JAKARTA. Perkembangan teknologi kecerdasan buatan (artificial intelligence/AI) mendorong perusahaan untuk memperkuat infrastruktur pengelolaan data. Kebutuhan tersebut semakin penting seiring pemanfaatan AI yang tidak lagi sebatas mengolah informasi historis, tetapi juga mengambil keputusan dan menjalankan tindakan berdasarkan kondisi bisnis terkini. Dalam operasional perusahaan, data yang tersebar di berbagai sistem dan diperbarui pada waktu berbeda dapat menghasilkan informasi yang tidak sinkron. Kondisi ini berisiko membuat aplikasi maupun agen AI mengambil keputusan berdasarkan data yang sudah usang atau saling bertentangan. Melihat kebutuhan tersebut, Confluent, perusahaan teknologi yang kini menjadi bagian dari IBM, memperkenalkan arsitektur data bernama Streamhouse. Teknologi ini dirancang untuk menangkap, memproses, mengelola, dan menyajikan konteks bisnis secara real-time agar dapat digunakan oleh agen AI, aplikasi, maupun sistem analitik. SVP & General Manager APAC Confluent Greg Taylor mengatakan, perusahaan di kawasan Asia Pasifik tengah memperluas layanan digital. Pada saat yang sama, pelanggan dan tim operasional semakin membutuhkan layanan yang responsif. “Seorang agen hanya dapat mengambil keputusan yang bermanfaat jika ia dapat melihat gambaran yang akurat di seluruh organisasi saat bertindak. Streamhouse memberikan tim landasan yang terus diperbarui dan terkelola untuk konteks tersebut, sehingga aplikasi dan agen dapat bekerja berdasarkan gambaran terkini yang sama,” kata Greg dalam keterangannya, Selasa (10/11/2026). Menurut Confluent, arsitektur data yang selama ini mengandalkan data lake, data warehouse, dan lakehouse pada dasarnya lebih banyak dirancang untuk kebutuhan pelaporan maupun pemrosesan data secara batch. Sementara itu, pemanfaatan agen AI membutuhkan akses terhadap informasi yang terus diperbarui dari berbagai sistem perusahaan. Streamhouse dikembangkan untuk mengatasi kebutuhan tersebut dengan menyediakan lapisan operasional real-time yang bekerja berdampingan dengan data warehouse dan lakehouse yang telah dimiliki perusahaan. Dengan begitu, sistem dapat mengakses konteks bisnis terkini tanpa harus terlebih dahulu mengonsolidasikan seluruh data ke satu tempat. Confluent mencontohkan penerapannya dalam operasional maskapai penerbangan. Sistem operasi penerbangan, penjadwalan, dan pemesanan dapat memiliki informasi berbeda mengenai lokasi pesawat, waktu keberangkatan, serta ketersediaan kursi. Jika pembaruan data tidak berlangsung secara bersamaan, agen pemesanan berpotensi menawarkan rencana perjalanan yang tidak dapat dijalankan. Melalui Streamhouse, setiap perubahan dari sistem sumber dapat masuk ke dalam aliran data berkelanjutan dan diperbarui menjadi konteks bisnis terpadu. Dengan demikian, agen pemesanan, layanan pelanggan, dan aplikasi dapat mengakses informasi yang sama ketika mengambil keputusan. Untuk mendukung arsitektur tersebut, Confluent melengkapi Platform Data Streaming dengan lima pilar, yakni Stream, Connect, Process, Govern, dan Query. Penambahan kemampuan Query menjadikan platform tersebut dapat digunakan untuk mengalirkan, menghubungkan, memproses, mengatur, hingga meminta data dalam satu platform terpadu. Adapun fondasi platform ini menggunakan Apache Kafka untuk menangkap dan mengalirkan peristiwa bisnis. Confluent juga menyediakan konektor untuk menghubungkan sistem perusahaan, Apache Flink untuk menggabungkan dan memperkaya data, serta perangkat tata kelola untuk mengatur keamanan, kualitas, dan akses data. Pada pilar Query, Confluent menghadirkan sejumlah kemampuan, antara lain Tableflow untuk menyalurkan data streaming ke lakehouse dan data warehouse, Real-Time Context Engine untuk menyajikan konteks bisnis kepada agen AI melalui Model Context Protocol (MCP), serta Lightning Tables untuk memberikan akses data melalui SQL dan API. Lightning Tables kini tersedia secara umum di AWS melalui Confluent Cloud. Fitur ini merupakan lapisan penyajian read-only yang menyimpan data Apache Kafka secara permanen dalam bentuk tabel dan memperbaruinya mengikuti perubahan data. Confluent mengklaim, berdasarkan pengujian internal, Lightning Tables mampu menyajikan data baru dalam waktu sekitar 100 milidetik, dengan latensi query 10 milidetik hingga 100 milidetik dan kapasitas lebih dari 1.000 query per detik. Kinerja aktual dapat berbeda bergantung pada konfigurasi dan beban kerja. Fitur tersebut juga ditujukan untuk mengurangi kebutuhan perusahaan menyalin data ke basis data atau cache terpisah untuk melayani aplikasi. Akses melalui SQL dan API memungkinkan aplikasi mengambil informasi terkini secara langsung dari platform Confluent. Manajer Umum Confluent dan Data IBM Shaun Clowes mengatakan, pemanfaatan AI di perusahaan membutuhkan agen yang dapat memahami kondisi bisnis saat mengambil tindakan. “Dengan Lightning Tables, Platform Data Streaming kami memberikan setiap agen dan aplikasi pandangan real-time yang terkelola mengenai bisnisnya. Artinya, perusahaan dapat menindaklanjuti sinyal penipuan lebih cepat, melayani pelanggan secara langsung dan menjalankan operasi berdasarkan kondisi terkini, bukan berdasarkan kondisi kemarin,” ujar Shaun. Adopsi arsitektur ini juga mulai dilakukan oleh sejumlah perusahaan. Accenture, misalnya, menggunakan Streamhouse yang didukung Confluent untuk menghubungkan data di seluruh bisnis globalnya yang beroperasi di lebih dari 120 negara. Kepala Strategi Data SAI Accenture Thomas Mahaffey menyebut, peralihan ke arsitektur tersebut membantu perusahaan mengubah aliran peristiwa bervolume tinggi menjadi produk data real-time yang dapat digunakan lintas sistem operasional dan analitik. Accenture mengklaim, fondasi data tersebut memangkas waktu untuk memperoleh wawasan dari sebelumnya berbulan-bulan menjadi beberapa hari. Selain Accenture, platform perdagangan berbasis AI Extend juga menggunakan arsitektur Streamhouse melalui Confluent Cloud. Teknologi tersebut dimanfaatkan untuk mendukung kebutuhan operasional seperti proses onboarding pedagang, penyesuaian harga secara real-time, dan deteksi penipuan.