Confluent Perkenalkan Fitur AI Baru untuk Analisis Data Real-Time

Confluent, Inc. (CFLT) meluncurkan fitur baru bernama Confluent Intelligence. Fitur ini dirancang untuk menghubungkan berbagai agen kecerdasan buatan (AI) dan meningkatkan kemampuan analisis data secara real-time di lingkungan perusahaan.

Melalui fitur tersebut, Confluent menghadirkan Streaming Agents yang memungkinkan berbagai sistem AI saling terhubung dan berkoordinasi menggunakan protokol Agent2Agent (A2A). 

Teknologi ini memungkinkan agen AI eksternal dipicu dan dikoordinasikan menggunakan aliran data secara langsung, sehingga memudahkan integrasi sistem AI yang tersebar di berbagai platform dalam satu perusahaan.

Selain itu, Confluent juga memperkenalkan fitur Multivariate Anomaly Detection yang mampu menganalisis beberapa metrik data sekaligus untuk mendeteksi pola yang tidak biasa. Dengan kemampuan ini, tim teknologi dapat mengidentifikasi potensi masalah lebih cepat sebelum menimbulkan gangguan atau dampak lanjutan pada sistem bisnis.

Menurut Head of AI di Confluent, Sean Falconer, perusahaan saat ini membutuhkan sistem AI yang tidak hanya menganalisis data masa lalu, tetapi juga mampu merespons kondisi secara langsung.

“Jika ingin tetap bersaing, AI tidak bisa hanya melihat data masa lalu. Dibutuhkan sistem agen AI yang bekerja bersama, terus belajar, dan berbagi wawasan secara real-time,” ujarnya.

Ia menambahkan, Confluent Intelligence memungkinkan berbagai sistem dan investasi AI yang sudah dimiliki perusahaan dapat terhubung, sehingga AI dapat merespons data secara otomatis, mengambil tindakan, hingga mengoordinasikan sistem lain atau memberi peringatan kepada tim jika diperlukan.

Penggunaan agen AI dalam operasional perusahaan terus meningkat. Laporan International Data Corporation (IDC) melalui riset FutureScape: Worldwide Future of Work 2026 Predictions memperkirakan bahwa pada 2026 sekitar 40 persen peran pekerjaan di perusahaan global G2000 akan melibatkan kolaborasi dengan agen AI.

Namun, saat ini banyak agen AI masih bekerja secara terpisah di berbagai sistem. Kondisi tersebut membuat data sering terjebak dalam silo dan keputusan menjadi tidak terkoordinasi.

Streaming Agents dari Confluent dirancang untuk mengatasi masalah tersebut dengan menghubungkan agen AI ke data real-time melalui Model Context Protocol (MCP) dari Anthropic serta menghubungkan agen dengan agen lain melalui protokol A2A.

Sistem ini juga dapat bekerja dengan berbagai kerangka kerja dan platform data seperti LangChain, Google BigQuery, Snowflake, dan Databricks. Wawasan yang dihasilkan kemudian dapat langsung memicu alur kerja di platform perusahaan seperti ServiceNow dan Salesforce untuk mengambil tindakan otomatis.

Dengan dukungan A2A, perusahaan dapat membangun agen AI yang lebih cerdas, memungkinkan komunikasi antar agen secara transparan, serta mengelola orkestrasi dan tata kelola sistem AI dalam satu platform terpusat.

Teknologi ini dapat dimanfaatkan di berbagai sektor, mulai dari ritel untuk personalisasi penawaran, layanan keuangan untuk mengurangi risiko kredit, hingga sektor kesehatan untuk otomatisasi rekomendasi perawatan. Selain itu, teknologi tersebut juga dapat digunakan untuk memprediksi pemeliharaan mesin di sektor manufaktur dan mendeteksi potensi gangguan jaringan di industri telekomunikasi.

Saat ini, dukungan A2A pada Streaming Agents telah tersedia dalam versi Open Preview.

Selain integrasi agen AI, Confluent juga memperkuat kemampuan analisis data melalui fitur Multivariate Anomaly Detection yang merupakan bagian dari fungsi machine learning bawaan dalam platformnya.

Berbeda dengan metode deteksi anomali tradisional yang biasanya hanya menganalisis satu metrik secara terpisah, fitur ini mampu memeriksa beberapa metrik sekaligus secara bersamaan. Pendekatan tersebut membantu mengurangi kesalahan deteksi (false positive) dan meningkatkan akurasi dalam menemukan masalah nyata pada sistem data yang kompleks.

Sebagai contoh, sistem dapat menganalisis metrik seperti penggunaan CPU, memori, dan latensi secara bersamaan untuk menemukan pola yang tidak normal. Dengan cara ini, tim teknologi dapat mendeteksi potensi gangguan lebih awal dan mengambil tindakan otomatis sebelum masalah berdampak pada operasional bisnis.

Keunggulan lain dari fitur ini adalah perusahaan tidak perlu membangun atau memperbarui model AI secara manual. Sistem akan belajar secara otomatis seiring perubahan data yang terjadi dalam aliran data real-time.