4大企业实例解析：为何MongoDB Atlas成为AI服务构建的首选

随着人工智能和生成式AI技术的迅猛发展,众多企业和机构正积极利用自然语言处理(NLP)、大型语言模型(LLM)等前沿技术,打造出一系列AI驱动的产品、服务和应用程序。本文将展示四家已在AI创新领域取得显著成效的企业,以及他们与MongoDB的紧密合作。这些企业选择了MongoDB Atlas这一多云的开发者数据平台,将操作、分析和生成式AI的数据服务完美融合,从而简化了AI应用程序的构建流程。

1. Pending AI: 利用下一代技术,革新药物研发

澳大利亚的Pending AI公司凭借前沿的AI和量子技术,成功打造出Pending AI平台,旨在攻克药物研发初期阶段的核心难题。该平台显著提升了化合物发现流程的效率和效果,使研究人员在更短时间内、更低成本下,获得更优质、更具商业价值的模型,进而推进临床开发进程。

在开发如生成式分子设计器等核心功能时,Pending AI遭遇了巨大的挑战。因为化学领域涉及的已知药理学相关分子数量庞大无比,涵盖超过5000万种化学反应和数十亿个分子构建块。要精准设计出所需分子并确定其最佳合成路径,专业科学家往往需要经历成本高昂、耗时低效的试错过程。因此,Pending AI急需一个能够高效处理海量数据且性能卓越的数据库,以满足化学领域的广泛需求。

图一：Pending AI生成式分子设计器等工作成果

在对比多个数据库后,Pending AI最终选择了MongoDB。作为久经考验、稳定可靠且易于部署的解决方案,MongoDB助力Pending AI团队在MongoDB Atlas上成功构建高性能部署。尤其在Pending AI开始采用AWS云时,MongoDB Atlas以低成本的全托管方案亮相,并通过在AWS和MongoDB集群间建立私有端点,确保了数据传输的最低延迟和安全性。

展望未来,Pending AI计划进一步探索MongoDB 7.0中的Atlas Search功能。此举旨在将目前难以管理和维护的搜索功能直接集成到MongoDB中,从而摆脱对需单独维护的Elasticsearch集群的依赖,为药物研发带来更为便捷与高效的体验。

2. Eclipse AI: 洞察客户互动,实现收入增长

Eclipse AI作为一款SaaS平台,其核心价值在于将分散于多个渠道(如客户电话、电子邮件、调查问卷、产品评论、支持工单等)的客户互动数据转化为深刻的洞察,进而助力企业留住客户并提升收入。该平台的设计初衷便是为了解决客户体验(CX)团队长期以来面临的挑战,使他们不必再为整合与分析多渠道客户反馈数据而耗费大量时间与人力。

在将客户反馈转化为可操作洞察的过程中,Eclipse AI首要面临的问题是整合那些碎片化的客户声音数据;其次,则是深入分析这些数据,提炼出具体的改进措施,以优化客户体验并防止客户流失。

MongoDB Atlas以其灵活的文档数据库特性,能够轻松存储和索引非结构化数据的向量嵌入,因此成为Eclipse AI的理想选择。借助MongoDB Atlas,Eclipse AI的开发团队能够高效、快速地构建产品,同时免去了管理基础设施的繁琐工作。此外,MongoDB Atlas Device SDKs(前称Realm)和MongoDB Atlas Search等功能在Eclipse AI平台的功能实现中发挥了至关重要的作用。

图二：Eclipse AI – MongoDB仪表盘

对Eclipse AI而言,MongoDB不仅是一个强大的数据库,更是一种数据即服务的理念,它助力Eclipse AI快速迭代并发布新功能,从而不断满足市场与客户的需求。

3. Safety Champion: 构建未来安全管理,着眼生成式AI

Safety Champion,自2015年起便致力于革新安全管理行业,深知工作场所安全的重要性。该公司充分利用云技术,打破传统纸质流程局限,引领行业变革。其创始人Craig Salter强调,数据是服务核心,推动下一代安全计划的关键。因此,Safety Champion选择MongoDB作为技术基石,并于2017年采用MongoDB Atlas,提升了成本效益,降低了管理负担。

MongoDB的易用性使应用开发迅速简便,性能提升显著,为开发人员节省时间,专注业务创新和客户需求。MongoDB Charts为客户提供强大的分析功能,助力做出基于证据的安全决策。经过近十年发展,特别是在疫情期间,Safety Champion平台迅猛增长,客户数超2000家,每月处理文档高达10万份,开发团队规模翻倍。

图三：Safety Champion 平台

展望未来,Safety Champion计划利用MongoDB在生成式AI、搜索和多区域等方面的优势,满足多样化需求。公司正升级至MongoDB 6.0,全面融入MongoDB Search,并计划于2024年下半年使用MongoDB Vector Search。Safety Champion正研究利用语义洞察理解员工文本数据,结合大型语言模型提取有价值信息。

Craig Salter表示,客户期望从数据中获取深入分析、见解和更高层次意义。MongoDB Atlas支持下的Safety Champion新平台,标志着公司迈向新阶段,借助生成式AI等功能,引领安全管理新纪元。

4. Syncly: 利用MongoDB Atlas Vector Search加速客户反馈分析创新

在现今商业环境中,企业对客户反馈的迅速响应与深入分析已成为业务增长的关键。客户之声(VoC)服务日益复杂,需要借助AI技术提升分析效率。韩国的Syncly公司,作为软件即服务领域的初创企业,敏锐捕捉到了VoC市场的潜力,推出了AI驱动的客户反馈分析解决方案。

Syncly平台集成多种渠道,实时收集、管理VoC数据,并通过AI进行深入分析,为企业提出改进措施,增强客户关系。其服务核心在于自动处理大量数据,为VoC提供全面可见性,并重视语义搜索在定性分析中的作用。

然而,传统搜索功能在处理复杂数据时存在局限。Syncly积极采用AI技术,应对结构化与非结构化数据的挑战,实现高效相似性分析。为此,Syncly引入了MongoDB Atlas Vector Search,自动化数据加载与相似性分析,减轻开发者负担,提高生产力。

图四：Syncly 平台

随着服务的拓展,Syncly计划整合MongoDB的商业工具,增加搜索节点和全球集群,提升处理能力。同时,团队还将利用AI开发VoC服务,与MongoDB韩国团队紧密合作,优化产品与服务,确保安全性。

这一系列举措将使Syncly在客户反馈分析领域保持领先,推动持续创新。通过利用MongoDB Atlas Vector Search等先进技术,Syncly正助力企业更高效地聆听客户之声,提升业务竞争力。

MongoDB Atlas是为AI量身打造的数据库解决方案。MongoDB以其卓越的能力,助力企业及其开发团队有效管理那些难以整齐地适应传统关系数据库严格行和列结构的丰富结构化数据,并将其转化为富有意义且具备操作性的洞察,从而推动AI的实际应用。此外,MongoDB Atlas新增的Vector Search(向量搜索)功能,使得开发者能够构建出由语义搜索和生成式AI驱动的智能应用,这些应用可适用于各种类型的数据。同时,MongoDB Atlas还引入了AWS CodeWhisperer编码助手,为企业提供了更多探索AI的可能性。

本文所提及的仅是MongoDB Atlas在AI领域可实现功能的冰山一角。MongoDB的客户遍布全球,涵盖从初创企业到游戏、汽车、制造业、银行、电信等多个行业。这些客户正积极采用MongoDB Atlas及其Atlas Search、向量搜索等功能,共同描绘出未来十年AI和生成式AI的发展蓝图。