Slik bruker MongoDB AI i produktutviklingen
Hos MongoDB er AI kjernen i deres produktutvikling. De bygger plattformen for å være klar for neste generasjons AI-applikasjoner, forenkler utvikleropplevelsen og hjelper bedrifter med å modernisere eldre systemer. Ved å integrere AI forbedrer de ikke bare produktene, men gir også utviklere muligheten til å skape raskere og smartere løsninger.
Hvordan har dere benyttet kunstig intelligens (AI) til å forbedre produkter og tjenester?
Vi fokuserer på tre hovedområder innen AI. Det første handler om å sikre at MongoDB, som en developer data platform, er klar for neste generasjons AI-applikasjoner. I vår kjerneplattform har vi implementert funksjoner som Atlas Vector Search, som gjør det mulig for utviklere å bygge skalerbare og intelligente applikasjoner med høy ytelse uten å måtte legge til flere tekniske komponenter i sine utviklingsmiljøer. Det siste året har vi også samarbeidet med partnere for å integrere MongoDB i en åpen teknisk stack, der vi fungerer som det grunnleggende datalaget for moderne applikasjoner.
Vårt andre fokusområde er å forenkle utvikleropplevelsen i MongoDB. Vi har integrert AI i produktet for å forbedre hvordan utviklere jobber med MongoDB. Dette inkluderer alt fra forbedret dokumentasjon med semantisk søk til kodeassistanse i våre IDE-er, som gjør det enklere å skrive komplekse spørringer, også med naturlig språk. Vi samarbeider også med AWS, Google Cloud og Microsoft for å trene deres kodeassistanseplattformer på MongoDB-dokumentasjon og beste praksis, slik at utviklere får den beste mulige opplevelsen når de bygger med MongoDB på disse plattformene.
Det tredje området handler om modernisering. Mange kunder har eldre applikasjoner i sine datasentre, og å modernisere disse kan føles overveldende. Derfor lanserte vi AI-funksjoner i vår Relational Migrator, som hjelper til med automatisert skjemaopprettelse og kan automatisk transformere spørringer og lagrede prosedyrer. Dette gjør migreringen og moderniseringen av applikasjoner både raskere og mer kostnadseffektiv.
Hva har dette gitt av effekt/ gevinster? Både for brukerne og innad i egen organisasjon?
Våre AI-drevne verktøy gir utviklere mer kontroll. De reduserer repetitivt arbeid, forenkler opprettelsen av ny kode og automatiserer operasjonelle prosesser. Dette gir utviklere mer tid til verdiskapende innovasjon og raskere applikasjonsutvikling. Et eksempel er Novo Nordisk, som ved hjelp av generativ AI, Amazon Bedrock og MongoDB Atlas har redusert prosessen for legemiddelgodkjenning fra 12 uker til 10 minutter.
Internt jobber vårt IT Internal Tools-team med å utvikle bedriftsverktøy og generative AI-applikasjoner. Vi bygger felles verktøy som bruker data fra både våre interne systemer og SaaS-applikasjoner i vårt økosystem. Et eksempel er vår Slack-bot CoachGTM, som gir våre go-to-market-team teknisk ekspertise og produktkunnskap. Dette hjelper dem med å gi effektiv støtte til kundene våre. CoachGTM håndterer tusenvis av forespørsler hver måned og sparer omtrent 20 minutter per forespørsel, noe som resulterer i millionbesparelser årlig.
Hva er de største lærdommene dere har gjort dere?
De mest kraftfulle AI-verktøyene vil være de som kan kombinere offentlige data med organisasjonens interne data. Samtidig har vi lært at dårlig strukturerte datamodeller kan skape betydelige utfordringer.
Hva er dine beste råd til andre om hvordan de kan ta i bruk AI i sin produktutvikling?
Det er avgjørende at AI-måleparametere kobles til organisasjonens overordnede IT- og forretningsmål. Dette sikrer at AI-implementeringen løser konkrete forretningsbehov og at målene er tydelige fra start.
Selv om cutting-edge AI-teknologi er fristende, er det viktig å ikke overkomplisere løsningene. Fokuser i stedet på å finne den mest effektive måten å nå spesifikke mål på.
Sørg for at verdien av hvert prosjekt er tydelig dokumentert før dere går videre til neste. Dette gir ledelsen en klar playbook for fremtidige prosjekter.
Fortsett å eksperimentere, men evaluer raskt hva som skaper verdi. Deres AI-reise bør fokusere på både operasjonell effektivitet og innovasjon.
Hvilke andre nordiske selskaper henter dere inspirasjon fra?
Vi henter mye inspirasjon fra flere fremtredende nordiske selskaper som ligger i front med AI-implementering. Novo Nordisk har vist imponerende resultater ved å bruke generativ AI sammen med vår MongoDB Atlas-plattform for å dramatisk effektivisere prosessen for legemiddelgodkjenning – fra 12 uker til kun 10 minutter.
Et annet godt eksempel er Wolt, som har bygget hele sin leveringsplattform på MongoDB Atlas. Deres tilnærming til AI-adopsjon er spesielt interessant fordi de bruker AI til å optimalisere leveranser og forbedre kundeopplevelsen i sanntid. Som Sobit Akhmedov, Staff Engineer i Wolt, uttrykker det:
"MongoDB Atlas har nærmest uendelig skalerbarhet og kan håndtere tunge lese- og skriveoperasjoner uten forsinkelse."
Dette har gjort det mulig for Wolt å kontinuerlig utvikle og implementere nye AI-drevne funksjoner, som forbedrer opplevelsen for både restauranter, forhandlere og sluttkunder.
Slik bruker...
AI i produktutviklingen sin.