Come Atlas Agent Engine abilita la strategia interna di AI di MongoDB

Ho trascorso più di 25 anni nel settore tecnologico, il che significa che raramente sono sorpreso dalle nuove tecnologie: di solito le vedo da vicino prima del pubblico generale. In qualità di leader IT, non valuto mai una nuova funzionalità in isolamento; viene sempre pesata rispetto a casi d'uso aziendali reali e rispetto ai rischi che ne derivano. Oggi, quando mi chiedono cosa significhi essere un CIO nell'era dell'AI, dico sempre che equivale a svolgere due lavori contemporaneamente: quello dell'ingegnere che rinforza la diga e quello dell'operatore che, comunque, deve aprire le paratoie.

Questa settimana MongoDB ha annunciato la public preview di Atlas Agent Engine e non potrei essere più entusiasta di ciò che promette per i clienti. Atlas Agent Engine offre un modo sicuro per creare, distribuire e gestire agenti AI in produzione. Grazie alla memoria e al recupero integrati, Atlas Agent Engine indicizza i dati aziendali dove risiedono e fornisce un contesto preciso in tempo reale, migliorando l'accuratezza e riducendo al contempo i costi dei token. Inoltre, è aperto e flessibile per progettazione: ciò significa che i team possono sviluppare con l'LLM e il framework che preferiscono (e presto in qualsiasi ambiente di loro scelta).

I clienti sono già entusiasti del potenziale che Atlas Agent Engine offre alle loro aziende. Ad esempio, Paysafe utilizza MongoDB Atlas per alimentare un sistema agentico per query da linguaggio naturale a SQL su dati transazionali: la prima di una serie di pipeline di flussi di lavoro riutilizzabili che Paysafe prevede di realizzare come template per futuri casi d'uso.

Oggi, la configurazione Snowflake MCP dell'azienda offre ai client API solo una comprensione limitata dello schema di dati sottostante. L'architettura documentale flessibile e la scalabilità affidabile di MongoDB Atlas supportano un agente progettato per sostituire tale configurazione con una pipeline più potente e riutilizzabile che i client API possono interrogare direttamente in linguaggio naturale.

“Oggi, indagare su un'attività insolita nella nostra rete di pagamento significa che i nostri analisti devono aggregare manualmente i dati provenienti da molteplici sistemi, spesso sotto pressione temporale”, ha affermato Jana Janarthanan, SVP of Payment Engineering, Paysafe. “Siamo entusiasti del potenziale di un agente intelligente, basato su Atlas Agent Engine di MongoDB, di ridurre i tempi tra il manifestarsi di un problema e l'intervento del nostro team, dando ai nostri analisti più tempo per concentrarsi sui giudizi che contano di più”.

Quando il team di MongoDB mi ha presentato per la prima volta Atlas Agent Engine, la frase “sicuro e governato fin dalla progettazione” ha subito attirato la mia attenzione. Perché se c'è qualcosa che mi tiene sveglio la notte, è il pensiero degli agenti che si scatenano nei sistemi di MongoDB (o dei nostri clienti).

La governance degli agenti non è solo una mia preoccupazione. È al centro delle notizie ed è un tema con cui i CIO di tutto il settore si stanno confrontando. Ogni conversazione con i colleghi conferma la stessa cosa: la domanda di agenti in tutta l'azienda continua a crescere, ma i leader IT hanno bisogno di un modo per distribuirli in modo sicuro e affidabile, non solo rapidamente.

Fondamentalmente, questa è una storia di centralizzazione contro decentralizzazione. Gli sviluppatori desiderano l'autonomia per distribuire gli agenti rapidamente con il minimo sforzo; i leader IT desiderano un controllo centralizzato, visibilità e leve di ottimizzazione dei costi su come si comportano gli agenti su scala. Le organizzazioni che riusciranno in questo intento costruiranno un'architettura in grado di offrire entrambi i risultati.

Il software sta diventando sempre più headless e orientato agli agenti, e i CIO hanno bisogno di opzioni ora. In altre parole, il futuro è arrivato e il nostro compito è modellarlo in modo responsabile.

Customer zero: la nostra strategia di AI interna in azione

Uno dei modi in cui lo facciamo in MongoDB è agire come “cliente zero” per i nostri prodotti. Il settore ha molti nomi diversi per questa pratica, come “dogfooding” o “bere il proprio champagne”, ma il significato è lo stesso. Prima di rilasciare un prodotto, agiamo come nostri clienti per testare il software in produzione, utilizzando casi d'uso e situazioni reali.

Ad esempio, quando l'azienda ha rilasciato MongoDB 8.0 nel 2024, il mio collega Jim Scharf ha scritto un post sul blog su quanto la versione 8.0 abbia migliorato le prestazioni del team.

Con Atlas Agent Engine, il nostro dogfooding ha preso la forma di Holly: uno spazio di lavoro agentico unificato che offre ai venditori di MongoDB un unico punto di riferimento per tutto ciò di cui hanno bisogno, anziché sette. Prima di Holly, preparare un singolo account significava saltare tra sette strumenti disconnessi, nessuno dei quali condivideva il contesto l'uno con l'altro, da 4 a 6 ore per account, per ciclo di trattativa, bruciate in una pura tassa sugli strumenti. Holly pone fine a tutto questo. Sette strumenti diventano un'esperienza agentica e i rappresentanti recuperano tempo per impiegarlo dove conta: con i clienti.

Holly: Riduce ore di lavoro in minuti

I team GTM di MongoDB seguono una metodologia standardizzata e passo-passo per comprendere lo stato attuale di un cliente, i suoi obiettivi e cosa serve per portarlo dove deve arrivare. I rappresentanti lo chiamano "raggio" e non è una cosa rapida; Jack Bunkenburg, Strategic Account Executive di MongoDB, afferma che i raggi gli consumano un giorno o due alla settimana, ogni settimana.

Il problema non era il processo, ma gli strumenti. Gli addetti avevano bisogno di uno strumento che comprendesse l'intero corpus di dati da cui attingono e che mantenesse la memoria tra sistemi che non si erano mai parlati prima.

Senza di questo, lavorare su un account tramite sette strumenti diversi è un po' come vedere sette specialisti per una sola patologia, senza che nessuno di loro riesca a vedere cosa hanno scoperto gli altri. Ogni visita ricomincia da capo: rispieghi i tuoi sintomi, la tua anamnesi e ciò che l'ultimo medico ha già appreso. Ogni specialista può essere eccellente. Ma il sistema continua comunque a fallire, perché il contesto non viaggia mai. Solo tu puoi farlo.

Prima di creare qualsiasi cosa, il team ha osservato come si svolgeva effettivamente il lavoro, e la realtà sul campo era, nelle parole di Bunkenburg, "decisamente più disordinata" rispetto al processo su carta. La sola ricerca sugli account comportava il doversi destreggiare tra molteplici strumenti di AI (ChatGPT, Claude, Gemini) che non condividono il contesto tra loro né con i sistemi di MongoDB e che restituiscono risposte generiche e standardizzate. Anche trovare elementi di prova era altrettanto manuale. Così come filtrare i risultati per individuare ciò che contava davvero.

Holly è la soluzione: il contesto condiviso che gli altri strumenti non hanno mai avuto. Un'unica interfaccia, zero cambi di strumento, che riunisce tutto ciò di cui un venditore ha bisogno per ricercare, preparare ed eseguire. Al di sotto, Atlas Agent Engine svolge il lavoro pesante: runtime, sicurezza, identità, orchestrazione, stato, osservabilità e gestione del ciclo di vita: in modo che gli agenti di Holly vengano eseguiti in produzione, non solo in una demo.

Figura 1. L'architettura agentica di Holly.

In pratica, ciò significa che Holly cura e riassume le trascrizioni delle riunioni, redige brief, solleva domande a cui il rappresentante non ha ancora risposto e aiuta a scrivere le attività di sensibilizzazione. Il risultato: i rappresentanti che utilizzano Holly hanno ridotto di circa il 95% il tempo necessario per ricercare e creare un elenco di prospezione outbound, e la preparazione che richiedeva ore ora richiede minuti. Ciò significa che i rappresentanti entrano in ogni conversazione meglio preparati, non solo più velocemente.

“Prima di Holly, usavo una dozzina di strumenti diversi per fare ricerca e attività di outreach, quindi avere tutto in un'unica interfaccia è stato un vero valore aggiunto”, ha affermato Bunkenburg. “Molti strumenti non comprendono il business di MongoDB o esattamente cosa stiamo cercando di ottenere con loro, ma Holly sì”.

La piattaforma dati intelligente per l'era dell'AI

In futuro, la visione è che Holly diventi un layer di intelligenza completamente integrato che comprenda profondamente MongoDB, i nostri clienti e i singoli account, aiutando l'intera organizzazione GTM a eseguire flussi di lavoro end-to-end in modo più efficace.

La parte che mi entusiasma di più è ciò che sta alla base di Holly stessa. Oggi Holly funziona su circa 30 agenti, tutti basati sulla stessa architettura di Atlas Agent Engine. Questa architettura non diventa più instabile man mano che si aggiungono agenti; è stata progettata per reggere sia che tu ne stia eseguendo 30 o 3.000. Non abbiamo semplicemente creato uno strumento per il nostro team GTM. Abbiamo convalidato un blueprint: uno schema che scala in modo sicuro a ogni nuovo agente aggiunto da un'organizzazione, invece di accumulare rischi a ogni aggiunta.

Questo è il cambiamento rappresentato da Atlas Agent Engine: andare oltre gli agenti singoli verso una piattaforma governata e riutilizzabile che non sia vincolata a un singolo cloud, modello o framework. È la differenza tra sperare che i tuoi agenti si comportino come dovrebbero e sapere che lo faranno, a prescindere da quanti ne stai eseguendo.

Il lancio di Atlas Agent Engine è uno dei tre annunci principali fatti da MongoDB questa settimana, insieme a MongoDB 9.0 e Atlas Infinite. I lanci si basano l'uno sull'altro: MongoDB 9.0 rafforza la base su cui ogni cliente MongoDB già opera, Atlas Infinite rimuove i limiti relativi a come tale base può scalare e Atlas Agent Engine mette al lavoro gli agenti AI su entrambi, governati e basati su dati in tempo reale.

Gli sviluppatori hanno sempre scelto MongoDB perché il suo document model si adatta alla forma naturale dei dati dell'applicazione e al modo in cui i sistemi di AI rappresentano e scambiano informazioni. Questo rende le applicazioni più veloci da costruire e più facili da adattare. Le aziende scelgono sempre più spesso MongoDB perché combina l'adattamento nativo ai dati operativi in tempo reale, la scala elastica, la libertà di eseguire ovunque e ora una piattaforma creata appositamente per l'era degli agenti.

Un'unica piattaforma. Qualsiasi numero di agenti. Crea, distribuisci ed eseguili dove si trovano già i tuoi dati, con la piattaforma dati intelligente di MongoDB.