想要您的收件箱中的更聪明的见解吗？注册我们的每周新闻通讯，只能获得企业AI，数据和安全负责人重要的内容。 立即订阅
数据平台供应商Informatica随着AI的需求继续增加企业需求，它正在扩大其AI功能。
Informatica对AI世界并不陌生。实际上，该公司于2018年首次推出了第一个用于数据的Claire AI工具。AI时代，作为Informatica的智能数据管理云（IDMC）的一部分，公司通过改进的自然语言能力扩展了技术，该技术在2023年首次亮相。基本前提是使其更轻松，更快，更智能访问和使用数据。这是一个价值主张，使公司成为有吸引力的收购目标，Salesforce在5月宣布打算获取该公司以80亿美元的价格。
尽管该收购是通过批准和监管流程进行的，但企业仍然面临需要解决的数据挑战。今天，Informatica宣布其2025年夏季发布，展示了过去七年中该公司的AI旅程如何发展以满足企业数据需求。
该更新引入了自然语言界面，可以从简单的英语命令，AI驱动的治理构建复杂的数据管道，这些治理自动跟踪数据谱系到机器学习模型和自动映射功能，并将一周的模式映射项目压缩为分钟。
AI Impact系列返回旧金山 - 8月5日
AI的下一个阶段在这里 - 您准备好了吗？加入Block，GSK和SAP的领导者，详细介绍自主代理如何重塑企业工作流程 - 从实时决策到端到端自动化。
现在确保您的位置 - 空间有限：https://bit.ly/3guuplf
该版本解决了生成AI更加紧迫的持续企业数据挑战。
没有改变的是，数据在企业中继续被碎片，并且碎片化仍处于快速规模的范围内，这并没有融合到Informatica的云集成的Pratik Parekh，SVP和GM，告诉VentureBeat。 因此，这意味着您必须将所有这些数据汇总在一起。
从机器学习到企业数据的Gen AI
为了更好地了解Informatica现在在做什么，至关重要的是要了解它如何到达这一点。
Informatica在2018年的最初Claire实施重点是困扰企业数据团队的实用机器学习（ML）问题。该平台使用数千个客户实施的元数据累积了元数据，以提供设计时间建议，运行时优化和操作见解。
基金会建立在Parekh所谓的智能系统中，其中包含40次企业数据模式。这不是抽象的研究，而是应用机器学习，以解决数据集成工作流程中的特定瓶颈。
多年来，这种元数据智能体系一直在不断改善，在2025年夏季版本中，该平台包括解决持续数据问题的自动映射功能。此功能使用经过数百万个现有数据集成模式训练的机器学习算法自动映射不同企业系统之间的字段。
帕雷克说，如果您从事数据管理工作，就知道映射是一项非常耗时的工作。”
自动映射就是从源系统（例如SAP）中获取数据，然后将数据与其他企业数据一起创建主数据管理（MDM）记录。企业数据专业人士的MDM是所谓的黄金记录，因为它旨在成为某个实体的真理来源。自动映射功能可以理解不同系统的模式，并在MDM中创建正确的数据字段。
结果证明了信息对AI的长期投资的价值。现在，以前需要深厚的技术专业知识和大量时间投资的任务现在会以高准确率自动进行。
帕雷克说：“我们的专业服务进行了一些工作映射，通常需要7天才能建造。”帕雷克说，现在在不到五分钟的时间内完成。
任何现代AI系统的核心元素是一种自然语言接口，通常伴随着某种形式的副驾驶，以帮助用户执行任务。在这方面，Informatica与任何其他企业软件供应商没有什么不同。但是，它的不同之处仍在元数据和机器学习技术上。
2025年夏季的版本增强了克莱尔·吉利诺（Claire Copilot）的数据集成，该数据集成通常在2025年5月在早期访问和预览后获得。Copilot使用户能够键入请求，例如将所有Salesforce数据带入Snowflake，并使系统协调必要的管道组件。
2025年夏季版本为Copilot增添了新的交互式功能，包括增强的问答功能，可帮助用户了解如何使用该产品，并直接从文档和帮助文章中得出答案。
技术实施需要使用Parekh所说的Informatica Grammar来微调用于数据管理任务的专业语言模型。
Parekh解释说：````自然语言是我们秘密酱的来源。我们的整个平台是元数据驱动的平台。因此，在下面，我们有自己的语法，即如何描述映射，描述数据质量规则，描述MDM资产的内容。
市场时机：企业AI需求爆炸
Informatica s AI进化的时间与企业消耗数据的根本变化保持一致。
Brett Roscoe，高级副总裁，Informatica的云数据治理和云行动 指出，在过去几年中，企业数据格局的差异很大，这是规模，比以往任何时候都需要更多的数据。以前，数据请求主要来自具有技术专业知识的集中分析团队。在AI代时代，这些要求来自任何地方。
Roscoe解释说：``突然，随着AI世代的世界，您有营销团队和财务团队都要求数据推动其生成的AI项目。” Roscoe解释说。
夏季版的AI治理库存和工作流功能直接应对这一挑战。现在，该平台自动分类AI模型，跟踪其数据源并维护从源系统到AI应用程序的谱系。这解决了企业对维护可见性和控制的关注，因为AI项目超越了传统分析团队。
该版本还将数据质量规则作为API引入，从而在AI应用程序中实现实时数据验证，而不是在数据移动后进行批处理处理。这种建筑转变允许AI应用程序在消费时验证数据质量，从而解决了非技术团队启动AI项目时出现的治理挑战。
技术演变：从自动化到编排
2025年夏季的版本展示了Informatica的AI功能如何从简单的自动化演变为复杂的编排。增强的Claire Copilot系统可以将复杂的自然语言请求分解为多个协调的步骤，同时在整个过程中保持人类的监督。
该系统还为现有数据工作流提供了摘要功能，从而解决了困扰企业数据团队的知识转移挑战。用户可以要求Copilot解释以前开发人员构建的复杂集成流，从而减少了机构知识依赖性。
发行版对模型上下文协议（MCP）和NVIDIA NIM的新生成AI连接器的支持，Databricks Mosaic AI和Snowflake Cortex AI展示了公司的AI基础设施如何适应新兴技术，同时维护企业治理标准。
战略意义：成熟度在企业AI中获胜以获取数据
Informatica的七年AI旅程最终达到了2025年夏季发行的增强，这说明了有关企业AI采用的基本真相：持续的领域专业知识问题。
该公司的方法验证了为特定企业问题建立专门的AI功能的战略，而不是追求通用AI解决方案。夏季版本的AI驱动血统发现和治理工作流程代表了仅在了解企业如何实际管理数据的多年中出现的功能。
罗斯科指出，如果您没有在AI临时之前进行数据管理实践，” Roscoe指出。•如果您在AI一代来到时都有数据管理实践，那么您仍然会争先恐后。
随着企业从AI实验转变为生产部署，Informatica的方法验证了一个基本事实：在企业AI中，成熟和专业化更重要。企业不应该仅考虑新的AI驱动功能，而是理解和解决企业数据管理的复杂现实的AI功能。
