Så använder MongoDB AI i produktutvecklingen

Vi fokuserar på tre huvudområden inom AI. Det första handlar om att säkerställa att MongoDB som developer data platform är redo för nästa generations AI-applikationer. I vår core platform har vi implementerat funktioner som Atlas Vector Search, vilket gör att utvecklare kan bygga skalbara och intelligenta applikationer med hög prestanda utan att behöva addera fler tekniska komponenter i sina utvecklingsmiljöer. Under det senaste året har vi även samarbetat med partners för att integrera MongoDB i en öppen teknisk stack, där vi fungerar som det grundläggande datalagret för moderna applikationer.

Vårt andra fokusområde är att förenkla utvecklarupplevelsen i MongoDB. Vi har integrerat AI i produkten för att förbättra hur utvecklare arbetar med MongoDB. Detta omfattar allt från förbättrad documentation med semantic search till code assistance i våra IDEs, vilket gör det enklare att skriva komplexa queries, även med natural language. Vi samarbetar också med AWS, Google Cloud och Microsoft för att deras coding assistance platforms ska tränas på MongoDB-dokumentation och best practices, vilket ger utvecklare den bästa möjliga upplevelsen när de bygger med MongoDB på dessa plattformar.

Det tredje området handlar om modernisering. Många kunder har legacy applications i sina datacenter, och att modernisera dessa kan kännas överväldigande. Därför lanserade vi AI-funktioner i vår Relational Migrator, som hjälper till med schema generation och kan automatiskt transformera queries och stored procedures. Detta gör migreringen och moderniseringen av applikationer både snabbare och mer kostnadseffektiv.

Vilken effekt/fördelar har detta gett? Både för användare och internt i er organisation?

Våra AI-drivna verktyg ger utvecklare mer kontroll. De minskar repetitivt arbete, förenklar skapandet av ny kod och automatiserar operationella processer. Detta ger utvecklarna mer tid till värdeskapande innovation och snabbare application development. Ett exempel är Novo Nordisk, som med hjälp av generative AI, Amazon Bedrock och MongoDB Atlas har förkortat processen för läkemedelsgodkännande från 12 veckor till 10 minuter.

Internt arbetar vårt IT Internal Tools-team med att utveckla företagsverktyg och generative AI-applikationer. Vi bygger gemensamma verktyg som använder data från både våra interna system och SaaS-applikationer i vårt ecosystem. Ett exempel är vår Slack-bot CoachGTM, som förser våra go-to-market-team med teknisk expertis och produktkunskap. Detta hjälper dem att effektivt stödja våra kunder. CoachGTM hanterar tusentals frågor varje månad och sparar cirka 20 minuter per fråga, vilket ger miljoner i årliga besparingar.

Vilka är de största lärdomarna ni har dragit?

De mest kraftfulla AI-verktygen kommer att vara de som kan kombinera public data med organisationens internal data. Samtidigt har vi lärt oss att dåligt strukturerade datamodeller kan skapa betydande problem.

Det är avgörande att AI metrics kopplas till organisationens övergripande IT- och affärsmål. Detta säkerställer att AI-implementeringen löser konkreta affärsbehov och att målen är tydliga från start.

Även om cutting-edge AI-teknologi är lockande, är det viktigt att inte överkomplicera lösningarna. Fokusera istället på att hitta det mest effektiva sättet att nå specifika mål.

Se till att varje projekts värde är tydligt dokumenterat innan ni går vidare till nästa. Detta ger ledningen en tydlig playbook för kommande projekt.

Fortsätt experimentera, men utvärdera snabbt vad som ger värde. Er AI-resa bör fokusera på både operational efficiency och innovation.

Vi inspireras mycket av flera framstående nordiska företag som ligger i framkant med AI-implementering. Novo Nordisk har visat imponerande resultat genom att använda generative AI med vår MongoDB Atlas-plattform för att dramatiskt effektivisera sina processer för läkemedelsgodkännande - från 12 veckor till endast 10 minuter.

Ett annat utmärkt exempel är Wolt, som har byggt sin hela delivery platform på MongoDB Atlas. Deras approach till AI-adoption är särskilt intressant eftersom de använder AI för att optimera leveranser och förbättra kundupplevelsen i realtid. Som Sobit Akhmedov, Staff Engineer på Wolt, uttrycker det: "MongoDB Atlas har närmast oändlig skalbarhet och kan hantera tunga läsningar och skrivningar utan fördröjning." Detta har möjliggjort för Wolt att kontinuerligt utveckla och implementera nya AI-drivna funktioner för att förbättra upplevelsen för både restauranger, retailers och slutkunder.