Confluent Intelligence, 실시간 비즈니스 데이터를 엔터프라이즈 AI로 확장

Confluent, 데이터 스트리밍 선도 기업, AI 에이전트 연결 및 데이터 분석 정확도 향상 위한 신규 기능 공개 데이터 스트리밍 선도 기업인 Confluent, Inc.(Nasdaq: CFLT)가 인공지능(AI) 에이전트를 연결하고 더욱 정확하고 지능적인 데이터 분석을 지원하는 새로운 Confluent Intelligence 기능을 발표했습니다. 이번 업데이트는 실시간 데이터 스트림을 활용하여 외부 AI 에이전트를 트리거하고 조율하는 Confluent의 Streaming Agents와, 여러 지표를 종합적으로 분석하여 데이터 스트림에서 비정상적인 패턴을 자동으로 탐지하는 Multivariate Anomaly Detection 기능을 포함합니다. 이를 통해 기업은 문제 발생 전에 더 높은 정확도로 이슈를 예방할 수 있게 됩니다. Sean Falconer, Confluent의 AI 총괄은 "경쟁력을 갖추기 위해서는 AI가 과거만 봐서는 안 됩니다"라며, "AI 에이전트들이 서로 협력하고 실시간으로 지속적으로 학습하며 인사이트를 공유하는 시스템이 필요합니다. Confluent Intelligence는 팀의 AI 투자와 시스템을 어디에 구축되었든 연결하여 AI가 실시간 데이터에 자동으로 반응하고, 조치를 취하며, 시스템을 조율하고, 필요에 따라 팀원에게 에스컬레이션할 수 있도록 합니다."라고 설명했습니다. 협업형 에이전트 생태계 구축 기업들은 의사 결정 자동화와 복잡한 업무 처리를 위해 AI 에이전트에 대한 의존도를 높이고 있습니다. IDC FutureScape: Worldwide Future of Work 2026 Predictions에 따르면, "2026년까지 G2000 기업의 모든 직무 중 40%가 AI 에이전트와 협업하게 될 것이며, 이는 기존의 전통적인 초급, 중급, 고급 직책을 재정의할 것입니다." 이는 보수적인 추정치일 가능성이 높습니다. 하지만 에이전트가 다양한 도구와 시스템으로 확산되면서 대부분은 고립적으로 운영됩니다. 에이전트들이 서로 소통하거나 비즈니스 전반에 걸쳐 컨텍스트를 공유할 수 없다면, 인사이트는 사일로에 갇히고 의사 결정은 파편화될 수 있습니다. Confluent의 Streaming Agents는 Anthropic의 Model Context Protocol(MCP)을 통해 AI 에이전트를 실시간 데이터에 연결하고, A2A 프로토콜을 통해 다른 에이전트와 연결함으로써 이러한 문제를 해결합니다. 이를 통해 LangChain과 같은 에이전트 프레임워크, BigQuery, Databricks, Snowflake와 같은 데이터 플랫폼에서 지속적으로 정보를 분석하여 인사이트를 생성하고, Salesforce 및 ServiceNow 워크플로우와 같은 엔터프라이즈 AI 플랫폼을 트리거하여 즉각적인 조치를 취함으로써 인사이트와 실행 간의 격차를 해소합니다. 이러한 시스템을 연결함으로써 Confluent는 스트림 수준의 분석을 "인사이트에서 실행으로" 전환하여 비즈니스 요구 변화에 신속하게 적응하는 데 필요한 실시간 인텔리전스를 생성합니다. Streaming Agents의 A2A 지원을 통해 팀은 다음과 같은 이점을 얻을 수 있습니다. 모든 산업 분야의 팀은 Streaming Agents의 A2A 지원을 활용하여 매출 증대, 위험 감소, 비용 절감을 달성할 수 있습니다. Streaming Agents는 소매 분야에서 맞춤형 제안을 제공하고, 금융 서비스 분야에서 신용 위험 심사를 줄이며, 의료 분야에서 치료 권장 사항을 자동화하고, 제조 분야에서 유지보수를 예측하며, 통신 분야에서 장애를 사전에 복구하는 데 사용될 수 있습니다. Streaming Agents의 A2A 지원은 현재 Open Preview로 제공됩니다. 실시간 신호에 기반한 조치 및 사각지대 제거 기업은 그 어느 때보다 많은 데이터를 생성하지만, 무엇이 중요하고 무엇을 무시해도 되는지 이해하는 데 어려움을 겪고 있습니다. 이상 탐지는 사람이 스스로 발견할 수 없는 위협과 기회를 드러냅니다. 전통적인 이상 탐지는 종종 지표를 개별적으로 분석하며, 과거 데이터에 대한 배치 기반 분석으로 제한되는 경우가 많습니다. 단순한 통계 기준선에 의존하는 이러한 시스템은 노이즈, 급증, 잘못된 데이터에 매우 민감합니다. 컨텍스트 없이는 잘못된 양성 결과를 생성할 수 있으며, 일반적으로 시스템에 이미 영향을 미친 후에야 문제를 표면화합니다. Confluent의 Multivariate Anomaly Detection은 내장된 Machine Learning (ML) Functions의 새로운 기능으로, 관련 지표를 함께 분석하여 잘못된 양성 결과를 줄이고 실제 문제를 더 빠르게 포착합니다. 이를 통해 팀은 데이터 이상치를 무시하면서 여러 지표에 걸쳐 이상을 탐지할 수 있어 복잡한 데이터 모니터링의 정확도를 높일 수 있습니다. 팀은 모델을 구축하거나 업데이트할 필요 없이 즉시 Multivariate Anomaly Detection을 사용할 수 있으며, 모델은 데이터 변화에 따라 학습합니다. 또한, 팀은 다음과 같은 기능을 활용할 수 있습니다. Multivariate Anomaly Detection의 Early Access를 신청하려면 여기를 클릭하십시오. 추가 정보 및 기타 Confluent 뉴스 Confluent Intelligence에 대한 자세한 내용은 Confluent Intelligence 블로그를 참조하십시오. 이 출시 블로그에는 새로운 마이그레이션 도구인 Kafka Copy Paste(KCP) 및 Kafka용 Queues를 포함한 모든 새로운 Confluent Cloud 기능이 포함되어 있습니다. Confluent는 데이터 인프라의 근본적으로 새로운 범주를 개척하는 데이터 스트리밍 플랫폼으로, 데이터를 움직이게 합니다. Confluent의 클라우드 네이티브 제품은 데이터 이동을 위한 기반 플랫폼으로, 여러 소스의 실시간 데이터가 조직 전체에 걸쳐 지속적으로 스트리밍될 수 있도록 하는 지능형 연결 조직 역할을 하도록 설계되었습니다. Confluent를 통해 조직은 풍부한 디지털 프런트엔드 고객 경험을 제공하고 정교한 실시간 소프트웨어 기반 백엔드 운영으로 전환하는 새로운 비즈니스 필수 요건을 충족할 수 있습니다. 자세한 내용은 confluent.io를 방문하십시오.