企业正在大力投资人工智能技术以解决业务问题，但将AI技术投入生产环境时面临着重大的数据质量和可用性挑战。

Confluent首席技术官Stephen Deasy表示，对于需要实时数据的应用场景，如欺诈检测等，这一挑战尤其突出。在墨尔本举行的Confluent数据流世界巡回会议间隙，Deasy指出，今年各组织正在超越实验和试点阶段，将他们在AI方面学到的知识应用到高影响力领域，利用最新的流式数据来实现客户价值交付目标。

Confluent亚太区高级副总裁兼总经理Greg Taylor补充说，在本地市场，企业正在基于现有的记录系统和参与系统构建"行动系统"，这需要更新鲜的数据。

Taylor表示，关键是在数据创建的地方捕获数据，然后实时处理，以便用于指导行动，例如实现业务部分自动化。该地区的一些Confluent客户已经能够实现60%到70%的自动化水平，尽管澳大利亚企业普遍还没有达到如此先进的水平。

这样的系统需要业务专家作为治理结构的一部分，例如检查AI幻觉问题，但确实能够基于数据实现持续改进。快速响应信号的能力可以增加收入并减少欺诈，而Confluent平台能够在本地、云端或混合环境中运行的能力帮助客户实现这些目标。

Deasy说："AI是客户关注的焦点。"他补充说，Confluent帮助企业将实时数据直接提供给他们的AI模型。公司对开放标准的坚持以及在技术和支持方面的投资与客户产生共鸣，公司经常与首席技术官和系统架构师合作，帮助加速实施过程。

各种工作负载的技术和性能改进正在到来，因此Confluent能够为人们今天正在做的事情和将来要做的事情提供支持。

Taylor观察到，客户传统上依赖供应商提供新功能和能力，但生成式AI带来的软件工程重大改进意味着他们可能创建自己的功能，这给了他们更大的谈判能力。Deasy承认："我们经常看到这种情况。"这给公司自己的软件工程团队带来了持续压力，要求他们更快地生产更多产品。

墨尔本活动还突出了现实世界的部署案例，展示了三家澳大利亚主要企业的演示：

Bendigo银行

Bendigo银行首席AI工程师Sam Fursdon描述了如何使用Confluent平台（包括Confluent Flink），使银行能够显著减少开放银行业务义务和其纯移动子公司Up产生的大型机负载。重要的是，Confluent Flink与Bendigo的持续集成和持续部署模式无缝集成，创建了"精心编排的部署管道"。

通过在Confluent中结合交易和余额数据，银行将大型机API调用减少了50%。夜间批处理积压被清除，现在在早上6点前完成。此外，交易发生到信息可供消费之间的平均端到端延迟在营业时间内现在仅为2.3秒。实际上，这意味着ATM用户甚至可以在现金分发之前就收到应用通知。

Telstra

Telstra使用Confluent来改善其移动网络和客户体验。引用同事的话，Telstra可观测性技术产品负责人Javed Bolim说："你需要看到它才能对其采取行动。"

事件被连续捕获并实时流式传输进行分析。这有助于在客户注意到之前早期检测问题，通过关联更多信号提供更丰富的上下文，系统的可扩展性意味着可以实现新用途而无需重新设计数据流。

数据流被过滤、丰富并存储在数据库中供多种用途使用。这些用途包括在重大事件（如墨尔本板球场的节礼日测试比赛）中的服务保障，以及价值证明，确保客户获得他们所付费的服务。Bolim补充说，由此能力支持的新产品和功能目前正在筹备中。

Bolim建议其他IT从业者专注于在团队成员中培养正确的技能，并在必须做出艰难选择时获得业务支持。他还建议超越中期目标并开发共享能力，如为其他内部团队提供自助服务访问。

Coles

连锁超市Coles面临的挑战源于在组织各个部门使用数十个不同的基于事件的系统。首席工程师Simon Bedford说："这些东西到处都是。"这种扩散导致重复、额外成本、运营摩擦以及安全重新设计的需要。

Coles大力投资将Confluent部署为真正的企业平台，整合了工具、监控、可观测性、数据产品和可发现性。尽管部署规模庞大，但不需要大型团队，在项目的各个阶段只依赖三到五个人。

该倡议提供了重新开始并执行架构原则的机会，包括一致的命名约定、明确的所有权边界和自动化配置。

Bedford建议治理必须内置和自动化而不是手动。他指出，该平台被视为"内部软件即服务"，开发人员充当客户。因为开发人员通常会绕过他们认为过于严格的任何东西，所以正确设计用户体验很重要，使教育成为过程的关键部分。最终，提供强大的开发人员体验，包括通过GitOps和CI/CD集成的自助服务配置，导致了强烈的内部采用。

他补充说："我们投入了大量工作以确保可观测性和监控是企业级的。"他指出，现在通过遥测实现了成本归因。

结果，"混乱和复杂性"被"结构和效率"所取代，改善的数据可发现性导致了整个业务的高水平重用。

Bedford说："该平台现在比替代方案更容易使用且更可靠。"因为它值得信赖，所以被广泛使用，带来的业务成果包括更快的上市时间、降低的集成成本和改善的客户响应能力。"我们拥有高质量的数据，我们想看看如何将其用于AI。"

Q&A

Q1：为什么实时数据对企业AI如此重要？

A：实时数据对于欺诈检测等需要即时响应的AI应用场景至关重要。企业需要在数据创建的地方捕获数据，然后实时处理，以便用于指导行动。快速响应信号的能力可以增加收入并减少欺诈，帮助企业实现60%到70%的业务自动化水平。

Q2：Confluent平台如何帮助银行改善服务？