Topics

Op 27 november 2025 heb ik de "Data & AI Summit '25 Fall" bijgewoond, georganiseerd door Google.

Onlangs besloot ons bedrijf serieus werk te maken van "data-utilisatie" en lanceerde in stilte een project. Aanvankelijk werkten we er langzaam aan, beginnend met wat we konden doen, maar op een dag hoorden we dat Google de "Data & AI Summit '25 Fall" organiseerde.

Ik besloot zonder veel nadenken naar het evenement te gaan, met de gedachte: "Ik moet op de hoogte blijven van de nieuwste trends in datagebruik!", maar het was een uitstekende beslissing. Ik heb veel meer interessante presentaties gehoord dan ik had verwacht.

Gegevens & AI Summit '25 herfst とは？

Zoals je waarschijnlijk al aan de naam van het evenement kunt zien, ging deze presentatie over "AI-agenten". Het was een hybride evenement met ongeveer 3000 deelnemers, wat het een groot succes maakte. Ik was er zelf bij en er stonden rijen voor sommige presentaties. Sommige mensen moesten zelfs staan ​​omdat er geen zitplaatsen waren. Ik kreeg een goed beeld van de grote belangstelling voor dataverwerking en AI.

Het dagprogramma ziet er als volgt uit.

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

In dit artikel doen we verslag van de keynote speech en de bijzonder memorabele sessies!

Hoofdlezing: Op weg naar een tijdperk van 'co-creatie' met data-agenten - Data-analyse van de volgende generatie met een AI-ready data-infrastructuur

De keynote speech bestond uit drie delen: "Drie vereisten voor AI-agenten" door Hamada van Google Cloud, gevolgd door voorbeelden van datagebruik door Lion Corporation en Mercari, Inc., en een "demonstratie van conversationele analyses" door de technologieafdeling van Google.

◼︎Drie vereisten voor AI-agenten

Hamada gaf een presentatie over de drie essentiële vereisten voor een volledige introductie van AI-agenten en het laten afhandelen van bedrijfsprocessen door deze agenten: "Actie", "Geheugen" en "Context".

Actie: AI-agenten moeten proactief handelen, niet passief.

De kern van de zaak is "transparantie van het denkproces". Hij legde uit dat het concept van "geavanceerd redeneren", waarbij een reeks stappen in fasen wordt onderverdeeld, essentieel is voor het verbeteren van de transparantie van de analyse.

Geheugen: "Kortetermijngeheugen" en "langetermijngeheugen" zijn nodig voor een effectieve werking van een AI-agent.

Tijdens een uitleg over 'langetermijngeheugen', waarmee bedrijven in realtime toegang krijgen tot hun gegevens, werd een voorbeeld gegeven van iemand die via spraakopdrachten met een AI-agent communiceerde om een ​​product te bestellen. Dit was veel sneller dan de traditionele methode met tikken op het scherm, en het bevestigde voor mij hoe vertrouwd deze technologie inmiddels is geworden.

Context: Context is essentieel om de betrouwbaarheid van antwoorden te waarborgen.

Het belang van de "semantische laag" bij het vinden van de juiste database en berekeningsformule werd toegelicht.

Ik kreeg in latere colleges vaak de gelegenheid om meer te horen over de semantische laag, en ik merkte dat er steeds meer aandacht aan wordt besteed.

◼︎Voorbeelden van datagebruik

Lion Corporation gaf een presentatie over het bouwen van een data-infrastructuur, en Mercari Inc. presenteerde haar inspanningen om data te democratiseren.

De democratisering van data heeft met name veel indruk op me gemaakt, omdat het iets is dat me persoonlijk raakt. De introductie van AI-agenten heeft het voor iedereen mogelijk gemaakt om toegang te krijgen tot data, iets wat voorheen alleen weggelegd was voor analisten, en dat is iets wat ons bedrijf graag wil navolgen.

Tijdens een latere brainstormsessie binnen het bedrijf bespraken we hoe we dit idee direct wilden implementeren.

◼︎Demo van Conversational Analytics uitgebracht

Een demonstratie van een conversationele analyse-agent werd gepresenteerd aan de hand van "Conversation analytics agent in BigQuery" als voorbeeld.

Hoewel ik al enige ervaring had met BigQuery, wist ik niet dat het mogelijk was om data te analyseren met behulp van natuurlijke taal, dus het was echt een openbaring. De ondersteuning is uitstekend, met suggesties van Gemini voor het verbeteren van de data-nauwkeurigheid en het automatisch genereren van 'golden queries', en ik was onder de indruk van hoe relatief eenvoudig de installatie was.

Oefening baart kunst met de Conversational Analytics API! Hoe bouw je een AI-agent die data uit BigQuery haalt met behulp van natuurlijke taal?

In een presentatie van Irete Inc. werd een casestudy gepresenteerd over data-analyse in chatvorm, waarbij "Big Query" en de "Conversational Analytics API" werden gecombineerd.

Het idee was om sitegegevens op te slaan in BigQuery en vervolgens alle query-uitvoering en -analyse uit te besteden aan de Conversational Analytics API. Door de AI-agent toegankelijk te maken vanuit alledaagse communicatietools, werd een omgeving gecreëerd waarin iedereen de gegevens gemakkelijk kon gebruiken.

De inhoud belichaamde perfect de "democratisering van data" waarover in de keynote speech werd gesproken, en de structuur was heel eenvoudig. Ik wilde het meteen in mijn bedrijf implementeren.

Ik zou het graag zelf implementeren, maar gezien de benodigde praktische vaardigheden zou dat waarschijnlijk jaren duren, dus laat ik het liever aan onze ingenieurs over!

Minimale stappen! Samenwerking tussen een aan Google Trends gekoppelde AI-agent en de productmaster.

Tijdens een lezing van AEON Smart Technology Co., Ltd. werd uitgelegd hoe zij AI gebruiken voor "productstamgegevens", een initiatief dat uniek is voor een bedrijf met fysieke winkels.

De presentaties waren gericht op twee uitdagingen: "Het oplossen van onduidelijke zoekopdrachten" en "Automatische trendmatching". Beide presentaties maakten gebruik van Google Vertex AI Search.

— Fuzzy zoeken met behulp van AI in productstamgegevens

Hij sprak over het probleem van klanten die vage vragen stellen zonder specifieke productnamen, een probleem dat uniek is voor bedrijven met fysieke winkels. Conventionele systemen vereisen een "exacte overeenkomst", waardoor vragen die voor mensen gemakkelijk te beantwoorden zijn, een grote hindernis vormen voor het systeem. Dit is een initiatief om een ​​AI-aanpak te proberen om dit probleem aan te pakken.

Het demonstratiescherm toonde een systeem dat direct relevante productinformatie uit big data genereert, zelfs bij vage invoer zoals een internetzoekopdracht. Ik begreep niet helemaal hoe het werkte, maar ik was gewoon onder de indruk dat een bedrijf zoiets kon.

— Trenddetectie en automatische afstemming met productgegevens

Ze legden uit dat ze een tool overwegen die direct informatie over externe trends kan vastleggen en deze automatisch kan koppelen aan hun eigen productgegevens. Het doel hiervan is om de tijd te verkorten tussen het moment dat een klantbehoefte ontstaat en het moment dat het product daadwerkelijk in de winkels ligt.

Dit was ook een presentatie over de allernieuwste technologie, en het was erg interessant. Ik kan me nog niet voorstellen hoe we het in onze diensten kunnen gebruiken, maar ik zou "Google Vertex AI Search" graag zelf willen uitproberen.

samenvatting

We hebben alleen de meest memorabele sessies uitgekozen en geïntroduceerd, maar wat vond u ervan? We hopen dat we een beetje van het enthousiasme dat we voelden bij de "innovatie die door data-agenten mogelijk is gemaakt" met u hebben kunnen delen.

Eerlijk gezegd boekten we maar langzaam vooruitgang op het gebied van data-analyse, maar deelname aan deze top was een uitstekende gelegenheid om onszelf eraan te herinneren dat we er serieus mee aan de slag moeten om niet achterop te raken.

Allereerst wil ik beginnen met de definitie van de data- en semantische laag, waarvan het belang deze keer al meerdere malen is benadrukt.