Apa Itu Dataiku Agentic AI: Agen untuk Aliran Data Besar

Dataiku AI menangani alur data besar, memproses data dalam hitungan menit, bukan hari. Anda mendapatkan pemeliharaan infrastruktur, penghematan waktu dan biaya, serta wawasan yang dapat ditindaklanjuti untuk mendorong keunggulan kompetitif. Karena Anda ada di sini, Anda mungkin sudah menebak bahwa hampir semua alur kerja AI agentic memerlukan proxy: yaitu, proxy rotasi residensial. 

Ini adalah topik yang sangat luas, dan kita baru di awal. Saya sudah mengumpulkan informasi untuk Anda: dari kisah sukses pengguna online hingga data langsung dari wawancara saya dengan para ahli AI. Bersiaplah, dan mari kita selami!

TL;DR

Apa itu Dataiku AI dan kapan Anda membutuhkannya

Dataiku adalah platform AI perusahaan yang menyatukan analitik, pembelajaran mesin, dan AI agent ke dalam satu lingkungan yang terkendali. Agent-nya adalah sistem otonom yang didukung oleh large language model (LLM) yang merencanakan, mengambil data, memanggil alat eksternal, dan menjalankan alur kerja multi-langkah tanpa memerlukan intervensi manusia.

Sebuah perusahaan membutuhkan AI agent Dataiku ketika memiliki operasi data yang besar dan kompleks yang tidak dapat diskalakan dengan upaya manual. ROI platform menjadi sangat jelas ketika alur kerja melibatkan data multi-sumber, pengetahuan ahli yang perlu dikemas untuk tim yang lebih luas, atau proses berulang yang saat ini menghabiskan waktu analis.

Sedikit angka Dataiku untuk kejelasan:

• ZS Associates mengalami analisis akar penyebab 60% lebih cepat dan 25% lebih sedikit kesalahan pasca-penerapan

• Euronext menghemat waktu analis hingga 20% yang sebelumnya dihabiskan untuk kueri pasar berulang. 

• Mitsubishi Electric mempercepat pengiriman analitik sebesar 60% dengan menerapkan agent Dataiku di seluruh tumpukan pelaporan mereka. 

• John Lewis Partnership melaporkan ROI sebesar £40 juta, dengan tingkat konversi 25–30% lebih tinggi dan peluncuran kampanye 2x lebih cepat. 

Bagian favorit saya tentang Dataiku adalah kemudahan akses ke alat ini — cara tanpa kode. Analis data dan pengguna biasa kami dapat masuk dengan sangat cepat dan membangun use case dengan cepat.

— Stéphane Callamand, digital transformer di Michelin

Penggunaan AI Dataiku: Alur kerja dengan data berat

Agen AI Dataiku bekerja paling baik di lingkungan di mana ukuran dan kompleksitas data adalah metrik paling kritis. Mereka dioptimalkan untuk menangani data pelanggan, keuangan, atau ilmiah dan memprosesnya sesuai instruksi. Jika alur kerja Anda termasuk dalam kategori di bawah ini, mereka mungkin dapat membantu.

Alur keuangan otomatis

Yang dilakukan agen keuangan Dataiku:

• Memvalidasi faktur terhadap ketentuan kontrak dan menandai ketidaksesuaian secara otomatis

• Menganalisis data harga pasar di ribuan SKU atau sekuritas

• Memantau anomali pembayaran dan memicu peringatan atau eskalasi

• Merutekan transaksi sensitif kepatuhan untuk tinjauan manusia dengan ringkasan yang dihasilkan AI

• Menghasilkan laporan keuangan berulang dengan melakukan kueri basis data terstruktur menggunakan bahasa alami

Dukungan dan operasi bisnis

Yang dilakukan agen dukungan Dataiku:

• Mengklasifikasikan tiket masuk berdasarkan kategori, urgensi, dan area produk

• Mengambil jawaban dari basis pengetahuan terstruktur dan mengirim respons yang telah divalidasi

• Membuka atau memperbarui tiket di Jira, ServiceNow, atau Freshdesk berdasarkan kondisi pemicu

• Meningkatkan ke spesialis dengan ringkasan riwayat yang dihasilkan AI dan tindakan yang direkomendasikan

• Mengukur waktu dan kualitas penyelesaian di seluruh backlog dukungan yang besar

Rantai pasokan dan kepatuhan

Yang dilakukan agen rantai pasokan dan kepatuhan Dataiku:

• Memantau risiko pemasok dengan mengagregasi berita, daftar sanksi, dan basis data PEP

• Memicu alur kerja pemesanan ulang berdasarkan ambang tingkat inventaris dan prediksi waktu tunggu

• Jalankan analisis pola AML di seluruh kluster transaksi dan tandai aktivitas mencurigakan

• Siapkan ringkasan investigasi dengan rekomendasi eskalasi untuk petugas kepatuhan

• Korelasikan data pengiriman dengan prakiraan permintaan untuk mengidentifikasi hambatan secara proaktif

Penggunaan sains dan penelitian

Yang dilakukan agen penelitian Dataiku:

• Mencari registri uji klinis global dan memberi peringkat situs potensial berdasarkan kumpulan pasien, geografi, dan riwayat kinerja

• Mengekstrak dan membandingkan metrik kinerja peneliti di berbagai uji klinis

• Mengumpulkan literatur akademik dan mengembalikan ringkasan terstruktur untuk peneliti

• Mengidentifikasi pola di seluruh kumpulan data eksperimental dan menandai anomali untuk ditinjau ahli

• Mengotomatiskan riset pasar: mengumpulkan intelijen kompetitif, mengekstrak data kunci, dan menghasilkan laporan analisis

Kapan Anda memerlukan proksi untuk Dataiku

Sebagian besar alur kerja agentik Dataiku tidak beroperasi dalam lingkungan internal yang bersih dan terkontrol. Sebaliknya, mereka menjangkau untuk:

• mengambil data kompetitor

• memantau registri eksternal

• menarik harga yang dilokalkan

• mengakses basis data kepatuhan global

Tanpa lapisan proksi, agen-agen ini akan diblokir, memberikan hasil spesifik geo yang tidak akurat, atau mengekspos IP infrastruktur perusahaan ke sistem eksternal.

Proksi residensial rotasi menyelesaikan setiap masalah ini dengan mempertahankan kumpulan besar IP pengguna nyata, secara otomatis merotasinya per permintaan, dan merutekan lalu lintas agen melalui geografi yang sesuai dengan sumber data target. Mereka berfungsi sebagai tulang punggung operasional yang membuat lapisan data agen andal dan konsisten bersih.

Menerapkan dan memecahkan masalah agen AI Dataiku 

Untuk benar-benar mengetahui sesuatu adalah dengan dapat menerapkan dan menggunakannya. Berikut adalah algoritma dasar untuk menggunakan AI agentik Dataiku yang berlaku untuk sebagian besar alur kerja.

Cara menerapkan agen AI Dataiku

1. Masuk ke instans Dataiku Anda dan navigasikan ke Projects dashboard.

2. Buat proyek baru atau buka proyek yang sudah ada di mana Anda ingin men-deploy agent.

3. Buka LLM Mesh melalui Administration → Connections → New Connection, dan konfigurasikan LLM pilihan Anda (OpenAI, Anthropic, Azure OpenAI, atau custom/proxy endpoint).

4. Buka Agent Designer (tersedia di GenAI flows atau melalui visual recipe builder) dan tentukan tujuan agent Anda, tools (API, dataset, Dataiku flows), dan pengaturan memori.

5. Tambahkan tools seperti dataset, SQL endpoints, REST API eksternal, atau Python/R recipes yang dapat dipanggil untuk menyelesaikan tugas.

6. Uji agent di studio interaktif dengan meninjau log chain-of-thought untuk memverifikasi bahwa agent memanggil tools yang tepat dan menghasilkan output yang benar.

7. Publikasikan ke Agent Hub untuk akses seluruh tim. Atur izin akses dan aturan governance (tinjauan output, pemicu human-in-the-loop, logika eskalasi).

8. Pantau melalui Agent Management. Lacak uptime, response time, error rate, requests per minute, dan metrik dampak bisnis (kualitas output, kepatuhan kebijakan).

Cara mengatur proxy untuk AI agents di Dataiku

Langkah 1: Dapatkan kredensial proxy Anda dari CyberYozh

• Masuk ke akun CyberYozhAnda.

• Navigasikan ke Residential Rotating Proxies dan buat daftar kredensial Anda

• Catat proxy host (IP), port, username, dan password Anda, serta pengaturan strategi rotasi

• Buka API keys Anda dan buat API endpoint yang akan Anda gunakan dalam automation workflows

Langkah 2a: Konfigurasikan proxy di dashboard Dataiku (metode global)

• Buka Administration → Settings → Misc di antarmuka web DSS Anda.

• Isi HTTP Proxy Host (gateway CyberYozh Anda), Port, dan kredensial autentikasi.

• Simpan. Kemudian, pada koneksi apa pun yang ingin Anda proxy (S3, HTTP datasets, API Connect plugin), centang Use global proxy.

• Semua permintaan agen yang dialihkan melalui koneksi tersebut sekarang akan melewati CyberYozh secara otomatis.

Langkah 2b: Tentukan proxy secara langsung dalam kode agen (metode per-tugas)

Untuk alat atau resep Python yang dipanggil oleh agen Anda, tambahkan proxy pada tingkat permintaan menggunakan kunci API Anda. Berikut adalah contoh kecil dengan pengaturan rotating proxy dasar:

import requests

# Get rotating proxy credentials

credentials = requests.post(
    'https://app.cyberyozh.com/api/v1/proxies/rotating-credentials/',

    headers={'X-Api-Key': “your_API_key”},

    json={

        'connection_login': 'your_login',
        'connection_password': 'your_password',
        'connection_host': 'your_IP',
        'connection_port': ‘your_port’,
        'session_type': 'your_session_type', # short_session, etc.
        'country_code': 'your_country_code', # US, UK, GE, etc.
        'amount': 5  # How many credentials you need
    }

)

# Get credentials in a code-readable JSON format
creds = credentials.json()['credentials']

# Use the first credentials set
proxy = {
    'http': f'http://{creds[0]}',
    'https': f'http://{creds[0]}'
}

# Use the proxy

response = requests.get("https://target-data-source.com", proxies=proxy)

Pemecahan masalah dan masalah Dataiku yang diketahui

Para praktisi di LinkedIn dan dalam Komunitas Dataiku menandai beberapa masalah yang berulang. Berikut adalah masalah paling umum dan cara mengatasinya.

1. Penyebaran agen yang tidak terkendali — terlalu banyak agen dengan kepemilikan yang tidak jelas

Gejala: Beberapa tim membangun agen yang tumpang tindih; IT kehilangan visibilitas; biaya duplikasi muncul.

Perbaikan:

• Wajibkan semua agen untuk didaftarkan dan dipublikasikan melalui Agent Hub sebelum digunakan.

• Tunjuk pemilik agen untuk setiap agen yang diterapkan.

• Gunakan Agent Management menara kontrol Dataiku untuk mengaudit agen aktif, penggunaan, dan kepatuhan kebijakan.

2. Pemblokiran IP API eksternal dan sumber data

Gejala: Agen gagal di tengah proses dengan kesalahan HTTP 403 atau 429 saat mengumpulkan data eksternal.

Perbaikan:

• Konfigurasikan rotating residential proxy (misalnya, CyberYozh) di Administration → Settings → Misc atau langsung dalam kode alat Python agen.

• Untuk agen yang mengakses data dengan pembatasan geografis, gunakan fitur penargetan negara CyberYozh melalui API.

• Uji koneksi proxy sebelum menerapkan: validasi dengan satu permintaan terlebih dahulu, lalu jalankan tugas massal.

3. Panggilan LLM dan alat membocorkan data sensitif

Gejala: Agen mengirim PII atau data bisnis rahasia ke API LLM eksternal, menciptakan paparan kepatuhan.

Perbaikan:

• Terapkan proxy sebagai gateway lokal antara agen Anda dan LLM eksternal.

• Konfigurasikan LLM Mesh untuk mengarah ke endpoint proxy daripada langsung ke OpenAI atau Anthropic.

• Ini secara otomatis mendeteksi dan menyamarkan PII sebelum prompt meninggalkan lingkungan Anda, memulihkan nilai asli dalam respons.

4. Kegagalan penalaran dan halusinasi agen

Gejala: Agen memanggil alat yang salah, mengambil tindakan yang tidak tepat, atau menghasilkan output yang dibuat-buat.

Perbaikan:

• Tinjau log chain-of-thought agen di studio agen Dataiku untuk melacak panggilan alat mana yang menyebabkan kegagalan.

• Tambahkan deskripsi alat yang eksplisit dan batasan parameter untuk mengurangi ambiguitas.

• Terapkan langkah-langkah tinjauan human-in-the-loop untuk tindakan berisiko tinggi (transaksi keuangan, output yang berhadapan dengan pelanggan).

• Gunakan Dataiku Reasoning Systems untuk alur kerja multi-langkah yang memerlukan perencanaan ekstensif sebelum bertindak.

5. ROI yang sulit dibuktikan pada proyek agen

Gejala: Agen telah dibangun, tetapi bisnis tidak melihat dampak yang terukur, dan pendanaan untuk penskalaan ditolak.

Perbaikan:

• Hubungkan setiap agen dengan KPI spesifik dan terukur sebelum membangun (misalnya, "mengurangi waktu pemrosesan faktur sebesar X jam per minggu").

• Gunakan Agent Management → tab Business Impact untuk melacak kinerja KPI dari waktu ke waktu.

• Mulai dengan kasus penggunaan yang sempit dan berfrekuensi tinggi (perutean tiket dukungan, validasi faktur) di mana volumenya cukup besar untuk menghasilkan penghematan yang terlihat dengan cepat.

Kesimpulan: Kurangi waktu yang dihabiskan dan dapatkan manfaat dari data

Agen AI Dataiku mengubah upaya ahli selama berminggu-minggu menjadi alur kerja yang diatur dan dapat diulang yang berjalan dalam hitungan menit, dengan hasil yang terbukti dalam berbagai kondisi. Proksi membuat agen-agen ini andal di dunia nyata: IP residensial yang berputar melewati pemblokiran geografis dan batas laju, sambil menjaga data sensitif tetap dalam perimeter Anda. Ini memastikan kualitas data, kepatuhan, dan ROI yang konsisten.