voyage AI apporte à MongoDB Voyage AI a constitué une équipe de recherche en IA de renommée mondiale rassemblant des universitaires de Stanford, du MIT, de l’UC Berkeley et de Princeton. L’entreprise est rapidement devenue un leader de la récupération de haute précision assistée par l’IA. Sa technologie est déjà adoptée par certaines des startups les plus avancées en IA, notamment Anthropic, LangChain, Harvey et Replit. En particulier, les modèles d’embedding de Voyage AI sont les modèles zero-shot les mieux notés de la communauté Hugging Face. Les modèles de Voyage AI sont conçus pour améliorer la qualité des résultats générés par : Amélioration de la recherche vectorielle en créant des embeddings qui capturent mieux le sens du texte, des images, des PDF et des données structurées. Amélioration de la précision de la récupération grâce à des modèles de reclassement avancés qui affinent les résultats de recherche pour les applications alimentées par l’IA. IA spécifique au domaine avec des modèles ajustés et optimisés pour divers secteurs comme les services financiers, la santé et le droit, ainsi que pour des cas d’utilisation comme la génération de code. En intégrant les capacités de récupération de Voyage AI dans MongoDB, nous aidons les organisations à créer plus facilement des applications d’IA avec une plus grande précision et fiabilité, sans complexité superflue. Comment Voyage AI sera intégré dans MongoDB L’intégration de Voyage AI dans MongoDB se déroulera en trois phases. Dans la première phase, les modèles d’embedding de texte, d’embedding multimodal et de reclassement de Voyage AI resteront largement disponibles via les API actuelles de Voyage AI et les places de marché AWS et Azure, garantissant ainsi aux développeurs de pouvoir continuer à utiliser leurs fonctionnalités d’embedding et de reclassement de qualité. Nous investirons également dans l’évolutivité et la préparation de la plateforme à l’entreprise afin de soutenir l’adoption des modèles de Voyage AI. Ensuite, nous intégrerons de manière fluide les fonctionnalités de Voyage AI dans MongoDB Atlas , en commençant par un service d’embedding automatisé pour Vector Search, qui assurera la génération automatique d’embeddings. Des fonctions natives de reclassement suivront, permettant aux développeurs d’améliorer instantanément la précision de la récupération. Nous prévoyons également d’étendre les capacités d’IA spécifiques à un domaine pour mieux soutenir divers secteurs (services financiers, juridiques, etc.) ou cas d’utilisation (p. ex., génération de code). Enfin, nous allons faire progresser la récupération assistée par l’IA avec des capacités multimodales améliorées, permettant une récupération et un classement fluides de textes, d’images et de vidéos. Nous prévoyons également d’introduire des modèles réglés par instructions, permettant aux développeurs d’affiner le comportement de recherche à l’aide de prompts simples au lieu d’un réglage complexe. Cela sera complété par l’intégration de la gestion du cycle de vie dans MongoDB Atlas, assurant des mises à jour continues et une optimisation en temps réel pour les applications d’IA. Implications pour les développeurs et les entreprises Les applications alimentées par l’IA nécessitent plus qu’une simple base de données qui stocke, traite et conserve les données ; elles ont besoin d’une base de données qui améliore activement la précision de la récupération, assure une répartition transparente et élimine les frictions opérationnelles. Avec Voyage AI, MongoDB redéfinit ce qui est nécessaire pour qu’une base de données soutienne des applications critiques alimentées par l’IA. Les développeurs n’auront plus besoin de gérer des API d’embedding externes, des magasins de vecteurs autonomes ou des pipelines de recherche complexes. La récupération par IA sera intégrée directement dans la base de données, rendant la recherche sémantique, la récupération vectorielle et le classement aussi fluides que les requêtes traditionnelles. Pour les entreprises, cela signifie un délai de rentabilisation plus rapide et une plus grande confiance dans la mise à l’échelle des applications d’IA. En fournissant des résultats de haute qualité à l’échelle, les entreprises peuvent intégrer l’IA de manière transparente dans leurs cas d’utilisation les plus critiques, garantissant ainsi la fiabilité, la performance et un impact sur le monde réel. Ce que nous prévoyons ensuite Ce n’est que le début. Notre vision est de faire de MongoDB la base de données la plus puissante et intuitive pour les applications modernes alimentées par l’IA. Les modèles de Voyage AI seront bientôt disponibles de façon native dans MongoDB Atlas. Nous continuerons à faire évoluer les capacités d’extraction d’IA de MongoDB, en les rendant plus intelligentes, plus adaptables et capables de gérer un plus large éventail de types de données et de cas d’utilisation. Restez à l’écoute pour plus de détails sur la façon dont vous pouvez commencer à utiliser les capacités de Voyage AI dans MongoDB. Pour en savoir plus sur la manière dont MongoDB et Voyage AI optimisent les fonctionnalités de recherche et de récupération basées sur l’IA pour créer, mettre à l’échelle et déployer des applications intelligentes, consultez notre page produit .

February 24, 2025

Redefinindo o banco de dados para AI: por que o MongoDB adquiriu a Voyage AI

A AI está remodelando setores, redefinindo as experiências dos clientes e transformando a forma como as empresas inovam, operam e competem entre si. Embora grande parte do foco esteja nos modelos de ponta, um desafio fundamental está nos dados: como eles são armazenados, extraídos e se tornam úteis para aplicativos de AI. A democratização de softwares baseados em AI depende de um desenvolvimento a partir dos aspectos abstratos certos, mas, atualmente, criar aplicativos de AI úteis, em tempo real e em escala não é viável para a maioria das organizações. O desafio não é apenas a complexidade, mas sim a confiança. Modelos de AI são probabilísticos, o que significa que seus resultados não são determinísticos e previsíveis. Isso é fácil de notar no problema de alucinação dos chatbots atuais, e fica ainda mais crucial com o surgimento de agentes, em que os sistemas de AI tomam decisões de forma autônoma. As equipes de desenvolvimento precisam ter a capacidade de controlar, moldar e fundamentar os resultados gerados para se alinharem com seus objetivos e garantir a precisão. A busca e recuperação impulsionada por AI é uma ferramenta poderosa que extrai dados contextuais relevantes de fontes específicas, aprimorando modelos de AI para gerar respostas confiáveis e precisas ou tomar atitudes responsáveis e seguras, como visto na abordagem proeminente de geração aumentada por recuperação (RAG). No centro da recuperação impulsionada por AI estão a geração de incorporações e a reclassificação: dois componentes principais da AI que captam o significado semântico dos dados e avaliam a relevância de queries e resultados. Acreditamos que a geração de incorporações e a reclassificação, assim como a pesquisa impulsionada por AI, devem estar na camada de banco de dados, simplificando a pilha e criando uma base mais confiável para aplicativos de AI. Ao trazer mais inteligência para o banco de dados, ajudamos as empresas a mitigar alucinações, melhorar a confiabilidade e liberar todo o potencial da AI em grande escala. Os aplicativos mais impactantes exigem uma base de dados flexível, inteligente e dimensionável. É por isso que estamos animados em anunciar a aquisição da Voyage AI , líder em modelos de incorporação e reclassificação que melhoram drasticamente a precisão por meio de pesquisa e recuperação impulsionadas por AI. Essa mudança não se trata apenas de adicionar funcionalidades de AI, mas também de redefinir o banco de dados para a era da AI. Por que isso importa: o futuro da AI é criado com base em uma maior relevância e precisão dos dados A AI é probabilística; não é criada como o software tradicional, com regras e lógica predefinidas. Em vez disso, ela gera respostas ou toma atitudes com base em como o modelo de AI é treinado e em quais dados são extraídos. No entanto, devido à natureza probabilística da tecnologia, a AI pode alucinar. As alucinações são uma consequência direta da extração inadequada ou imprecisa. Quando a AI não tem acesso aos dados corretos, ela gera informações plausíveis, mas incorretas. Essa é uma barreira crucial para a adoção de AI, especialmente em empresas e para casos de uso fundamentais, em que não se pode abrir mão da precisão. Isso torna essencial a recuperação dos dados mais relevantes para que os aplicativos de AI entreguem resultados de alta qualidade e precisos quanto ao contexto. Hoje, os desenvolvedores dependem de um conjunto de componentes separados para criar aplicativos com tecnologia de AI. Escolhas inferiores desses componentes, como modelos de incorporação, podem resultar em recuperação de dados de baixa relevância e resultados de baixa qualidade. Essa abordagem fragmentada é complexa, cara, ineficiente e complicada para os desenvolvedores. Com a Voyage AI, o MongoDB resolve esse desafio ao tornar a pesquisa e recuperação com tecnologia de AI nativas do banco de dados. Em vez de implementar soluções alternativas ou gerenciar sistemas separados, os desenvolvedores podem gerar incorporações de alta qualidade a partir de dados operacionais em tempo real, armazenar vetores, realizar pesquisa semântica e refinar os resultados. Tudo dentro do MongoDB. Isso elimina a complexidade e proporciona maior precisão, menor latência e uma experiência de desenvolvedor mais simplificada. O que o Voyage AI traz para o MongoDB A Voyage AI montou uma equipe de pesquisa em AI de excelência com origens em Stanford, MIT, UC Berkeley e Princeton, e rapidamente se tornou líder em recuperação de AI de alta precisão. A tecnologia deles já garantiu a confiança de algumas das startups de AI mais avançadas, como Anthropic, LangChain, Harvey e Replit. Em especial, os modelos de incorporações da Voyage AI são os modelos zero-shot com a melhor classificação na comunidade Hugging Face. Os modelos da Voyage AI são projetados para melhorar a qualidade do resultado gerado: Aprimorando a pesquisa vetorial por meio da criação de incorporações que captam melhor o significado em textos, imagens, PDFs e dados estruturados. Aprimorando a precisão da recuperação por meio de modelos avançados de reclassificação que refinam os resultados de pesquisa para aplicativos impulsionados por AI. Habilitando AI específica de domínio com modelos ajustados e otimizados para diferentes setores, como serviços financeiros, de saúde e jurídicos, e casos de uso como geração de código. Ao integrar as funcionalidades de recuperação da Voyage AI ao MongoDB, estamos ajudando as organizações a criar aplicativos de AI com maior facilidade, precisão e confiabilidade, sem complexidade desnecessária. Como a Voyage AI será integrada ao MongoDB Estamos integrando a Voyage AI ao MongoDB em três fases. Na primeira fase, os modelos de incorporação de texto, incorporação multimodal e reclassificação da Voyage AI continuarão amplamente disponíveis através das APIs atuais da Voyage AI e dos Marketplaces da AWS e Azure, garantindo que os desenvolvedores possam continuar a utilizar suas funcionalidades de incorporação e reclassificação de ponta. Também investiremos na escalabilidade e na prontidão empresarial da plataforma para dar suporte à crescente adoção dos modelos da Voyage AI. Em seguida, integraremos totalmente as funcionalidades da Voyage AI ao MongoDB Atlas , começando com um serviço de incorporação automática para o Vector Search, que gerenciará a geração de incorporações automaticamente. A reclassificação nativa virá em seguida, permitindo que os desenvolvedores aumentem instantaneamente a precisão da recuperação. Também planejamos expandir as funcionalidades de AI específicas de domínio para oferecer melhor suporte a diferentes setores (por exemplo, serviços financeiros, jurídicos etc.) ou casos de uso (por exemplo, geração de código). Por fim, avançaremos na recuperação com tecnologia de AI com funcionalidades multimodais aprimoradas, permitindo a recuperação e classificação total de textos, imagens e vídeos. Também planejamos introduzir modelos ajustados por instruções, permitindo que os desenvolvedores refinem o comportamento de pesquisa usando prompts simples em vez de ajustes complexos. Isso será complementado pela incorporação do gerenciamento do ciclo de vida no MongoDB Atlas, assegurando atualizações contínuas e otimização em tempo real para aplicativos de AI. Como isso afeta desenvolvedores e empresas Aplicativos com tecnologia de AI precisam de mais do que um banco de dados que apenas armazene, processe e mantenha dados; eles precisam de um banco de dados que melhore ativamente a precisão da recuperação, dimensione sem interrupções e elimine o atrito operacional. Com a Voyage AI, o MongoDB redefine o que é necessário para que um banco de dados sustente aplicativos fundamentais com tecnologia de AI. Os desenvolvedores não precisarão mais gerenciar APIs de incorporação externas, armazenamentos de vetores autônomos ou pipelines de pesquisa complexos. A recuperação de AI será criada no banco de dados, tornando a pesquisa semântica, a recuperação de vetores e a classificação tão integradas quanto as queries tradicionais. Para as empresas, isso se traduz em um tempo menor para obter valor e maior confiança no dimensionamento de aplicativos de AI. Ao fornecer resultados de alta qualidade em escala, as empresas podem integrar perfeitamente a AI aos seus casos de uso mais críticos, garantindo confiabilidade, desempenho e impacto no mundo real. Olhando para o futuro: o que vem a seguir Esse é apenas o começo. Nossa meta é fazer o MongoDB se tornar o banco de dados mais potente e intuitivo para aplicativos modernos impulsionados por AI. Os modelos da Voyage AI estarão disponíveis em breve, de forma nativa, no MongoDB Atlas. Continuaremos a evoluir as funcionalidades de recuperação de AI do MongoDB, tornando-as mais inteligentes, mais adaptáveis e capazes de lidar com uma gama mais ampla de tipos de dados e casos de uso. Logo traremos mais detalhes sobre como você pode começar a usar as funcionalidades da Voyage AI no MongoDB. Saiba mais sobre como o MongoDB e a Voyage AI estão impulsionando a pesquisa e recuperação de AI de última geração para criar, dimensionar e implantar aplicativos inteligentes acessando nossa página de produtos .

February 24, 2025

Welcome to MongoDB.local NYC 2024!

>> Announcement: Some features mentioned below will be deprecated on Sep. 30, 2025. Learn more . AI promises to upend how enterprises operate and reach customers … if only they could first find the "On" button. Despite the tremendous promise of AI, most companies still find themselves in the experimentation phase, working through proofs of concept, hampered by unfamiliar technologies that don't work well together. But MongoDB is uniquely positioned to help developers turn all this AI noise into "signal" that benefits customers. This post is also available in: Deutsch , Français , Español , Português , Italiano , 한국어 , 简体中文 . This week at MongoDB.local NYC, thousands of developers and executives—representing Fortune 500 companies and cutting-edge startups—have gathered to discuss and demonstrate the real-world successes they've had building on MongoDB's developer data platform. MongoDB is fast becoming the industry’s go-to memory database for retrieval-augmented generation (RAG) and agentic systems, offering a unified data model across the entire AI stack. But this isn’t just a technology story, as important as that is. MongoDB also now offers essential programs and services to make AI much more accessible. In short, MongoDB is taking developers from experimentation to impact, and advancing our long-standing mission of making it easy to work with data. Demystifying AI Businesses are eager to adopt generative AI, but they don’t know where to start. The AI landscape is incredibly complex—and seems to get more so by the minute. This complexity, coupled with limited in-house AI expertise and concerns about the performance and security risks of integrating disparate technologies, is keeping too many organizations on the sidelines. MongoDB can help. To get organizations started, we’re announcing the MongoDB AI Applications Program (MAAP) . With MAAP, we give customers the blueprints and reference architectures to easily understand how to build AI applications. We also take on the heavy lifting of integrating MongoDB's developer data platform with leading AI partners like Anthropic, Cohere, Fireworks AI, Langchain, LlamaIndex, Nomic, Anyscale, Credal.ai, and Together AI, all running on the cloud provider of your choice. MAAP will be available to customers in early access starting in July. In addition to MAAP, we’re also introducing two new professional services engagements to help you build AI-powered apps quickly, safely, and cost-effectively: An AI Strategy service that leverages experts to help customers identify the highest-impact AI opportunities and to create specific plans on how to pursue them. For customers who have already identified use cases to pursue, an AI Accelerator service that brings expert consulting—from solution design through prototyping—to enable customers to execute their AI application roadmap from idea to production. Once developers get to building AI apps, they’ll find that MongoDB allows them to speak the data “language” of AI. Our developer data platform unifies all different data types alongside your real-time operational data—including source data, vector embeddings, metadata, and generated data—and supports a broad range of use cases. Not only do we give developers the most intuitive way to work with their data, we also keep improving where they can do so. Many developers first experience MongoDB in a local environment before moving to a fully managed cloud service like MongoDB Atlas. So, I'm excited to share that we will be introducing full-text search and vector search in MongoDB Community Edition later this year, making it even easier for developers to quickly experiment with new features and streamlining end-to-end software development workflows when building AI applications. These new capabilities also enable support for customers who want to run AI-powered apps on devices or on-premises. As customers begin to mature these applications, cost becomes an important consideration. Last year, we introduced dedicated nodes for Atlas Search on AWS. Using dedicated nodes, customers can isolate their vector search workloads and scale them up or down independently from operational workloads, improving performance and ensuring high availability. By giving customers workload isolation without data isolation, they can manage resources efficiently without additional complexity. Today, we’re announcing Atlas Search nodes on all three cloud providers, which customers can configure programmatically using the Atlas CLI or our Infrastructure-as-Code integrations . Learn more about how MongoDB is the best solution to the challenges posed by the fast-moving generative AI landscape . Real-time and highly performant Though AI rightly claims center stage at MongoDB .local NYC this week, it's not the only way we're helping developers. From real-time fraud detection , to predictive maintenance , to content summarization , customers need to efficiently process large volumes of high-velocity data from multiple sources. Today, we’re also announcing the general availability of Atlas Stream Processing , the public preview of Atlas Edge Server , and improved performance of time series workloads with MongoDB 8.0. Together, these capabilities enable customers to design applications that solve virtually any business challenge. Learn more about how MongoDB powers modern application requirements . These are just a few of the things we're announcing this week. Whether you’re just dipping your toes into the world of generative AI or are well on your way, MongoDB’s developer data platform, strong and diverse network of partners, and proven industry solutions will give you a competitive edge in a fast-moving market. Please take a minute to see what we've built for you, so that you can more easily build for your customers. Enjoy the conference, and we hope to see you soon! To see more announcements and get the latest product updates, visit our What’s New page. And head to the MongoDB.local hub to see where we’re stopping along our 2024 world tour.

May 2, 2024

¡Le damos la bienvenida a MongoDB.local NYC 2024!

>> Anuncio: Algunas de las funciones que se mencionan a continuación quedarán obsoletas el 30 de septiembre de 2025. Más información . La IA promete cambiar la forma en que las empresas operan y llegan a los clientes… si tan solo pudieran encontrar primero el botón “Encendido”. A pesar de que la IA puede resultar sumamente prometedora, la mayoría de las empresas todavía se encuentran en la fase de experimentación, y trabajan en pruebas de concepto, que resultan obstaculizadas por tecnologías desconocidas que no funcionan bien juntas. Pero MongoDB está en una posición única para ayudar a los desarrolladores a convertir todo este ruido de la IA en una “señal” que beneficie a los clientes. Esta semana en MongoDB.local En Nueva York, miles de desarrolladores y ejecutivos, que representan a empresas Fortune 500 y empresas emergentes de vanguardia, se reunieron para discutir y demostrar los éxitos en el mundo real que tuvieron al construir la base de datos moderna de MongoDB. MongoDB se está convirtiendo rápidamente en la base de datos de memoria de referencia de la industria para generación aumentada de recuperación (RAG) y sistemas agénticos, lo que ofrece un modelo de datos unificado en toda la pila de IA. Pero esta no es solo una historia de tecnología, por muy importante que sea. MongoDB ahora también ofrece programas y servicios esenciales para hacer que la IA sea mucho más accesible. En resumen, MongoDB está llevando a los desarrolladores de la experimentación al impacto y avanzando en nuestra misión de larga data de facilitar el trabajo con datos. Desmitificar la IA Las empresas están ansiosas por adoptar la IA generativa, pero no saben por dónde empezar. El panorama de IA es increíblemente complejo, y parece serlo cada vez más. Esta complejidad, junto con la limitada experiencia interna en IA y las preocupaciones sobre los riesgos de rendimiento y seguridad de la integración de tecnologías dispares, mantiene a demasiadas organizaciones al margen. MongoDB puede ayudar. Para que las organizaciones comiencen, presentamos el Programa de Aplicaciones de IA de MongoDB (MAAP) . Con MAAP, ofrecemos a los clientes los planos y las arquitecturas de referencia para comprender fácilmente cómo crear aplicaciones de IA. También asumen el trabajo pesado de integrar la base de datos moderna de MongoDB con socios líderes de IA como Anthropic, Cohere, Fireworks AI, Langchain, LlamaIndex, Nonic, Anyscale, Credal.ai y Together AI, todos ejecutándose en el proveedor de la cloud de su elección. MAAP estará disponible para los clientes en acceso anticipado a partir de julio. Además de MAAP, también presentamos dos nuevos contratos de servicios profesionales para ayudarlo a crear aplicaciones impulsadas por IA de manera ágil, segura y rentable: Un servicio de AI Strategy que aprovecha a los expertos para ayudar a los clientes a identificar las oportunidades de IA de mayor impacto y crear planes específicos sobre cómo aprovecharlas. Para los clientes que ya identificaron los casos de uso que deben seguir, un servicio de AI Accelerator que ofrece consultoría experta, desde el diseño de la solución hasta la creación de prototipos, para permitir a los clientes ejecutar su hoja de ruta de aplicaciones de IA desde la idea hasta la producción. Una vez que los desarrolladores lleguen a crear aplicaciones de IA, encontrarán que MongoDB les permite hablar el “lenguaje” de datos de la IA. Nuestra base de datos moderna unifica todos los diferentes tipos de datos junto con sus datos operativos en tiempo real, incluidos los datos de origen, las incrustaciones vectoriales, los metadatos y los datos generados, y admite una amplia gama de casos de uso. No solo ofrecemos a los desarrolladores la forma más intuitiva de trabajar con sus datos, sino que también seguimos mejorando donde pueden hacerlo. Muchos desarrolladores experimentan MongoDB por primera vez en un entorno local antes de pasar a un servicio en la cloud totalmente gestionado como MongoDB Atlas. Por lo tanto, me complace anunciar que presentaremos la búsqueda de texto completo y la búsqueda vectorial en MongoDB Community Edition a finales de este año, lo que facilitará aún más a los desarrolladores la experimentación rápida con nuevas funciones y agilizará los flujos de trabajo de desarrollo de software de extremo a extremo al crear aplicaciones de IA. Estas nuevas capacidades también permiten la compatibilidad con los clientes que desean ejecutar aplicaciones con tecnología de IA en dispositivos o en las instalaciones. A medida que los clientes comienzan a madurar estas aplicaciones, el costo se convierte en una consideración importante. El año pasado, presentamos nodos dedicados para Atlas Search en AWS. Con el uso de nodos dedicados, los clientes pueden aislar sus cargas de trabajo de búsqueda vectorial y escalarlas hacia arriba o hacia abajo independientemente de las cargas de trabajo operativas, lo que mejora el rendimiento y garantiza una alta disponibilidad. Al proporcionar a los clientes aislamiento de la carga de trabajo sin aislamiento de datos, pueden gestionar los recursos de manera eficiente sin complejidad adicional. Hoy anunciamos Atlas Search Nodes en los tres proveedores de cloud, que los clientes pueden configurar mediante programación usando el Atlas CLI o nuestras integraciones de infraestructura como código . Obtenga más información sobre cómo MongoDB es la mejor solución para los desafíos que plantea el panorama de la IA generativa en rápido movimiento . En tiempo real y de alto rendimiento Aunque la IA reclama con razón el centro del escenario en MongoDB.local Nueva York esta semana, no es la única forma en que ayudamos a los desarrolladores. Desde la detección de fraudes en tiempo real hasta el mantenimiento predictivo y el resumen de contenido , los clientes necesitan procesar de manera eficiente grandes volúmenes de datos de alta velocidad de múltiples fuentes. Hoy, también anunciamos la disponibilidad general de Atlas Stream Processing , la versión preliminar pública de Atlas Edge Server y un rendimiento mejorado de las cargas de trabajo de time-series con MongoDB 8.0. Juntas, estas capacidades permiten a los clientes diseñar aplicaciones que resuelven prácticamente cualquier desafío empresarial. Obtenga más información sobre cómo MongoDB impulsa los requisitos de las aplicaciones modernas . Estas son solo algunas de las cosas que anunciaremos esta semana. Tanto si se está sumergiendo en el mundo de la IA generativa como si ya está por buen camino, la base de datos moderna de MongoDB, la estable y diversa red de socios y las soluciones industriales probadas le proporcionarán un beneficio competitivo en un mercado en rápida evolución. Tómese un minuto para ver lo que creamos para usted, de modo que pueda construir más fácilmente para sus clientes. ¡Disfrute de la conferencia y nos veremos pronto! Para ver más anuncios y obtener las últimas actualizaciones de productos, visite nuestra página Novedades . Y diríjase al centro MongoDB.local para ver dónde haremos paradas en nuestra gira mundial de 2024.

May 2, 2024

MongoDB.local NYC 2024에 오신 것을 환영합니다!

>> 공지 사항: 아래 언급된 일부 기능은 2025년 9월 30일부터 더 이상 사용되지 않습니다. 자세히 알아보세요 . 엔터프라이즈가 먼저 '켜기' 버튼을 찾을 수만 있다면 AI는 엔터프라이즈가 운영하는 방식과 고객에게 다가가는 방식을 완전히 바꿀 것입니다. AI의 엄청난 가능성에도 불구하고 대부분의 회사는 여전히 실험 단계에 머물러 있고 개념 증명을 통해 일하고 있으며 서로 잘 맞지 않는 낯선 기술로 인해 어려움을 겪고 있습니다. 하지만 MongoDB는 개발자가 이 모든 AI 노이즈를 고객에게 유용한 '신호'로 전환할 수 있도록 돕는 독보적인 위치에 있습니다. 이번 주 MongoDB.local NYC에서는 Fortune 500대 기업과 최첨단 스타트업을 대표하는 수천 명의 개발자와 임원이 모여 MongoDB의 최신 데이터베이스을 기반으로 한 실제 성공 사례를 논의하고 시연했습니다. MongoDB는 전체 AI 스택에 걸쳐 통합 데이터 모델을 제공하면서 RAG(검색 증강 생성) 및 에이전틱 시스템을 위한 업계의 믿을 만한 메모리 데이터베이스로 빠르게 자리 잡고 있습니다. 하지만 이는 단지 기술적인 이야기만은 아닙니다. 그만큼 중요합니다. MongoDB는 이제 AI에 훨씬 더 쉽게 접근할 수 있도록 필수 프로그램 및 서비스도 제공합니다. 간단히 말해 MongoDB는 개발자가 실험에서 한발 더 나아가 영향력을 발휘하도록 이끌고 있으며, 데이터 작업을 쉽게 만들겠다는 오랜 사명을 진전시키고 있습니다. AI의 신비 풀기 기업들은 생성형 AI를 도입하고 싶어 하지만 어디서부터 시작해야 할지 모르고 있습니다. AI 환경은 엄청나게 복잡하며, 시시각각 더 복잡해지는 것 같습니다. 이러한 복잡성과 제한된 사내 AI 전문성, 서로 다른 기술의 통합에 따른 성능 및 보안 위험에 대한 우려로 인해 매우 많은 조직이 직접 관여하지 못하고 있습니다. 하지만 MongoDB가 도움이 될 수 있습니다. 조직의 시작을 돕기 위해 MongoDB는 MAAP (MongoDB AI 애플리케이션 프로그램)를 발표합니다. MongoDB는 MAAP를 통해 고객에게 AI 애플리케이션 구축 방법을 쉽게 이해할 수 있는 청사진과 참고 아키텍처를 제공합니다. 또한 MongoDB의 최신 데이터베이스을 Anthropic, Cohere, Fireworks AI, Langchain, LlamaIndex, Nomic, Anyscale, Credal.ai, Together AI(모두 선택한 클라우드 공급자를 기반으로 실행됨)와 같은 주요 AI 파트너와 통합하는 힘든 작업도 수행합니다. 고객은 7월부터 얼리 액세스를 통해 MAAP를 이용할 수 있습니다. MAAP 외에도 MongoDB는 AI 기반 앱을 빠르고 안전하며 비용 효율적으로 구축하는 데 도움이 되는 다음과 같은 두 가지 새로운 전문 서비스 계약을 도입합니다. 전문가를 활용하여 고객이 가장 영향력 있는 AI 기회를 식별하고 이를 추구하는 방법에 대한 구체적인 계획을 세울 수 있도록 지원하는 AI Strategy 서비스 추구해야 할 사용 사례를 이미 식별한 고객을 위해 솔루션 설계부터 프로토타입 제작에 이르기까지 전문가 컨설팅을 제공하는 AI Accelerator 서비스 - 이를 통해 고객은 아이디어부터 생산에 이르기까지 AI 애플리케이션 로드맵 실행 가능 개발자는 AI 앱을 구축하기 시작하면 MongoDB가 AI의 데이터 '언어'를 구사할 수 있게 해 준다는 사실을 알게 될 것입니다. MongoDB의 최신 데이터베이스은 소스 데이터, 벡터 임베딩, 메타데이터, 생성된 데이터와 같은 실시간 운영 데이터와 함께 다양한 데이터 유형을 통합하고 광범위한 사용 사례를 지원합니다. MongoDB는 개발자에게 데이터 작업을 위한 가장 직관적인 방법을 제공할 뿐만 아니라 개발자가 그렇게 작업할 수 있는 부분도 지속적으로 개선하고 있습니다. 많은 개발자는 MongoDB Atlas와 같은 완전 관리형 클라우드 서비스로 이동하기 전에 먼저 로컬 환경에서 MongoDB를 경험합니다. MongoDB는 올해 하반기에 MongoDB Community Edition에 전문 검색 과 벡터 검색 을 도입하여 개발자가 AI 애플리케이션을 구축할 때 더욱 쉽게 새로운 기능을 빠르게 실험하고 엔드투엔드 소프트웨어 개발 워크플로를 간소화할 수 있도록 할 예정입니다. 이러한 새로운 기능을 사용하면 기기나 온프레미스에서 AI 기반 앱을 실행하려는 고객도 지원할 수 있습니다. 고객이 이러한 애플리케이션을 발달시키기 시작하면 비용이 중요한 고려 사항이 됩니다. MongoDB는 작년에 AWS에서 Atlas Search 전용 노드를 도입했습니다. 전용 노드를 사용하면 고객은 벡터 검색 워크로드를 격리하고 운영 워크로드와 별개로 확장 또는 축소하여 성능을 향상하고 고가용성을 보장할 수 있습니다. 고객은 데이터 격리 없이 워크로드 격리를 제공받음으로써 복잡성이 심화되는 일 없이 리소스를 효율적으로 관리할 수 있습니다. 오늘 MongoDB는 고객이 Atlas CLI 또는 코드형 인프라 통합 을 사용하여 프로그래밍 방식으로 구성할 수 있는 세 클라우드 공급자 모두에서 Atlas Search 노드를 발표합니다. MongoDB가 빠르게 변화하는 생성형 AI 환경에서 생기는 과제에 대한 최적의 솔루션인 이유를 자세히 알아보세요 . 실시간 고성능 AI가 이번 주 MongoDB.local NYC의 중심 무대에 오른 것은 당연하지만 이것이 MongoDB가 개발자를 돕는 유일한 방법은 아닙니다. 실시간 사기 탐지 부터 예측 유지 관리 , 콘 텐츠 요약 에 이르기까지 고객은 여러 소스에서 수집된 대용량 고속 데이터를 효율적으로 처리해야 합니다. 오늘 MongoDB는 Atlas Stream Processing 의 정식 출시와 Atlas Edge Server 의 공개 미리 보기, 그리고 MongoDB 8.0을 통한 시계열 워크로드의 향상된 성능도 발표합니다. 이러한 기능을 함께 사용하면 고객은 거의 모든 비즈니스 과제를 해결하는 애플리케이션을 설계할 수 있습니다. MongoDB가 최신 애플리케이션 요구 사항을 어떻게 충족하는지 자세히 알아보세요 . 이는 이번 주에 발표할 내용 중 일부에 불과합니다. 이제 막 생성형 AI의 세계에 발을 들여놓았든 이미 그 길을 걷고 있든 MongoDB의 최신 데이터베이스, 강력하고 다양한 파트너 네트워크, 입증된 업계 솔루션을 활용하면 빠르게 변화하는 시장에서 경쟁력을 갖추게 될 것입니다. 고객을 위해 더 쉽게 구축할 수 있도록 잠시 시간을 내어 MongoDB가 구축한 기능을 살펴보세요. 콘퍼런스를 마음껏 즐기세요. 곧 다시 뵙기를 바랍니다! 더 많은 공지 사항을 확인하고 최신 제품 업데이트를 받으려면 새로운 기능 페이지를 방문하세요. 그리고 MongoDB.local 허브로 이동하여 2024년 월드 투어가 진행되는 곳을 확인하세요.

May 2, 2024

Willkommen bei MongoDB.local NYC 2024!

>> Ankündigung: Einige der unten genannten Funktionen werden ab dem 30. September 2025 nicht mehr unterstützt. Mehr erfahren . KI verspricht, die Art und Weise, wie Unternehmen arbeiten und Kunden erreichen, zu verändern ... wenn es nur gelänge, zuerst den „Ein“-Knopf zu finden. Trotz des enormen Potenzials der KI befinden sich die meisten Unternehmen noch in der Experimentierphase und arbeiten an Konzeptnachweisen, die von unbekannten Technologien behindert werden, die nicht gut zusammenarbeiten. Aber MongoDB ist einzigartig positioniert, um Entwicklern dabei zu helfen, all dieses KI-Rauschen in ein „Signal“ zu verwandeln, von dem die Kunden profitieren. Diese Woche bei MongoDB .local NYC haben sich Tausende von Entwicklern und Führungskräften – von Fortune 500-Unternehmen bis hin zu innovativen Startups – versammelt, um die Erfolge zu diskutieren und zu demonstrieren, die sie mit der moderne Datenbank von MongoDB erzielt haben. MongoDB entwickelt sich schnell zur branchenweit bevorzugten Speicherdatenbank für Retrieval Augmented Generation (RAG) und Agentensysteme und bietet ein einheitliches Datenmodell für den gesamten KI-Stack. Aber dies ist nicht nur eine reine Technologiegeschichte, so wichtig dieses Thema auch ist. MongoDB bietet jetzt auch wichtige Programme und Dienste an, die KI viel leichter zugänglich machen. Kurz gesagt, MongoDB bringt Entwickler von der Experimentierphase zur Umsetzung und treibt unsere langjährige Mission voran, die Verarbeitung von Daten zu vereinfachen. KI entmystifizieren Unternehmen wollen generative KI einsetzen, wissen aber nicht, wo sie anfangen sollen. Die KI-Landschaft ist unglaublich komplex – und scheint von Minute zu Minute komplexer zu werden. Diese Komplexität, gepaart mit begrenzter interner KI-Expertise und Bedenken hinsichtlich der Leistungs- und Sicherheitsrisiken bei der Integration unterschiedlicher Technologien, hält zu viele Unternehmen davon ab, tätig zu werden. MongoDB kann Ihnen dabei helfen. Um Unternehmen den Einstieg zu erleichtern, kündigen wir das MongoDB AI Applications Program (MAAP) an. Mit MAAP geben wir unseren Kunden die Blaupausen und Referenzarchitekturen an die Hand, damit sie leicht verstehen, wie sie KI-Anwendungen erstellen können. Wir übernehmen auch die schwere Aufgabe der Integration der moderne Datenbank von MongoDB mit führenden AI-Partnern wie Anthropic, Cohere, Fireworks AI, Langchain, LlamaIndex, Nomic, Anyscale, Credal.ai und Together AI, die alle auf dem Cloud-Anbieter Ihrer Wahl laufen. MAAP wird ab Juli für Kunden im Early Access verfügbar sein. Zusätzlich zu MAAP führen wir auch zwei neue professionelle Serviceangebote ein, die Ihnen dabei helfen, KI-gestützte Apps schnell, sicher und kostengünstig zu erstellen: Ein KI-Strategieservice, der Kunden mit Hilfe von Experten dabei unterstützt, die wichtigsten KI-Möglichkeiten zu identifizieren und konkrete Pläne zu erstellen, wie diese verfolgt werden können. Für Kunden, die bereits Anwendungsfälle identifiziert haben, die sie weiterverfolgen möchten, gibt es einen KI-Accelerator -Service, der Expertenberatung – vom Lösungsdesign bis zum Prototyping – bietet, um Kunden die Umsetzung ihrer KI-Anwendungs-Roadmap von der Idee bis zur Produktion zu ermöglichen. Sobald Entwickler mit der Entwicklung von KI-Apps beginnen, werden sie feststellen, dass sie mit MongoDB die Daten-„Sprache“ der KI sprechen können. Unsere moderne Datenbank vereint alle verschiedenen Datentypen neben Ihren operativen Echtzeitdaten – einschließlich Quelldaten, Vektoreinbettungen, Metadaten und generierten Daten – und unterstützt eine breite Palette von Anwendungsfällen. Wir bieten Entwicklern nicht nur die intuitivste Art und Weise, mit ihren Daten zu arbeiten, sondern verbessern auch ständig die Möglichkeiten, die sich ihnen bieten. Viele Entwickler erleben MongoDB zunächst in einer lokalen Umgebung, bevor sie zu einem vollständig verwalteten Cloud-Service wie MongoDB Atlas wechseln. Daher freue ich mich, Ihnen mitteilen zu können, dass wir im Laufe des Jahres die Volltextsuche und die Atlas Vector Search in der MongoDB Community Edition einführen werden. Dadurch wird es für Entwickler noch einfacher, schnell mit neuen Funktionen zu experimentieren und Entwicklung beim Erstellen von AI zu optimieren. Diese neuen Funktionen ermöglichen auch die Unterstützung von Kunden, die KI-gestützte Anwendungen auf Geräten oder vor Ort ausführen möchten. Wenn die Kunden beginnen, diese Anwendungen auszubauen, werden die Kosten zu einem wichtigen Faktor. Letztes Jahr haben wir auf AWS dedizierte Knoten für Atlas Search eingeführt. Durch die Verwendung dedizierter Knoten können Kunden ihre Vektorsuch-Workloads isolieren und unabhängig von den operativen Workloads hoch- oder herunterskalieren, was die Leistung steigert und eine hohe Verfügbarkeit gewährleistet. Indem wir den Kunden eine Workload-Isolierung ohne Datenisolierung ermöglichen, können sie ihre Ressourcen effizient und ohne zusätzliche Komplexität verwalten. Heute kündigen wir Atlas Search-Knoten bei allen drei Cloud-Anbietern an, die Kunden programmatisch über die Atlas CLI oder unsere Infrastructure-as-Code-Integrationen konfigurieren können . Erfahren Sie mehr darüber, wie MongoDB die beste Lösung für die Herausforderungen der sich schnell entwickelnden generativen KI-Landschaft ist . Leistungsstark und in Echtzeit Obwohl KI bei MongoDB .local zu Recht die Hauptrolle spielt NYC in dieser Woche ist nicht die einzige Maßnahme, mit der wir Entwicklern helfen. Von der Betrugserkennung in Echtzeit über die vorausschauende Wartung bis hin zur Zusammenfassung von Inhalten  – Kunden müssen große Mengen von Daten mit hoher Geschwindigkeit aus verschiedenen Quellen effizient verarbeiten. Heute kündigen wir außerdem die allgemeine Verfügbarkeit von Atlas Stream Processing , die öffentliche Vorschau von Atlas Edge Server und eine verbesserte Leistung von Time Series Workloads mit MongoDB 8.0 an. Zusammen ermöglichen diese Fähigkeiten den Kunden, Anwendungen zu entwickeln, die praktisch jede geschäftliche Herausforderung lösen. Erfahren Sie mehr darüber, wie MongoDB die Anforderungen moderner Anwendungen erfüllt . Dies sind nur einige der Dinge, die wir diese Woche ankündigen. Ganz gleich, ob Sie gerade erst in die Welt der generativen KI eintauchen oder bereits aktiv dabei sind, die moderne Datenbank von MongoDB, das starke und vielfältige Partnernetzwerk und die bewährten Branchenlösungen verschaffen Ihnen einen Wettbewerbsvorteil in einem sich schnell entwickelnden Markt. Bitte nehmen Sie sich eine Minute Zeit, um zu sehen, was wir für Sie entwickelt haben, damit Sie Ihre Kunden noch besser unterstützen können. Viel Spaß bei der Konferenz und vielleicht sehen wir uns ja bald! Weitere Ankündigungen und die neuesten Produktaktualisierungen finden Sie auf unserer Seite „ What's New “. Und besuchen Sie den Hub von MongoDB.local , um zu sehen, wo wir auf unserer Welttournee 2024 Halt machen werden.

May 2, 2024