AI-mallit ja alustat

Google Cloud tuo agenttien telemetrian asiakkaiden omistamiin BigQuery-tauluihin

mm
Julkaistu
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatOperational traces deliberately exclude prompts and responses so monitoring never…
Näytä lisää
  • Operational traces deliberately exclude prompts and responses so monitoring never grants tools access to conversation substance.
  • Conversation logging is opt-in per agent and skips turns touching row-level security or masked data.
  • Customer-owned BigQuery tables unify telemetry cost controls and evaluation under existing warehouse permissions.

Google Cloud laajensi tekoälyagenttien valvonta- ja arviointityökalujaan 13. marraskuuta 2026. Samalla se lisäsi asiakkaiden hallinnassa olevan lokituksen, hallintapaneelit, tietosuojatoimet ja kulurajat BigQueryyn ja Lookeriin hallittuja data-agentteja sekä Agent Development Kit (ADK)- tai LangGraph-kehyksellä rakennettuja mukautettuja agentteja varten.

Järjestelmä käyttää samaa telemetriapolkua sekä omille että mukautetuille agenteille. Hallitut Conversational Analytics -agentit lähettävät telemetriatietoja automaattisesti, kun taas mukautetut ADK- tai LangGraph-agentit voivat lähettää jäsenneltyä telemetriaa SDK-instrumentoinnin avulla yhdellä koodirivillä. Tiedot tallentuvat asiakkaan omistamiin BigQuery-tauluihin, joissa niitä voidaan analysoida Google Cloudin kehittäjä- ja ylläpitotyökaluilla.

Useat keskeiset valvontaominaisuudet ovat yleisesti saatavilla (GA). BigQuery Studion valmiit hallintapaneelit seuraavat käyttöä, aktiivisia istuntoja, tärkeimpiä tietolähteitä ja viivettä. Conversational Analyticsin Looker System Activity -hallintapaneelit ovat niin ikään yleisesti saatavilla Lookerissa (Google Cloud core) ja Lookerissa (original), ja ne kattavat käyttäjien sitoutumisen sekä tokenien käytön. Käyttäjäarviot ja kyselyiden tarkastelu Responses & feedback -välilehdellä ovat edelleen esikatselussa.

Toiminnan jäljitystiedot eivät sisällä keskustelujen sisältöä

Google Cloud erottaa toiminnan telemetriatiedot keskustelujen sisällöstä, jotta ylläpitäjät ja agenttien omistajat voivat hallita näitä kahta kerrosta toisistaan riippumatta. Cloud Monitoring tarjoaa koontimittareita pyyntöjen määristä, viiveestä ja tokenien käytöstä, kun taas Cloud Trace näyttää kunkin pyynnön vaiheet span-tietueina. Cloud Tracen havaittavuusalueilla voidaan koota yhteen useiden agenttiprojektien telemetriatiedot.

Nämä toiminnan mittarit ja puhdistetut, Googlen omien palveluiden jäljityksen span-tietueet eivät sisällä asiakkaan varsinaista sisältöä, kuten käyttäjien kehotteita, mallien vastauksia, sisäisiä ajatuksia tai luotua SQL-koodia. Näin alustatiimit voivat valvoa toimintaa antamatta toiminnan seurantatyökaluille automaattisesti pääsyä kunkin vuorovaikutuksen sisältöön.

Tarkempaa auditointia varten agenttien omistajat ja muokkaajat voivat ottaa keskustelujen lokituksen käyttöön yksittäisille agenteille. Tämän jälkeen Googlen hallinnoima palveluagentti välittää kehotteet, vastaukset ja vuorokohtaiset telemetriatiedot BigQuery Storage Write API:n kautta asiakkaan omistamaan agent_events tauluun. Taulu perii tietojoukon identiteetin- ja käyttöoikeuksien hallinnan asetukset, asiakkaan hallinnoimat salausavaimet sekä VPC Service Controls -asetukset.

Tietosuojamekanismit tarkistavat jokaisen vuoron ennen lokitusta ja ohittavat kyseisen vuoron lokituksen, jos tietolähteessä käytetään rivitason tietoturvaa, saraketason käytäntötunnisteita tai dynaamista tietojen peittämistä. Jos lokituksessa ilmenee virhe, käyttäjän keskusteluistunto jatkuu keskeytyksettä. Ratkaisussa laaja toiminnan näkyvyys erotetaan siten rajatummasta, erikseen käyttöön otettavasta pääsystä koko vuorovaikutusten sisältöön.

Google Cloudin mukaan mukautetut agentit voivat säilyttää enemmän diagnostiikkatietoja avoimen lähdekoodin ADK-laajennuksen avulla. Laajennus voi välittää BigQueryyn kokonaisia työkalukutsupuita, aikasarjamuotoista telemetriaa ja multimodaalisia tietosisältöjä. Googlen omien palveluiden keskustelulokitus puolestaan poistaa tarkoituksella matalan tason työkalujen argumentit ja sisäisen SQL-koodin.

Kulurajat ulottuvat hallintapaneeleita pidemmälle

Lokit tarjoavat myös perustan kustannusten hallinnalle. Jokaisesta BigQuery-keskusteluvuorosta tallennetaan syöte-, tuloste-, ajattelu-, välimuistiin tallennettujen ja tokenien kokonaismäärät sekä vuoron kokonaisviive. Looker System Activity raportoi erikseen liiketoimintatiedon hallinnan työkuormien arvioidut syöte- ja tulostetokenimäärät.

Kyselykohtaisissa BigQueryn skannattavien tavujen rajoissa käytetään koesuorituksen arvioita, jotta liian suuret kyselyt voidaan estää ilman kyselyn aikaisesta skannauksesta aiheutuvia maksuja. BigQueryn ja Conversational Analytics API:n päivittäiset syöte- ja tulostetokenien kiintiöt ovat puolestaan esikatselussa. Kiintiöt voidaan määrittää projekti-, käyttäjä- tai agenttikohtaisesti Google Cloud -konsolissa tai gcloud CLI:ssä.

Ratkaisussa yhdistyvät käytön raportointi ja aktiiviset rajoitukset. Skannattavien tavujen rajat hillitsevät kyselykuluja ennen kyselyn suorittamista, kun taas esikatselussa olevat tokenikiintiöt laajentavat rajoitukset agenttien kulutukseen projekteissa, käyttäjillä ja yksittäisillä agenteilla.

Arviointitulokset tuotantolokien rinnalle

Google Cloudin avoimen lähdekoodin Prism-työkalulla testataan Conversational Analytics -agentteja, jotka pohjautuvat BigQuery-tauluihin tai Looker Explores -näkymiin. Työkalu tukee uudelleenkäytettäviä testikokonaisuuksia, säännöllisiin lausekkeisiin perustuvia tarkistuksia ja agenteiden hakua useilta alueilta. Arvioinneissa keskitytään SQL-koodin tarkkuuteen ja vastausten laatuun ennen kuin kehotteiden, mallien tai skeemojen muutokset tulevat käyttäjien saataville.

Prism voi kirjoittaa valmiiden arviointien tulokset päivittäin osioituihin BigQuery-tauluihin, jolloin vertailutestien tulokset tallentuvat tuotannon agent_events tietueiden rinnalle analysoitaviksi BigQueryssä ja Lookerissa. BigQuery-agenttien natiivit, Googlen omien palveluiden arvioinnit ovat erikseen esikatselussa saatavilla API:n ja vaiheittain opastavan Colab-muistikirjan kautta.

Julkistuksen myötä asiakkaan omistamasta BigQuery-telemetriasta muodostuu yhteinen perusta valvonnalle, kustannusten hallinnalle ja arvioinnille, ja agenttien valvonta kytkeytyy tietovaraston nykyisiin käyttöoikeuksiin ja tietoturvakontrolleihin. Hallittu keskustelulokitus ja tärkeimmät hallintapaneelit ovat yleisesti saatavilla, kun taas tokenikiintiöt, natiivit arvioinnit ja jotkin Lookerin palautetoiminnot ovat edelleen esikatselussa. Tuotantotiimien on siksi otettava käyttöönottoa suunnitellessaan huomioon sekä toiminnan jäljitystietojen ja kokonaisten keskustelujen välinen raja että kunkin hallintatoiminnon erilainen saatavuus.

mm

Aiden Cross on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälytuotteiden strategian, toteutuksen ja käytännön haasteet, joita liittyy kokeellisten mallien muuttamiseen skaalattaviksi, markkinoille valmiiksi tuotteiksi. Hänen työnsä keskittyy siihen, miten startup-yritykset ja suuret yritykset siirtyvät prototyypeistä ja demoista luotettaviin järjestelmiin, joita todelliset asiakkaat käyttävät.
Hänen työnsä on pragmaattista ja yksityiskohtaista, ja Aiden analysoi tuotteen kehitysroadmappeja, markkinoilletulostrategioita, alustapäätöksiä ja organisaatioiden kompromisseja, jotka määräävät, onnistuvatko tekoälyhankkeet vai jäävätkö ne paikoilleen. Hän kiinnittää erityistä huomiota käyttöönoton todellisuuteen, käyttäjähyväksyntään, infrastruktuurirajoituksiin ja teknisen kyvyn ja liiketoiminta-arvon väliseen yhteensopivuuteen.
Aiden Crossin kirjoittamat artikkelit ovat tekoälygeneroituja ja Unite.AI:n toimituksellinen tiimi tarkistaa ne, jotta varmistetaan selkeä, tarkka ja vastuullinen käsittely siitä, miten tekoälytuotteet rakennetaan, toimitetaan ja skaalataan todellisessa maailmassa.