Confluent Intelligence breidt realtime data uit naar enterprise AI

Confluent heeft nieuwe Confluent Intelligence-mogelijkheden aangekondigd die AI-agents met elkaar verbinden en nauwkeurigere, intelligentere data-analyse mogelijk maken. De Streaming Agents van Confluent gebruiken het Agent2Agent (A2A)-protocol om externe AI-agents te activeren en te coördineren met behulp van realtime gegevensstromen, waardoor het eenvoudiger wordt om AI-systemen binnen een onderneming met elkaar te verbinden.

Multivariate Anomaly Detection bekijkt meerdere statistieken om automatisch ongebruikelijke patronen in gegevensstromen op te sporen, waardoor teams problemen met grotere nauwkeurigheid kunnen voorkomen – voordat ze storingen of gevolgen voor downstream veroorzaken. Samen creëren deze mogelijkheden intelligente, contextbewuste AI-systemen die zich aanpassen aan veranderingen in gegevens, agents en bedrijfsomstandigheden.

Samenwerkingsverbanden tussen agents
Bedrijven maken steeds vaker gebruik van AI-agents om beslissingen te automatiseren en complexere taken uit te voeren. Volgens de IDC FutureScape: Worldwide Future of Work 2026 Predictions zal “in 2026 40% van alle G2000-functies te maken hebben met AI-agents, waardoor traditionele functies op instap-, midden- en senior niveau opnieuw gedefinieerd zullen worden”. En zelfs dat is waarschijnlijk een conservatieve schatting. Maar hoewel agents in allerlei tools en systemen worden gebruikt, werken de meeste ervan geïsoleerd. Als agents niet met elkaar kunnen communiceren of context binnen een bedrijf kunnen delen, blijven inzichten in silo’s gevangen en worden beslissingen gefragmenteerd.

Confluent’s Streaming Agents lost dit op door AI-agents te verbinden met realtime gegevens met Anthropic’s Model Context Protocol (MCP) en met andere agents met het A2A-protocol. Samen kunnen ze continu informatie analyseren uit agent frameworks zoals LangChain en dataplatforms zoals BigQuery, Databricks en Snowflake om inzichten te genereren. Vervolgens activeren ze enterprise AI-platforms zoals Salesforce en ServiceNow-workflows om onmiddellijk actie te ondernemen, waardoor de kloof tussen inzicht en uitvoering wordt gedicht. Door deze systemen met elkaar te verbinden, zet Confluent analyse op stream niveau om in ‘inzicht naar actie’ en genereert het de realtime intelligentie die nodig is om snel in te spelen op veranderende bedrijfsbehoeften.

“Als je concurrerend wilt zijn, mag je AI niet in de achteruitkijkspiegel kijken”, aldus Sean Falconer, hoofd AI bij Confluent. “Je hebt een systeem van AI-agents nodig die samenwerken en voortdurend leren en inzichten in realtime delen. Confluent Intelligence verbindt de AI-investeringen en -systemen van teams, ongeacht waar ze zijn gebouwd, zodat AI automatisch kan reageren op live data, actie kan ondernemen, systemen kan coördineren en indien nodig kan escaleren naar teamleden.”

Met A2A-ondersteuning in Streaming Agents kunnen teams:
Slimmere, herbruikbare AI-agents bouwen: bestaande agents en systemen voeden met nieuwe context van Confluent om asynchroon op gebeurtenissen te reageren en verdere acties te ondernemen.
Communicatie en controleerbaarheid tussen agents mogelijk maken: elke actie van een agent vastleggen in een onveranderlijk logboek voor controleerbaarheid en herhaalbaarheid. Apache Kafka gebruiken om de communicatie tussen agents te coördineren en de output van agents te hergebruiken in andere agents en systemen.
Coördinatie en governance op één plek centraliseren: Streaming Agents fungeert als coördinator en Confluent zorgt voor governance, beveiliging en end-to-end observeerbaarheid voor alle interacties tussen agents.
Teams in alle sectoren kunnen A2A-ondersteuning in Streaming Agents gebruiken om meer omzet te genereren, risico’s te verlagen en kosten te besparen. Streaming Agents kan aanbiedingen in de detailhandel personaliseren, kredietrisico’s in de financiële dienstverlening verminderen, zorgaanbevelingen in de gezondheidszorg automatiseren, onderhoud in de productie voorspellen en storingen in de telecommunicatie proactief verhelpen.
A2A-ondersteuning in Streaming Agents is nu beschikbaar in Open Preview.

Live signalen en blinde vlekken
Anomaliedetectie brengt bedreigingen en kansen aan het licht die geen mens zelf zou kunnen ontdekken. Traditionele anomaliedetectie analyseert statistieken vaak afzonderlijk en is vaak beperkt tot batchgebaseerde analyse van historische gegevens. Deze systemen zijn gebaseerd op eenvoudige statistische basislijnen en zijn zeer gevoelig voor ruis, pieken en slechte gegevens. Zonder context kunnen ze valse positieven genereren en brengen ze problemen meestal pas aan het licht nadat ze al invloed hebben gehad op het systeem.

Confluent’s Multivariate Anomaly Detection, een nieuwe functie van de ingebouwde Machine Learning (ML)-functies, analyseert gerelateerde statistieken samen om valse positieven te verminderen en echte problemen sneller op te sporen. Hiermee kunnen teams afwijkingen in meerdere statistieken detecteren en tegelijkertijd uitschieters in de gegevens negeren, wat zorgt voor een hogere nauwkeurigheid bij het monitoren van complexe gegevens. Teams kunnen Multivariate Anomaly Detection onmiddellijk gaan gebruiken, omdat ze geen model hoeven te bouwen of bij te werken, dat leert naarmate de gegevens veranderen.