EL DESAFÍO
Uso de MongoDB para generar crecimiento impulsado por IA
La IA está destinada a definir nuestra vida laboral durante las próximas décadas. Empresas de todo el mundo ven su potencial y están analizando cuál es la mejor manera de adoptarla. Sin embargo, pocas la están utilizando para alcanzar los asombrosos niveles de crecimiento, tanto internamente como para sus clientes, que está logrando Relevance AI.
Con sede en Sídney, Australia, Relevance AI ofrece una plataforma sin código que permite a sus clientes crear equipos de IA personalizados on-demand. Los clientes utilizan procesos automatizados basados en grandes modelos de lenguaje (LLM) para definir y compilar agentes de IA de forma rápida y eficaz. Estos agentes de IA gestionan cargas de trabajo repetitivas y de bajo valor en áreas que abarcan desde el servicio al cliente hasta ventas, desarrollo empresarial, generación de clientes potenciales y conversión.
“Somos un equipo de 30 personas que busca crear las automatizaciones que realmente creemos que impulsarán a las empresas de la próxima generación”, explicó el cofundador de Relevance AI, Jacky Koh. “Queremos que las empresas solo estén limitadas por el tamaño de sus ideas, no por el tamaño de sus equipos”.
Fundada en 2020, los usuarios de Relevance AI abarcan una impresionante lista de clientes, desde dinámicas empresas emergentes tecnológicas hasta gigantes de Fortune 500. Sin embargo, todas tienen algo en común.
“Todas estas empresas tienen una demanda fuerte y creciente”, dijo Koh. “Existe esta antigua ecuación de que el escalado de una empresa significa hacer crecer a su equipo. Nuestra tarea es desacoplar eso, razón por la cual estas empresas en crecimiento son un punto ideal para nosotros”.
La base de datos es fundamental para la operación de Relevance AI. La empresa se lanzó en una plataforma NoSQL propietaria basada en la nube, pero rápidamente se dio cuenta de que la falta de capacidades de búsqueda vectorial era una limitación grave. Relevance AI necesitaba una solución más integral que cumpliera sus requisitos para manejar grandes y crecientes volúmenes de datos no estructurados y los vectores correspondientes de forma rápida, confiable y eficaz.
“Al principio pensamos en desarrollar la nuestra, pero luego vimos que MongoDB Atlas Vector Search había desarrollado esa capacidad”, afirmó Koh. “Ya sabíamos lo fluidas que son las capacidades de nube de MongoDB, y sus ventajas de escalado automático y observabilidad, así que fue una decisión fácil”.
LA SOLUCIÓN
Cambiar a MongoDB activar flexibilidad y manejabilidad
La decisión de Relevance AI de cambiar a MongoDB Atlas estuvo respaldada por una variedad de factores clave. Con una base de clientes global que se extiende desde Australia hasta EE. UU., Relevance AI opera clústeres regionales separados (tanto específicos para clientes como multiinquilino) en Azure y AWS.
“Esa capacidad entre regiones también fue un importante argumento de venta para MongoDB”, afirmó Koh. “Creamos servidores para cada región en la que operamos: Europa, Asia-Australia y Estados Unidos. Con MongoDB, la gestión de clústeres para cada región se realiza sin interrupciones”.
Aunque Relevance AI eligió MongoDB principalmente por sus cualidades como base de datos, destacaron otras funcionalidades que resultaron populares entre el personal de la empresa.
“Gran parte de nuestro equipo proviene de un entorno de ingeniería full-stack, por lo que MongoDB es sin duda una opción preferente para ellos a la hora de desarrollar aplicaciones”, explicó Koh. “La experiencia del desarrollador es excelente; poder introducir grandes cantidades de datos no estructurados sin efectos negativos en áreas como la latencia o el costo es una propuesta muy competitiva”.
La madurez de MongoDB como plataforma basada en la nube también resultó muy atractiva para Koh y su equipo. “MongoDB ofrece una buena observabilidad y perfiladores del query de alto rendimiento”, agregó. “La interfaz de usuario para gestionar índices también fue un punto de venta clave, que se sumó a las funcionalidades de búsqueda vectorial y escalabilidad”.
Las capacidades vectoriales son particularmente importantes para Relevance AI, lo que brinda a los equipos la flexibilidad para desarrollar una serie de diferentes aplicaciones de cliente y casos de uso basados en LLM.
“Como experimento, intentamos utilizar una base de datos vectorial independiente y MongoDB como base de datos operativa. Pero la base de datos vectorial independiente no alcanzó los resultados esperados en varios puntos de referencia diferentes”, afirmó Koh.
“Tener tanto la base de datos operativa como la base de datos vectorial en la misma plataforma hace que gestionar la escalabilidad sea mucho más sencillo y que la gestión del rendimiento sea mucho más eficaz. También nos permite utilizarla más; en lugar de solo para casos muy específicos, podemos usarla siempre que la necesitemos. Además, no tenemos que aprender otro languaje del query, lo cual es de gran ayuda”.
_1.svg)