MongoDB.local NYC에서 발표된 주요 AI 관련 소식

MongoDB
May 2, 2024

AI 분야가 급속도로 진화하고 있기 때문에 고객이 선택의 폭에 압도되는 것은 놀라운 일이 아닙니다. 텍스트부터 코드에 이르기까지 모든 것을 아우르는 파운데이션 모델, AI 프레임워크, 그리고 매일 설립되는 AI 관련 기업의 끊임없는 흐름 속에서 개발자와 조직은 어지러울 정도로 다양한 AI 선택지에 직면해 있습니다.

MongoDB는 빠르게 변화하는 이 분야에서 클라우드 공급자나 AI 업체에 종속되는 것을 피할 수 있도록 지원하는 개발자 데이터 플랫폼을 통해 고객에게 힘을 실어줍니다. 이러한 자유로움 덕분에 고객은 오픈 소스이건 독점 소스이건 관계없이 현재 또는 미래에 자신의 요구 사항에 가장 적합한 거대 언어 모델을 선택할 수 있습니다. 오늘 MongoDB.local NYC에서 개발팀이 AI를 시작하고 고객 대면 솔루션을 구축할 수 있도록 지원하는 여러 새로운 제품 기능, 파트너 통합, 서비스 및 솔루션 제공을 발표했습니다.

AI 스택에서 사용 중인 기술에 상관없이 어디서나 실행

MongoDB의 유연한 문서 모델은 '함께 액세스하고 사용하는 데이터는 함께 저장된다'는 철학을 바탕으로 구축되었습니다. 벡터는 이러한 기능의 자연스러운 확장으로, 고객이 소스 데이터, 메타데이터 및 관련 벡터 임베딩을 동일한 문서에 저장할 수 있음을 의미합니다. 이 모든 것은 공통 Query API로 액세스하고 쿼리할 수 있으므로, 벡터 데이터를 MongoDB에 저장된 다른 유형의 데이터와 쉽게 결합하고 작업할 수 있습니다.

완전 관리형 멀티 클라우드 개발자 데이터 플랫폼인 MongoDB Atlas는 MongoDB의 광범위하고 심층적인 AI 파트너십과 통합을 통해 개발자가 선호하거나 사용하는 언어, 애플리케이션 프레임워크, 파운데이션 모델 또는 기술 파트너에 관계없이 AI 기반 애플리케이션과 환경을 쉽게 구축할 수 있도록 합니다.

올해 우리는 다음을 포함하여 개발자가 생성형 AI로 혁신적인 애플리케이션을 더 쉽게 구축할 수 있도록 AI 파트너십과 통합에 계속 주력하고 있습니다.

MongoDB는 풍부한 AI 개발자 프레임워크, 거대 언어 모델 및 임베딩 제공업체 에코시스템과 잘 통합됩니다. 개발자가 자신의 애플리케이션에서 생성형 AI 기능을 쉽게 활용할 수 있도록, 전체 AI 스택이 끊김없이 작동하는 데 지속적으로 투자하고 있습니다. MongoDB의 통합과 업계 최고 수준의 멀티 클라우드 기능을 통해 조직은 빠르게 변화하는 환경에서 특정 클라우드 공급자나 AI 기술에 종속되지 않고 신속하게 대응할 수 있습니다.

안전하고 확장 가능한 고성능 AI 애플리케이션 구축

성능이 뛰어나고 확장 가능한 AI 애플리케이션을 구축하려면 데이터 분리 없는 워크로드 분리가 중요합니다. MongoDB Atlas의 Search Nodes는 전용 컴퓨팅 자원을 제공하고 사용자가 메모리 집약적인 AI 워크로드를 격리하여 우수한 성능과 높은 가용성을 실현할 수 있도록 합니다. 사용자는 데이터베이스 클러스터의 나머지 부분과 무관하게 특정 노드의 하드웨어를 확장하거나 축소하여 사용 사례에 맞게 리소스 소비를 최적화할 수 있습니다. Search Nodes를 사용하면 전체 클러스터를 과도하게 또는 부족하게 프로비저닝하지 않고도 벡터 검색 쿼리의 성능을 쉽게 최적화할 수 있습니다. Hashicorp Terraform Atlas Provider 및 Cloudformation과의 IaC 통합을 통해 개발자는 Search Nodes를 대규모로 구성하고 프로그래밍 방식으로 배포할 수 있습니다.

Search Nodes는 완전 관리형이며 실전 테스트를 거친 멀티 클라우드 플랫폼인 Atlas의 필수 구성 요소입니다. 이전에 우리는 AWS 및 Google Cloud 고객을 위한 Search Nodes의 가용성을 발표했습니다. 이제 MongoDB.local NYC에서 Azure 고객을 위한 Search Nodes의 가용성을 발표하게 되어 기쁩니다. Atlas의 Search Nodes는 현대적인 AI 애플리케이션을 구축하고 배포하는 데 필요한 핵심 데이터 구성 요소의 통합, 보안 및 유지 관리에 따른 마찰을 제거하여 개발자가 더 빠르게 진전할 수 있도록 도와줍니다.

AI 기반 경험으로 개발자 생산성 향상

또한 오늘 우리는 개발자 생산성과 속도 향상을 목표로 MongoDB Compass, MongoDB Relational Migrator 및 MongoDB Atlas Charts에서 지능형 개발자 환경의 새롭고 개선된 릴리스를 발표했습니다. 업데이트된 릴리스를 통해 개발자는 MongoDB Compass를 사용하여 자연어로 데이터를 쿼리하고, 개발 중 일반적인 문제를 해결하고, MongoDB Relational Migrator 내에서 직접 SQL에서 Query API로의 변환을 수행하고, MongoDB Atlas Charts에서 자연어 프롬프트를 사용하여 차트와 대시보드를 신속하게 구축할 수 있습니다.

종합적으로 이러한 지능형 환경은 개발자가 보다 큰 제어력과 유연성을 갖고 차별화된 기능을 구축하는 데 도움이 될 것이며, 그 어느 때보다 MongoDB로 애플리케이션을 구축하는 것이 쉬워질 것입니다.

AI로 개발 팀이 더 빠르고 쉽게 시작하고 고객 대면 솔루션을 구축할 수 있도록 지원

MongoDB는 모든 규모의 기업이 AI 기반 애플리케이션을 쉽게 구축할 수 있도록 합니다. 고객에게 생성형 AI를 시작할 수 있는 간단한 방법을 제공하기 위해 MongoDB는 MongoDB AI Application Program(MAAP)을 발표합니다. 일반적인 AI 사용 사례에 대한 사용 패턴을 기반으로 고객은 MongoDB Atlas, 검증된 AI 모델 및 호스팅 솔루션, 기술 지원 및 전문 서비스 팀이 주도하는 종합적인 참여를 바탕으로 구축된 작동 가능한 애플리케이션을 제공받게 됩니다.

작년에 MongoDB Atlas를 사용하여 AI 솔루션을 구축하는 스타트업을 더욱 지원하기 위해 MongoDB for Startups의 확장판인 AI Innovators Program을 출시했으며, 이 프로그램은 AI 스타트업에 추가로 5,000달러의 Atlas 크레딧을 제공합니다. 올해 우리는 AI Startup Hub를 도입하여 프로그램을 확장하고 있습니다. 이 허브는 MongoDB와 AI를 시작하는 데 유용한 가이드, MongoDB와 선별된 AI 파트너사를 위한 빠른 시작 가이드, 그리고 우리의 AI 파트너사가 제공하는 스타트업 크레딧 등을 제공합니다.

우리는 대기업을 위한 두 가지 새로운 AI Accelerator 컨설팅 패키지인 AI Essentials와 AI Implementation을 제공합니다. MAAP는 철저히 검증된 참조 아키텍처 구축에만 중점을 두는 반면, 이러한 컨설팅 패키지를 통해 고객은 개방형 AI 프로토타입과 솔루션을 설계, 구축 및 애플리케이션에 배포할 수 있습니다.

데이터는 항상 조직의 경쟁 우위였으며, MongoDB는 데이터를 활용한 혁신을 쉽고 빠르며 유연하게 만듭니다. MongoDB는 조직이 AI 스택의 다른 모든 부분을 쉽게 사용할 수 있도록 만드는 데 계속 투자하고 있습니다. 이를 위해 애플리케이션 스택의 다양한 부분과 호환성을 보장할 수 있는 최고의 파트너를 선별하고, 여러 클라우드 환경에서 작동하는 관리형 서비스를 구축하며, 공급업체 종속을 방지하는 MongoDB 고유의 개방성을 유지합니다.

MongoDB Atlas는 어떻게 운영, 분석 및 생성 AI 데이터 서비스를 통합하여 AI 기반 애플리케이션 구축을 간소화할까요? 자세한 내용은 MongoDB for AI 페이지를 참조하세요.

← Previous

Atlas Stream Processing ist jetzt allgemein verfügbar!

Wir freuen uns, ankündigen zu können, dass Atlas Stream Processing  – die MongoDB-native Methode zur Verarbeitung von Streaming-Daten – jetzt allgemein verfügbar ist und es Entwicklern ermöglicht, schnell reaktionsfähige, ereignisgesteuerte Anwendungen zu erstellen! Unser Team hat die letzten zwei Jahre damit verbracht, eine Vision zu definieren und ein Produkt zu entwickeln, das sich auf die Stärken von MongoDB stützt, um die schwierigen Herausforderungen bei der Stream-Verarbeitung zu meistern. Nach einem Jahrzehnt der Entwicklung von Stream-Processing-Produkten außerhalb von MongoDB nutzen wir alles, was MongoDB einzigartig macht – die Query-API und das leistungsstarke Aggregations-Framework sowie das Dokumentenmodell und seine Schema-Flexibilität –, um ein großartiges Entwicklererlebnis zu schaffen. Das ist ein neuer Ansatz für die Stream-Verarbeitung, und basierend auf dem Feedback so vieler von Ihnen in unserer Community ist es für die meisten Entwickler die optimale Lösung. Kommen wir zu den Neuerungen. Was gibt es Neues bei der allgemeinen Verfügbarkeit? Bereit für die Produktion: Bereit zur Unterstützung Ihrer Produktions-Workloads, um eine zuverlässige und skalierbare Stream-Verarbeitung für Ihre unternehmenskritischen Anwendungen zu gewährleisten. Unterstützung für Time Series Collections: Ausgabe von Prozessorergebnissen in Time Series Collections . Verarbeiten Sie Daten kontinuierlich vor, während Sie sie für einen späteren historischen Zugriff in einem Sammlungstyp speichern, der in MongoDB Atlas explizit für die effiziente Speicherung und Abfrage von Time Series Data entwickelt wurde. Entwicklungs- und Produktions-Tiers: Neben dem SP30-Cluster-Tier, das während der öffentlichen Vorschau verfügbar ist, führen wir ein SP10-Tier ein, um Flexibilität und eine kostengünstige Option für explorative Anwendungsfälle und Stream Processing Workloads mit geringem Datenverkehr zu bieten. Verbesserte Unterstützung für Kafka: Die hinzugefügte Unterstützung für Kafka-Header ermöglicht es Anwendungen, neben den Ereignisdaten zusätzliche Metadaten bereitzustellen. Sie sind hilfreich für verschiedene Anwendungsfälle der Stream-Verarbeitung (z. B. Weiterleitung von Nachrichten, bedingte Verarbeitung und mehr). Zugriff mit geringsten Privilegien: Atlas-Datenbankbenutzer können den Zugriff auf Stream Processing Instances gewähren und den Zugriff nur denjenigen ermöglichen, die ihn benötigen. Stream Processor Alerting: Verschaffen Sie sich einen Überblick über den Zustand Ihrer Stream-Prozessoren, indem Sie für den Fall eines Ausfalls Warnmeldungen erstellen. Zu den unterstützten Methoden für Benachrichtigungen gehören E-Mail, SMS, Überwachungsplattformen wie Datadog und mehr . Warum Atlas Stream Processing? Atlas Stream Processing bringt die Leistungsfähigkeit und Flexibilität des Dokumentmodells und der Abfrage-API von MongoDB in den anspruchsvollen Bereich des Stream Processing. Mit Atlas Stream Processing können Entwickler: mühelos mit komplexen und sich schnell ändernden Datenstrukturen umgehen die vertraute MongoDB Query API für die Verarbeitung von Streaming-Daten verwenden sich nahtlos mit MongoDB Atlas integrieren von einem vollständig verwalteten Service profitieren, der den operativen Overhead eliminiert Kunden-Highlights Lesen Sie, was Entwickler über Atlas Stream Processing sagen: Bei Acoustic liegt unser Hauptaugenmerk darauf, Marken mit Behavioral Insights zu versorgen, die es ihnen ermöglichen, ansprechende, personalisierte Kundenerfahrungen zu schaffen. Dazu muss unsere Acoustic Connect-Plattform in der Lage sein, Millionen von Marketing-, Verhaltens- und Kundensignalen effizient zu verarbeiten und zu verwalten, sobald diese erscheinen. Mit Atlas Stream Processing können unsere Ingenieure die Funktionen, die sie bereits aus der Arbeit mit Daten in Atlas kennen, dazu nutzen, neue Daten kontinuierlich zu verarbeiten und so sicherzustellen, dass unsere Kunden Zugang zu Kundeneinblicken in Echtzeit haben. John Riewerts, EVP, Engineering bei Acoustic Atlas Stream Processing ermöglicht es uns, Daten zu verarbeiten, zu validieren und zu transformieren, bevor wir sie an unsere Messaging-Architektur in AWS senden, wodurch ereignisgesteuerte Updates auf unserer gesamten Plattform ermöglicht werden. Die Zuverlässigkeit und Leistung von Atlas Stream Processing hat unsere Produktivität gesteigert, die Entwicklererfahrung verbessert und die Infrastrukturkosten gesenkt. Cody Perry, Software Engineer, Meltwater Wie geht es weiter mit Atlas Stream Processing? Wir führen schnell neue Features und Funktionen ein, um sicherzustellen, dass MongoDB allen Entwicklungsteams eine erstklassige Stream Processing Experience bietet. In den nächsten Monaten können Sie Folgendes erwarten: Erweiterte Netzwerkunterstützung: Unterstützung für VPC-Peering zu Kafka-Clustern für Teams, die zusätzliche Netzwerkfunktionen benötigen Erweiterte Unterstützung von Cloud-Regionen: Unterstützung für alle in Atlas Data Federation verfügbaren Cloud-Regionen Erweiterte Unterstützung für Cloud-Anbieter: Unterstützung für Microsoft Azure Erweiterte Unterstützung von Datenquellen und Datensenken: Wir geben noch keine Einzelheiten über zusätzliche Quellen und Senken bekannt, aber wir haben Pläne, in den kommenden Monaten über Kafka und Atlas-Datenbanken hinauszugehen. Teilen Sie uns mit , welche Quellen und Senken Sie benötigen, und wir werden dies bei unserer Planung berücksichtigen Reichhaltigere Metriken und Beobachtungsmöglichkeiten: Unterstützung für einen erweiterten Einblick in Ihre Stream-Prozessoren, um die Überwachung und Fehlerbehebung zu vereinfachen Flexibilität bei der Bereitstellung mit HashiCorp Terraform: Unterstützung für die Verwaltung von Atlas Stream Processing Instanzen und Atlas Stream Registry-Verbindungen mit Terraform. Diese Integration ermöglicht eine nahtlose CI/CD-Pipeline und verbessert die betriebliche Effizienz mit Infrastructure as Code. Halten Sie außerdem in naher Zukunft Ausschau nach einem speziellen Blog über die ersten Schritte mit Atlas Stream Processing und Terraform. Ganz gleich, ob Sie Sensordaten mit hoher Geschwindigkeit verarbeiten, Kundendaten kontinuierlich analysieren, um ein personalisiertes Erlebnis zu bieten, oder eine vorausschauende Wartung durchführen möchten, um die Erträge zu steigern und die Kosten zu senken – Atlas Stream Processing hat alles für Sie. Schließen Sie sich den Hunderten von Entwicklungsteams an, die bereits mit Atlas Stream Processing arbeiten. Bleiben Sie dran, um bald mehr von uns zu hören. Wir wünschen Ihnen viel Erfolg bei der Entwicklung! Melden Sie sich noch heute an oder sehen Sie sich unser Einführungs-Tutorial an, um loszulegen.

May 2, 2024
Next →

MongoDB and Partners: Building the AI Future, Together

If you’re like me, over the past year you’ve closely watched AI’s developments—and the world’s reactions to them. From infectious excitement about AI’s capabilities, to impatience with its cost and return on investment, every day has been filled with AI twists and turns. It’s been quite the roller coaster. During the ride, from time to time I’ve wondered where AI falls on the Gartner hype cycle, which gives "a view of how a technology or application will evolve over time." Have we hit the "peak of inflated expectations" only to fall into the "trough of disillusionment?" Or is the hype cycle an imperfect guide, as The Economist argues? The reality is that it takes time for any new technology—even transformative ones like AI—to take hold. And every advance, no matter how big, has had its detractors. A famous example is that of Picasso (!), who in 1968 said, “Computers are useless. They can only give you answers.” (!!) For our part, MongoDB is convinced that AI is a once-in-a-generation technology that will enhance every future application—a belief that has been reinforced by the incredible work our partners have shared at MongoDB’s 2024 events. Speeding AI development MongoDB is committed to helping organizations of all sizes succeed with AI, and one way we’re doing that is by collaborating with the MongoDB partner ecosystem to create powerful, user-friendly AI development tools and solutions. For example, Fireworks.ai —which is a member of the MongoDB AI Applications Program ecosystem —created an inference solution that hosts gen AI models and supports containerized deployments. This tool makes it easier for developers to build and deploy powerful applications with a range of easy-to-use tools and customization options. They can choose to use state-of-the-art, open-source language, image, and multimodal foundation models off the shelf, or they can customize and fine-tune models to their needs. Jointly, Fireworks.ai and MongoDB provide a solution for developers who want to leverage highly curated and optimized open-source models and combine these with their organization’s own proprietary data—and to do so with unparalleled speed and security. “MongoDB is one of the most sophisticated database providers, and it’s very easy to use,” said Benny Chen , cofounder of Fireworks.ai. "We want developers to be able to use these tools, and we want to work with providers who enable and empower developers." Nomic , another MAAP ecosystem member, also enables developers with best-in-class solutions across the entire unstructured data workflow. Their Embed offering, available through the Nomic API , allows users to vectorize large-scale datasets for use in text, image, and multimodal retrieval applications, including retrieval-augmented generation (RAG), using only their web browser. The Nomic-MongoDB solution is a highly efficient, open-weight model that developers can use to visualize the unstructured datasets they store in MongoDB Atlas . These insights help users quickly discover trends and articulate data-driven value propositions. Nomic also supported the recently announced vector quantization in MongoDB Atlas Vector Search , which reduces vector sizes while preserving performance. Last—but hardly least!—there’s our new reference architecture with MAAP partners AWS and Anthropic. Announced at MongoDB.local London , the reference architecture supports building memory-enhanced AI agents, and is designed to streamline complex processes and develop smarter, more responsive applications. For more—including a link to the code on Github— check out the MongoDB Developer Center . Making AI work for anyone and everyone The companies MongoDB partners with aren’t just making gen AI easier for developers—they’re building tools for everyone. For example, Capgemini has invested $2 billion in gen AI and is training 100,000 of its employees in the technology. GenYoda, a solution that helps insurance professionals with their daily work, is a product of this investment. GenYoda leverages MongoDB Atlas Vector Search to analyze large amounts of customer data, like policy statements, premiums, claims history, and health information. Using GenYoda, insurance professionals can quickly analyze underwriters’ reports to make informed decisions, create longitudinal health summaries, and streamline customer interactions to improve contact center efficiency. GenYoda can ingest 100,000 documents in just a few hours and respond to users’ queries in two to three seconds—a metric on par with the most widely used gen AI models. And it produces results: in one example, by using Capgemini’s solution an insurer was able to increase productivity by 15%, add new reports 25% faster (thus speeding decision-making), and reduce the manual effort of searching PDFs, increasing efficiency by 10%. Building the future of AI together So, what’s next? Honestly, I’m as curious as you are. But I’m also incredibly excited. At MongoDB, we’re active participants in the AI revolution, working to embrace the possibilities that lie ahead. The future of gen AI is bright, and I can’t wait to see what we’ll build together. To learn more about how MongoDB can accelerate your AI journey, explore the MongoDB AI Applications Program .

November 4, 2024