2022 年纽约 RedisDays 回顾

在伦敦以围绕实时数据的一切拉开序幕，随后在旧金山举行了以开发者为主题的一天活动之后，2022 年 RedisDays 在纽约落下帷幕，一天的会议议程围绕着 Redis 在人工智能 / 机器学习 (AI/ML) 方面的最新发展展开。

纽约 RedisDays 的会议清楚表明，任何现代数据栈都必须以性能优先的方法构建。这意味着它必须“支持现代数据模型和处理引擎，启用 AI/ML，并提供可组合的微服务”，正如 Redis 首席营销官 Mike Anand 在主题演讲中所述。开发者体验应该做到**快速**、**智能**且**简单**。由 AI/ML 算法驱动的基于微服务的应用程序和分析如何帮助提供端到端实时用户体验？让我们回顾一下当天的会议、涵盖的内容，甚至可以在线观看完整录音。

主题演讲：将实时 AI 融入您的“金融服务”应用

Mike Anand
Redis 首席营销官

Mike Anand 说：“数字世界已经深深融入了我们的日常生活。在线购物、玩在线游戏、转账、信用卡支付——这一切都通过实时数据完成。” 我们的许多日常流程都与实时数据紧密相连。

今天的客户要求即时结果和尽可能简单的流程。这就是为什么依赖传统系统的公司需要迎头赶上并开始创建现代应用程序的原因。正如 Mike 在主题演讲中所指出的，公司需要“使用**微服务**或**事件流架构**等新设计模式来重新思考[他们的]应用程序。”

这就是**Redis Stack** 的用武之地。“Redis Stack 让您能够在不采用风险较大的推倒重来策略的情况下为可能仍在使用的传统系统提供支持，”他继续说道。借助 Redis Stack，公司可以通过提供先进的 AI/ML 支持服务（如欺诈检测、算法交易、贷款审批、核保、中台、后台流程等）来开始其应用现代化之旅。

聆听主题演讲，了解 Mike Anand 关于企业如何将 AI/ML 集成到其日常运营中以及如何规避将 AI/ML 投入生产的挑战的更多见解。

Taimur Rashid
Redis 首席业务发展官

主题演讲进一步概述了金融服务行业的趋势，以及当应用程序通过 AI 能力增强并变得更加实时时可以解决的特定用例。Redis 首席业务发展官 Taimur Rashid 指出，关键差异化因素是**客户体验**。

taimur presentation in financial services

他指出：“当你看到数字应用的能力变得越来越实时时，你会发现大多数现代应用都有各种各样的必要条件。” 其中主要包括“**速度**、可扩展性、始终在线、全球分发、安全性和 **AI 增强**。” 速度是这里最重要的变量。“在金融服务行业，速度至关重要。毫秒之差可能意味着数百万甚至数十亿美元的损失。”

在主题演讲中，Taimur 重点介绍了金融服务领域的一些趋势，例如数字能力、客户体验、新业务增长，以及**金融犯罪**和**网络安全**。他表示：“随着越来越多的企业将业务转移到线上，有必要确保全球资金的流动方式正确且符合相关规定。组织需要保护自己免受金融犯罪的侵害。随着越来越多的活动转移到线上，网络安全变得非常重要。您如何保护自己免受不良行为者和组织外部威胁的侵害？”

在 Redis 高级产品经理 Ed Sandoval 演示了实际应用中的向量相似性搜索（更多内容将在下一场会议中介绍）之后，Taimur 与微软客户成功数据和 AI 事业部董事总经理 Pascal Belaud 进行了座谈讨论。

redisdays new york 2022 pascal belaud quote

在这次座谈中，Pascal 详细介绍了微软如何与不同的客户（例如 Allstate 保险公司）合作，以利用 AI/ML。他提到的一些用例包括捕获与客户的语音通话，然后使用 AI 技术进行转录。这些转录本会立即丰富 Allstate 处理任何索赔所需的所有详细信息，而无需第二次联系客户。这都是 AI/ML 赋能的数字应用所追求的客户体验的一部分。

观看完整主题演讲。

幕后：使用 AI 揭示隐藏在公司备案文件中的交易信号

在主题演讲的中途，Ed Sandoval 演示了 Redis 中可用的向量相似性搜索。在此会议中，Ed 与微软企业数据科学和金融服务负责人 Charles Morris 一起，展示了该演示是如何构建的幕后故事。Ed 专注于 Redis 的向量相似性技术，而 Charles 则专注于 Microsoft Azure 的 ML 基础设施和用于构建演示的服务。

在此演示中，Ed 和 Charles 展示了如何使用 AI 从提交给 SEC 的美国上市公司备案文件中提取大量隐藏的有价值信息。观看他们分享合作中的见解以及一路走来学到的一些重要经验教训。

观看幕后演示。

在企业中实现 AI/ML 的运营化

赋予数据科学家能力的工具和流程是什么？将 AI/ML 集成到运营中时，需要做些什么才能将一切投入生产？

在此小组讨论中，Taimur Rashid 与 Forrester Research 副总裁兼首席分析师 Mike Gualtieri 以及 Tecton 的联合创始人兼首席执行官 Mike Del Balso 一起，讨论了机器学习的变革性特质。公司正试图将 AI/ML 技术主流化，但如何可靠地进行规模化？许多组织运行在传统系统上，但如何随着数字空间中不断增长的需求进行现代化？

Mike Gualtieri 说：“AI 已成为基础。它对企业来说已变得具有战略意义。它不是一个科学展览实验。它也不是一个创新实验。大多数公司相信他们将需要 AI。AI 是软件，而这些软件开发过程对于获取模型、将其投入运营以及在这些应用上获得商业价值至关重要。”

Tecton 的 Mike Del Balso 分享了他关于 ML 的一些经验，特别是他在 Uber 担任先前职务时。他说：“我们在 Uber 的 ML 平台 (Michaelangelo) 的目标是实现 ML 的民主化。为了使我们从一开始就确定的 100 多个用例能够实现 ML，其中 ML 智能可以真正影响产品和客户体验。”

观看“在企业中实现 AI/ML 的运营化”以了解完整内容。