Dlaczego AI wciąż czeka na dane z wczoraj?

Rozmawiałem w trakcie konferencji Qlik AI Reality Tour w Łodzi z kilkoma zespołami, które wdrażają AI w swoich firmach. Wszyscy mówią to samo: modele działają, infrastruktura stoi, ale dane… dane przychodzą za późno. Czasem godzinę, czasem dzień. A czasem tydzień.

Problem nie leży w algorytmach

Leży w architekturze. W tym, jak dane przepływają – albo raczej: jak nie przepływają – przez systemy. Nocne przetwarzanie wsadowe? To przeżytek. Kopiowanie danych między trzema platformami? To marnotrawstwo. Brak kontroli nad tym, skąd dane pochodzą i czy można im ufać? To ryzyko.

Qlik właśnie pokazał, jak można to zrobić inaczej. Rozbudowali swoją platformę Open Lakehouse o streaming ingestion – dane z Apache Kafka, Amazon Kinesis czy S3 trafiają bezpośrednio do tabel Apache Iceberg, w chmurze klienta, bez angażowania drogich zasobów hurtowni. I co ważne: są przetwarzane w locie. Można je czyścić, filtrować, normalizować – jeszcze zanim trafią do docelowej tabeli.

Dane zapisują się raz. W otwartym formacie. I stamtąd są dostępne dla Snowflake, Databricks, Athena, Spark – bez duplikowania, bez dodatkowych kosztów. Zero-copy mirroring to nie buzzword, to konkretna oszczędność.

Governance, który nie przeszkadza

To, co mnie najbardziej przekonuje, to governance. Bo otwarte architektury danych mają jeden problem: chaos. Kto stworzył tę tabelę? Skąd pochodzą te dane? Czy można im ufać? Qlik odpowiada na te pytania automatycznie. Każda tabela ma Qlik Trust Score. Lineage działa od razu. Katalog aktualizuje się sam. Governance nie jest tu przeszkodą – jest wbudowany.

Drew Clarke, wiceprezes Qlik, mówi: Następna faza AI jest operacyjna. Działa na świeżych, zarządzanych danych, nie na nocnych partiach. I ma rację. AI nie przestanie działać, jeśli dane będą spóźnione. Po prostu przestanie być użyteczne.

Kiedy architektura dogoni obietnice

Widziałem wiele pilotaży AI, które nigdy nie wyszły z fazy testów. Nie dlatego, że technologia zawiodła. Dlatego, że dane nie nadążały. Albo były w złym formacie. Albo nikt nie wiedział, czy można im zaufać. Albo kopiowanie ich między systemami kosztowało więcej niż cały projekt.

Qlik Open Lakehouse to próba rozwiązania tego problemu. Streaming ingestion, transformacje w locie, automatyczna optymalizacja Iceberg, wbudowany governance. Wszystko w jednym miejscu. Dane zapisane raz, dostępne wszędzie. Bez vendor lock-in, bez chaosu, bez opóźnień.

Nowe funkcje mają być dostępne w Q1 2026. Dla firm, które poważnie myślą o AI w czasie rzeczywistym, to może być moment, w którym architektura w końcu dogoni obietnice.