بعد يوم واحد من إطلاق التكامل مع منصة الإنتاجية Coda، أعلنت شركة سحابة البيانات Snowflake عن إطلاق Copilot - وهو مساعد استعلامات SQL ذكي (لغة استعلام منظمة structured query language) - في المعاينة العامة (public preview).
تم الإعلان عنه لأول مرة في حدث Snowday للشركة العام الماضي، حيث يستفيد Snowflake Copilot من قوة نموذج تحويل text-to-SQL الخاص بشركة Snowflake ونموذج اللغة الكبيرة Mistral Large الذي أطلقته Mistral مؤخرًا لإنشاء استعلامات SQL ذات الصلة ومساعدة المستخدمين على فهم واستكشاف بياناتهم. استثمرت Snowflake مبلغًا لم يكشف عنه في الشركة الناشئة التي تتخذ من باريس مقراً لها الشهر الماضي لجلب مجموعة نماذجها بأكملها إلى خدمة Cortex لتطوير تطبيقات LLM.
تمثل هذه الخطوة خطوة ملحوظة أخرى من عملاق سحابة البيانات للاستفادة من قوة الذكاء الاصطناعي لتبسيط كيفية عمل المؤسسات مع أصول البيانات الخاصة بها - وهي استراتيجية تبلورت بقوة منذ أن تولى سريدار راماسوامي، الذي جاء بعد الاستحواذ على Neeva AI، أكثر من الرئيس التنفيذي.
ما يمكن توقعه من Snowflake Copilot؟
تقع Snowflake في مركز ثورة البيانات، مما يسمح للمؤسسات بتحليل أصول البيانات واستخلاص الرؤى ذات الصلة لاتخاذ القرار. لقد أدى هذا النهج إلى جعل الشركة على ما هي عليه الآن، ولكن استخلاص الرؤى كان يدور إلى حد كبير حول كتابة لغة SQL معقدة - الأمر الذي يستغرق وقتًا ولا يناسب كل مستخدم مؤسسي.
ومن خلال Copilot الجديد، الذي يتم طرحه في المعاينة العامة لحسابات AWS في الولايات المتحدة، تعمل Snowflake على حل هذا التحدي. وفقًا للعروض التوضيحية المتعددة التي شاركتها الشركة، سيجلس المساعد بهدوء داخل أوراق عمل SQL ويمنح المستخدمين واجهة محادثة لإنشاء استعلامات SQL باللغة الطبيعية. يجب على المستخدمين فقط سحب مساعد الطيار من زر "Ask Copilot" ووصف ما هو مطلوب باللغة الإنجليزية. بعد فترة وجيزة، سوف يفهم الروبوت السؤال ويعالجه وينتج كود SQL جاهز للاستخدام للتشغيل وتحقيق النتيجة المرجوة.
يقول Snowflake إنه يمكن للعملاء استخدام إمكانات إنشاء Copilot لمجموعة متنوعة من المهام، بما في ذلك استخراج البيانات من جداول متعددة للتحليل بالإضافة إلى تصحيح الاستعلامات الحالية. وإذا لم يكن لدى المستخدمين أي فكرة من أين يبدأون، فيمكنهم أيضًا المشاركة في محادثة ذهابًا وإيابًا مع المساعد لفهم بنية مجموعة البيانات والأسئلة التي يجب طرحها للحصول على رؤى. يفهم مساعد الطيار سياق البيانات ويرافق كل استعلام يتم إنشاؤه بإجابة مفصلة تغطي جميع الجوانب التي أدت إلى الإجابة، بما في ذلك الجداول المرتبطة.
لبناء هذه التجربة، استفادت Snowflake من Cortex، وهي خدمتها الخاصة لتطوير تطبيقات LLM، واستخدمت كميات هائلة من بيانات استعلام SQL وبيانات التعريف لتشغيل نموذج تحويل text-to-SQL الخاص بها وMistral Large.
"إن معالجة أكثر من 4 مليارات استفسار يتم تشغيلها يوميًا على منصتنا تمنحنا رؤى لا مثيل لها حول تحديات البيانات الأكثر تعقيدًا. ساهمت هذه الكمية الهائلة من البيانات في تطوير برنامج Copilot، متجاوزًا نماذج اللغات الكبيرة النموذجية. "لا نمتلك وجهة نظر فريدة من نوعها في التحديات التي يواجهها محللو البيانات فحسب، بل نمتلك أيضًا بيانات وصفية غنية تغذي نموذج Snowflake المخصص لتحويل النص إلى SQL والذي تستفيد منه Copilot بالاشتراك مع تقنية Mistral"، كبير مديري المنتجات في Snowflake AI، بيتر فيرهوفن. وكتب مهندس الذكاء الاصطناعي الرئيسي يوسف أوزويسال في منشور مدونة مشترك.
التوسع في خط الأنابيب
من خلال المعاينة العامة لبرنامج Copilot، تأمل Snowflake في جمع تعليقات المستخدمين لتحسين الحل وجعله جاهزًا للتوفر العام - والذي لا يزال الجدول الزمني له غير واضح في هذه المرحلة. يظل المساعد حاليًا مقصورًا على أوراق عمل SQL، لكن الشركة ألمحت إلى الخطوة التالية من التطور، حيث سيتم توسيعه ليشمل أجزاء أخرى من المنتج، ليكون بمثابة "رفيق في كل مكان" من نوع ما للمستخدمين.
وفي حين أنه لا يزال يتعين علينا رؤية ما ستكون عليه هذه المجالات، فليس من الصعب توقع النتيجة: سهولة الوصول إلى الرؤى من Snowflake لاتخاذ قرارات أسرع. قد يؤدي هذا إلى تغيير قواعد اللعبة بالنسبة للشركة، ولكن من المهم ملاحظة أن Snowflake ليست الشركة الوحيدة التي تقوم بتجربة الاستعلام باللغة الطبيعية. منذ ظهور حاملي شهادات LLM إلى الساحة، اكتشف العديد من مشغلي البيانات تبسيط تجارب منتجاتهم باستخدام الذكاء الاصطناعي التوليدي. فيما يتعلق بالاستعلام مع LLMs، أطلقت Dremio وKinetica أيضًا إمكانات مماثلة.
تم الإعلان عنه لأول مرة في حدث Snowday للشركة العام الماضي، حيث يستفيد Snowflake Copilot من قوة نموذج تحويل text-to-SQL الخاص بشركة Snowflake ونموذج اللغة الكبيرة Mistral Large الذي أطلقته Mistral مؤخرًا لإنشاء استعلامات SQL ذات الصلة ومساعدة المستخدمين على فهم واستكشاف بياناتهم. استثمرت Snowflake مبلغًا لم يكشف عنه في الشركة الناشئة التي تتخذ من باريس مقراً لها الشهر الماضي لجلب مجموعة نماذجها بأكملها إلى خدمة Cortex لتطوير تطبيقات LLM.
تمثل هذه الخطوة خطوة ملحوظة أخرى من عملاق سحابة البيانات للاستفادة من قوة الذكاء الاصطناعي لتبسيط كيفية عمل المؤسسات مع أصول البيانات الخاصة بها - وهي استراتيجية تبلورت بقوة منذ أن تولى سريدار راماسوامي، الذي جاء بعد الاستحواذ على Neeva AI، أكثر من الرئيس التنفيذي.
ما يمكن توقعه من Snowflake Copilot؟
تقع Snowflake في مركز ثورة البيانات، مما يسمح للمؤسسات بتحليل أصول البيانات واستخلاص الرؤى ذات الصلة لاتخاذ القرار. لقد أدى هذا النهج إلى جعل الشركة على ما هي عليه الآن، ولكن استخلاص الرؤى كان يدور إلى حد كبير حول كتابة لغة SQL معقدة - الأمر الذي يستغرق وقتًا ولا يناسب كل مستخدم مؤسسي.
ومن خلال Copilot الجديد، الذي يتم طرحه في المعاينة العامة لحسابات AWS في الولايات المتحدة، تعمل Snowflake على حل هذا التحدي. وفقًا للعروض التوضيحية المتعددة التي شاركتها الشركة، سيجلس المساعد بهدوء داخل أوراق عمل SQL ويمنح المستخدمين واجهة محادثة لإنشاء استعلامات SQL باللغة الطبيعية. يجب على المستخدمين فقط سحب مساعد الطيار من زر "Ask Copilot" ووصف ما هو مطلوب باللغة الإنجليزية. بعد فترة وجيزة، سوف يفهم الروبوت السؤال ويعالجه وينتج كود SQL جاهز للاستخدام للتشغيل وتحقيق النتيجة المرجوة.
يقول Snowflake إنه يمكن للعملاء استخدام إمكانات إنشاء Copilot لمجموعة متنوعة من المهام، بما في ذلك استخراج البيانات من جداول متعددة للتحليل بالإضافة إلى تصحيح الاستعلامات الحالية. وإذا لم يكن لدى المستخدمين أي فكرة من أين يبدأون، فيمكنهم أيضًا المشاركة في محادثة ذهابًا وإيابًا مع المساعد لفهم بنية مجموعة البيانات والأسئلة التي يجب طرحها للحصول على رؤى. يفهم مساعد الطيار سياق البيانات ويرافق كل استعلام يتم إنشاؤه بإجابة مفصلة تغطي جميع الجوانب التي أدت إلى الإجابة، بما في ذلك الجداول المرتبطة.
لبناء هذه التجربة، استفادت Snowflake من Cortex، وهي خدمتها الخاصة لتطوير تطبيقات LLM، واستخدمت كميات هائلة من بيانات استعلام SQL وبيانات التعريف لتشغيل نموذج تحويل text-to-SQL الخاص بها وMistral Large.
"إن معالجة أكثر من 4 مليارات استفسار يتم تشغيلها يوميًا على منصتنا تمنحنا رؤى لا مثيل لها حول تحديات البيانات الأكثر تعقيدًا. ساهمت هذه الكمية الهائلة من البيانات في تطوير برنامج Copilot، متجاوزًا نماذج اللغات الكبيرة النموذجية. "لا نمتلك وجهة نظر فريدة من نوعها في التحديات التي يواجهها محللو البيانات فحسب، بل نمتلك أيضًا بيانات وصفية غنية تغذي نموذج Snowflake المخصص لتحويل النص إلى SQL والذي تستفيد منه Copilot بالاشتراك مع تقنية Mistral"، كبير مديري المنتجات في Snowflake AI، بيتر فيرهوفن. وكتب مهندس الذكاء الاصطناعي الرئيسي يوسف أوزويسال في منشور مدونة مشترك.
التوسع في خط الأنابيب
من خلال المعاينة العامة لبرنامج Copilot، تأمل Snowflake في جمع تعليقات المستخدمين لتحسين الحل وجعله جاهزًا للتوفر العام - والذي لا يزال الجدول الزمني له غير واضح في هذه المرحلة. يظل المساعد حاليًا مقصورًا على أوراق عمل SQL، لكن الشركة ألمحت إلى الخطوة التالية من التطور، حيث سيتم توسيعه ليشمل أجزاء أخرى من المنتج، ليكون بمثابة "رفيق في كل مكان" من نوع ما للمستخدمين.
وفي حين أنه لا يزال يتعين علينا رؤية ما ستكون عليه هذه المجالات، فليس من الصعب توقع النتيجة: سهولة الوصول إلى الرؤى من Snowflake لاتخاذ قرارات أسرع. قد يؤدي هذا إلى تغيير قواعد اللعبة بالنسبة للشركة، ولكن من المهم ملاحظة أن Snowflake ليست الشركة الوحيدة التي تقوم بتجربة الاستعلام باللغة الطبيعية. منذ ظهور حاملي شهادات LLM إلى الساحة، اكتشف العديد من مشغلي البيانات تبسيط تجارب منتجاتهم باستخدام الذكاء الاصطناعي التوليدي. فيما يتعلق بالاستعلام مع LLMs، أطلقت Dremio وKinetica أيضًا إمكانات مماثلة.
