より多くのコンテキストを取得し、より高度な制御を実現します。

登壇者：Anish Mathur、プリンシパルプロダクトマネージャー

エージェント型アプリには、精度とコストの問題がありますが、その原因はモデルの選択にはありません。ドキュメント、ログ、メトリクス、チケット、トランスクリプトに閉じ込められたエンタープライズデータのための検索データベースとして、Elasticsearchがどのように再設計されたかをご紹介します。ETL不要のカラム型およびVectorDBモードに加え、ベクトル検索、Jina埋め込み、ネイティブ推論を組み合わせた検索・取得について説明します。エージェントを本番環境に対応させるためのベストプラクティスをご紹介します。

スピーカー： Jesse Miller、プリンシパルプロダクトマネージャー

午前3:00にKubernetesクラスターでアラートが発生したとき、調査を行うのは誰でしょう？常時稼働するAI SREであるElasticが、夜中のシフトで実際にKubernetesインシデントをアラートから根本原因の特定、修復までエンドツーエンドで処理し、あらゆるステップで推論プロセスを透明化する様子をご覧ください。夜番のElastic AI SREは、ネイティブのPrometheus/PromQLメトリクス、Kubernetesログ、EKSダッシュボード、そしてメトリクス、ログ、トレースを関連付けるES|QLサブクエリを活用します。カラム型エンジンによりPrometheus、Mimir、ClickHouseと比べて最大30倍高速なクエリを実現し、完全なテレメトリ保持により夜番のElasticエージェントに最高峰のSREのように調査するためのコンテキストを提供します。