L'AWS re:Invent dello scorso novembre non è stata solo l'occasione per Amazon per annunciare le nuove funzionalità in arrivo, ma ha anche dato l'occasione ai partner storici della compagnia di rinnovare il loro impegno nell'investire sull'innovazione.
Uno degli annunci più interessanti coinvolge MongoDB: la compagnia ha annunciato l'integrazione di Atlas Vector Search con Amazon Bedrock, il servizio per creare e scalare applicazioni di IA, per consentire alle organizzazioni di sviluppare più velocemente le proprie soluzioni su AWS.
Boris Bialek, Field CTO Industries di MongoDB, ci ha parlato della presenza della compagnia in Italia e ha sottolineato l'importanza di una soluzione come Atlas Vector Search per creare esperienze utente coinvolgenti e personalizzate.
MongoDB in Italia
Oggi MongoDB ha una forte presenza sul territorio italiano, con circa 17.000 sviluppatori e più di 800 clienti attivi, tra i quali spiccano Poste Italiane, ENI, INAIl e diversi enti pubblici ai quali offrono i propri servizi appoggiandosi a partner locali.
Bialek sottolinea che la compagnia è particolarmente attiva nei settori bancario, delle telecomunicazioni e del manifatturiero, e si concentra in particolare sui casi d’uso dell'IoT.
Uno dei progetti più interessanti di MongoDB per l’Italia è l’implementazione di un back end per la realizzazione di un sistema aperto di dati sanitari pensato per raccogliere le informazioni dei pazienti e renderle disponibili ai diversi medici e agli ospedali.
Anche nel nostro Paese la compagnia offre opzioni flessibili e piani personalizzabili per ogni livello: dai servizi gratuiti o pay-per-use accessibili direttamente dal sito web della compagnia, al supporto diretto per i partner, fino alla collaborazione con gli hyperscaler attivi sul territorio, in particolare per gestire il problema della sovranità dei dati.
Atlas Vector Search risponde alle esigenze dei clienti
Bialek spiega che i clienti della compagnia non cercano solo le performance elevate, ma soprattutto la qualità delle funzionalità offerte, come la capacità di aggregazione e la disponibilità dei servizi.
"Uno degli aspetti chiave della compagnia, ciò che MongoDB ha fin dall’inizio è l’incredibile disponibilità: rilasciare aggiornamenti di default dal day one, accesso ridondante e automatico ai data store, accesso parallelo a nodi multipli” afferma Bialek. “Ci sono poi altre parti, come le note analitiche e le note di ricerca vettoriale. È quindi possibile disporre di funzionalità. Prima era necessario avere un proprio database di ricerca vettoriale e di una ricerca tecnologica propria, come Elasticsearch; ora tutto questo è integrato in MongDB, quindi non bisogna mai uscire dal servizio".
Atlas Vector Search è una piattaforma integrata che permette di sincronizzare i dati memorizzati nel database con i vettori in cui vengono memorizzate le informazioni semantiche. La vettorizzazione dei dati viene effettuata in automatico dal sistema, permettendo agli sviluppatori di concentrarsi sullo sviluppo dell'applicazione.
La ricerca vettoriale è diventata una delle possibilità più interessanti dopo la diffusione dell’intelligenza artificiale: questo approccio consente di eseguire ricerche rapide sui dati basandosi sulle similarità semantiche invece che sui valori esatti; ciò significa che, anche se due record di dati non sono identici ma sono contestualmente o semanticamente simili, vengono comunque associati durante la ricerca.
Integrando in un unico database questo tipo di ricerca con quella classica si possono ottimizzare i processi, risparmiando tempo. Questo approccio è particolarmente utile per le applicazioni in tempo reale dove le decisioni devono essere prese nell’ordine di millisecondi.
"Ciò che volevamo davvero erano le feature di un database relazionale, come la compliance, la scalabilità, lo schema e le validazioni senza essere legati al formato dei dati" continua Bialek.
Ciò che rende davvero competitiva MongoDB nel mondo dell'IA è la possibilità di prendere i dati, in qualsiasi formato essi siano, e inserirli in un contesto semantico significativo che aiuti le imprese a prendere decisioni nel più breve tempo possibile.
L'integrazione di AWS Bedrock con Atlas Vector Search consente di sfruttare i dati operativi delle aziende per integrare più facilmente l’IA generativa e la ricerca semantica nelle applicazioni, così da creare delle esperienze utente coinvolgenti e personalizzate.
MongoDB ha inoltre annunciato Atlas CLI, una funzionalità particolarmente utile per gli sviluppatori che vogliano mettere alla prova la ricerca vettoriale sul proprio laptop. Con una semplice CLI in locale è possibile installare con un solo comando Atlas Search Vector ed eseguire immediatamente la ricerca vettoriale in maniera ottimizzata, senza dover impostare un ambiente dedicato e complesso da gestire.