Pega Infinity是Pegasystems公司的低代码应用开发平台,专为工作流自动化、客户参与、AI决策和RPA而设计。但要使其正常运行,需要广泛的开源软件和服务支持。
过去,这家位于马萨诸塞州沃尔瑟姆的公司将所有不同的服务都集成到Infinity中。"但由于一切都嵌入在软件内部,每次我们想要扩展特定服务时,实际上是在扩展整个平台,"Pega云技术副总裁Ramzi Souri解释道。为此,他们的内部团队不断管理不同的开源数据基础设施组件,包括Apache Cassandra、Apache Kafka和OpenSearch等数据技术,这意味着他们没有时间专注于推动业务向前发展。
由于这种有缺陷的策略,团队决定将所有组件分离,在平台上提供独立服务。"我们有两个选择,"Souri说,"要么我们需要自己构建一切,雇佣服务团队和软件开发团队专门负责启动不同的服务,要么寻找符合我们安全准则、运营风格和部署需求的第三方供应商。我们目前部署在AWS和GCP上,所以这个第三方还必须能够让服务跨多个云运行,并能够在所有云上提供相同级别的服务,以确保解决方案的未来适应性。"
寻找志同道合的合作伙伴
Souri和他的团队确实需要努力寻找合适的解决方案,更具体地说,是合适的合作伙伴。他们最终选择了NetApp Instaclustr,这是一个托管数据基础设施平台,本质上作为Pega运营部门的延伸,原因有几个。
"这项服务对我们很有吸引力,因为它不是一个在我们无法看到或控制的环境中运行的黑盒解决方案,不像我们考虑的许多其他服务,"他说,"这种模式意味着一切都部署在我们拥有完全访问权限和所有权的账户中。"
现在,来自Google和AWS账户的服务(Pega拥有和管理)通过Instaclustr部署并链接回Infinity。例如,如果发布了新版本的Cassandra,Pega想要迁移到该版本,他们只需通知Instaclustr进行升级。Instaclustr团队将在后台完成所有工作,并在服务准备就绪时通知Pega团队。
"同样,如果我们要为客户启动新的Cassandra集群,我们可以通过平台端的API发送请求来配置新集群,该服务在我们拥有的账户上配置,"Souri补充道,"这真正是我们现有工程和运营团队的延伸。"但将所有内容如此紧密地交织在一起并非没有复杂性。
释放控制权
团队面临的早期挑战之一是对现有基础设施进行更改。"如果我们需要因性能问题而扩展集群,我们必须遵循严格的审批流程,"Souri说,"这意味着开票并来回审批。如此冗长的过程延误了事情,以至于当审批通过时,性能问题可能已经对客户环境产生了负面影响。"
意识到这个过程的低效率,Instaclustr被赋予更多控制权,可以在不寻求审批的情况下做出决定。Souri和他的团队最不希望的就是因为等待审批的冗长时间而对客户产生负面影响。"我们与团队举行了多次会议,向他们介绍了不同的场景,并就何时授权他们代表我们行动达成了一致,"他补充道,"这很重要,因为每次他们这样做,都会增加我们的基础设施成本,所以我们需要明确何时可以这样做。"
现在团队可以专注于解决真正的业务问题,而无需担心管理外部资源。Pega估计,基于30名工程师每周工作40小时的团队,这一转变每年为企业节省了超过60,000小时。团队还认为,通过为现有团队释放时间,他们能够避免雇佣更多工程师。
回顾这个项目,Souri的建议是尽早自动化你能自动化的一切,从测试、配置和监控,到验证、升级和更新。"这不仅会为你节省今天的时间,而且当事情变得更大更复杂时,也会为你节省未来的时间,"他说。
Q&A
Q1:Pega Infinity是什么平台?
A:Pega Infinity是Pegasystems公司的低代码应用开发平台,专为工作流自动化、客户参与、AI决策和RPA而设计。它需要广泛的开源软件和服务支持才能正常运行。
Q2:Pegasystems为什么选择NetApp Instaclustr作为合作伙伴?
A:因为Instaclustr不是黑盒解决方案,一切都部署在Pega拥有完全访问权限和所有权的账户中。它能够跨多个云运行,提供相同级别的服务,真正成为Pega现有工程和运营团队的延伸。
Q3:这次合作为Pegasystems带来了什么效益?
A:Pega估计这一转变每年为企业节省了超过60,000小时,基于30名工程师每周工作40小时计算。团队现在可以专注于解决真正的业务问题,还避免了雇佣更多工程师的需要。
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
韩国AI研究院团队深入研究了大型语言模型的置信度评估机制,发现AI有时会对错误答案表现出过度自信的"幻觉"现象。研究揭示了AI内部"置信度计算器"的系统性偏差,提出了"内部一致性检测"方法来识别AI的真实确信程度,为开发更可靠的AI系统提供了重要科学基础。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
苹果公司研究团队通过创新的GSM-Symbolic测试方法,发现当前先进AI系统在数学推理方面存在严重缺陷。研究表明,AI虽然在标准测试中表现优异,但面对表述稍有变化的同类问题时准确率显著下降,暴露出其缺乏真正的逻辑理解能力,主要依赖模式匹配而非推理。这项发现为AI评估提供了新标准,并为未来开发更可靠的AI推理系统指明了方向。