Toutes les solutions d'analyse basées sur l'IA ne vous offrent pas le même niveau de contrôle
Les outils d'analyse basés sur l'IA permettent tous de transformer une question métier en réponse. Les différences apparaissent plus clairement lorsque l'on examine la manière dont ils gèrent l'analyse, l'effort nécessaire pour maintenir cette gouvernance, ainsi que le degré de contrôle dont vous disposez sur l'déploiement et le choix des modèles.
Même question. Trois façons différentes d'y répondre.
Découvrez comment chaque plateforme transforme une question métier en requête SQL, et à quel moment le contexte réglementaire influence le processus.
L'agent exprime l'analyse via la couche sémantique régie sous la forme de SemQL, le langage d'requête s sémantiques d'Actian. Une requête sémantique décrit ce qu'il faut analyser à l'aide de concepts métier régis, tels que les métriques, les dimensions, les relations et les filtres, au lieu de générer la logique de la base de données elle-même. AI Analyst compile ensuite cette requête sémantique en SQL natif pour l'exécution.
Le contexte sémantique guide la génération de requêtes SQL. Genie s'appuie sur le contexte métier modélisé et déduit à partir de sa base de connaissances, qui comprend des définitions sémantiques, des relations et des expressions SQL. Le modèle de langage de grande capacité (LLM) utilise ce contexte pour générer des requêtes SQL destinées à être exécutées.
Le mode de routage tente d'abord d'utiliser le SQL sémantique, puis se rabat sur le SQL standard sur les tables physiques si nécessaire. Snowflake indique que le SQL sémantique est utilisé pour environ 10 % des requêtes au total, en fonction de la couverture des vues sémantiques.
Une couche sémantique ne fonctionne que si l'on est capable d'en créer une
Snowflake et Databricks proposent des outils permettant de créer, d'affiner et d'optimiser le contexte sémantique utilisé par leur IA, y compris le contexte déduit.
AI Analyst adopte une approche différente. L'agent Steward contribue à la mise en place et à la maintenance d'une base sémantique explicitement définie, plutôt que de s'appuyer sur une logique métier déduite.
Les définitions métier sont souvent dispersées entre différents tableaux, documents et les connaissances institutionnelles de votre équipe chargée des données. Steward analyse ces sources afin de proposer des modèles, des indicateurs, des relations et des termes de glossaire que votre équipe pourra examiner et valider.
Une fois approuvées, ces définitions deviennent des règles de logique métier que l'AI Analyst applique de manière cohérente. Lorsque les définitions évoluent, Steward met en évidence les impacts potentiels avant que les mises à jour ne créent des incohérences ailleurs.
Des analyses basées sur l'IA qui s'adaptent à votre architecture
Snowflake Cortex et Databricks Genie élargissent les écosystèmes dans lesquels ils s'intègrent. AI Analyst adopte une approche différente, en vous offrant une grande flexibilité quant à l'emplacement d'exécution de la couche d'analyse et au choix du modèle de langage de grande capacité (LLM) qui la sous-tend.
Questions à poser à tout fournisseur de solutions d'analyse basées sur l'IA
Les différences qui comptent ne sont pas toujours visibles lors d'une démonstration. Posez ces questions pour comprendre ce que la plateforme exige de votre équipe chargée des données et quel niveau de contrôle vous conservez après l'déploiement.
Demandez au vendeur |
Ce qu'il faut comprendre |
|---|---|
Comment le contexte métier réglementé se répercute-t-il sur la mise en œuvre ? |
Que les définitions prédéfinies limitent la manière dont l'requête e est construite ou qu'elles servent de contexte auquel le LLM se réfère pour la générer. |
Qui se charge de la mise en place et de la maintenance de la couche sémantique ? |
Ce que votre équipe chargée des données doit faire pour créer des indicateurs et des relations, les valider, gérer les modifications et maintenir les définitions à jour. |
Où la plateforme peut-elle être déployée ? |
Que l'application d'analyse puisse fonctionner au sein de votre environnement ou qu'elle reste un service hébergé par le fournisseur, même avec une connectivité privée. |
Peut-on choisir le LLM ? |
Que vous puissiez utiliser le modèle pris en charge par défaut par votre organisation ou que vous soyez limité aux modèles disponibles sur le site plateforme d'analyse. |
Quels changements devez-vous mettre en œuvre pour adopter cette plateforme ? |
Que vous ayez besoin de transférer des données, d'adopter une infrastructure propre à un fournisseur, de remplacer vos solutions d'analyse existantes ou de restructurer vos flux de travail actuels. |
Peut-on vérifier comment une réponse a été obtenue ? |
Si vous pouvez retracer les définitions, les relations, les filtres, les calculs et la logique d'requête s utilisés pour obtenir le résultat. |
