企业正争先恐后地引入人工智能，但陈旧的数据系统和基础设施成本负担仍然拖累着其步伐。特别是随着基于AI的智能体不断普及，对数据一致性和收集方式进行全面重构的要求日益迫切。在AWS re:Invent活动上，Cribl首席执行官克林特·夏普对企业AI准备情况的现状与挑战进行了诊断，并强调了这一点。
夏普CEO指出：“企业规模越大，管理层与执行技术采购的部门之间的脱节就越严重。”他分析道：“一些首席执行官声称要‘全力投入AI’，但法务或合规部门实际上仍在阻碍AI的引入。”不过，他预测这种谨慎态度将逐渐减弱，最终会倾向于接受“智能体时代”。
AI智能体所承诺的生产力提升效果固然明显，但随之而来的数据基础设施扩展成本也绝非小数。据夏普介绍，如今企业数据量正以年均30%的速度增长，而基础设施已难以承受这种压力。在此基础上，要应对AI智能体可能产生的数百倍查询和遥测数据，日志收集系统也必须呈指数级扩张，这带来了新的问题。
他表示：“过去由人类在搜索框中输入的行为，现在由AI自动化执行，这意味着查询数量可能增加5倍、10倍甚至20倍。要全部容纳这些数据，基础设施支出将难以承受。”他进一步指出：“因此，如果仅凭性能表现就期待投资回报率，那将是一个巨大的误解。”
为此，Cribl推出了旨在提升处理效率的解决方案，其方式并非简单收集日志数据，而是预先进行过滤、重新路由和结构化处理。这种策略旨在增加查询处理量的同时，抑制日志堆栈的扩张。夏普特别强调，未来AI智能体要有效运作，需要的不是非结构化日志，而是意义明确的结构化数据以及能够容纳这些数据的现代数据湖仓架构。
他补充道：“数据必须是结构化的，语义必须清晰整理。只有这样，智能体才能正确理解数据并采取行动。”他还表示：“即使合规部门目前仍在抑制AI的引入，企业也必须从现在开始准备，才能在真正引入时获得应有的效益。”
在AI市场预期不断高涨的背景下，企业的数据战略已不再仅仅是技术选择，而是正在崛起成为核心管理议题。现在正是需要对分布式日志基础设施采取新方法的时候。
