CData רוצה למנוע מה-AI שלכם להמציא ״הכנסות״
CData Software משיקה בגישה מוקדמת את Connect AI Gateway — פלטפורמה שנועדה לשלוט בהתנהגות סוכני AI בארגון: ממודלים וגישה לנתונים ועד חיסכון בעלויות. החברה טוענת ל-98.5% דיוק בבדיקות פנימיות, לעומת 65%–75% אצל מתחרים, ולחיסכון של עד פי 175 בעלות בין מודלים. אנליסטים רואים ב-AI Gateways תשתית קריטית שמתפתחת מעבר לניהול תנועה בסיסי.
כשסוכן AI שולף נתוני לקוחות מ-Salesforce, מתחבר ל-NetSuite ומחזיר תשובה — מישהו יודע מאיפה הוא לקח את המספרים? מישהו וידא שהוא משתמש באותן הגדרות "הכנסות" שהצוות שלכם עובד איתן? ואם הוא טועה — מישהו יכול לשחזר למה?
אלה השאלות שהורגות פרויקטי AI בשלב המעבר מפיילוט לפרודקשן. ו-CData Software, חברת Data Connectivity ותיקה, משיקה היום בגישה מוקדמת מוצר חדש שנועד לענות עליהן: Connect AI Gateway.
אז מה בעצם המוצר הזה עושה?
ה-Gateway מרחיב את פלטפורמת Connect AI הקיימת של CData, ומוסיף שכבת שליטה מרכזית על כל מה שקורה בין סוכני AI לבין המערכות הארגוניות. במילים פשוטות: פלטפורמה אחת שדרכה עוברות כל הבקשות — מהפרומפט הראשוני, דרך בחירת המודל ושליפת הנתונים, ועד לפעולה הסופית שהסוכן מבצע.
אנשי IT יכולים לרשום במקום אחד מודלים, MCP servers וסוכנים — ואז לקבוע חוקים מדויקים לכל אחד מהם. יש גם רישום ביקורת מלא (Audit Trail) שמציג איזה פרומפט, איזה מודל, איזה כלי ואיזו מדיניות תרמו לכל תשובה.
ארבע שכבות, שליטה אחת
הארכיטקטורה בנויה מארבע שכבות:
שכבת Gateway — שלושה שערים ייעודיים: Model Gateway שרושם מודלים (Anthropic, OpenAI, Google) ומנווט בקשות; MCP Gateway שמנהל איך ה-AI ניגש למערכות ארגוניות דרך Model Context Protocol; ו-Agent Gateway שמנהל תיאום בין סוכנים מרובים. כולם חולקים שכבת Governance ו-Observability אחת.
Security and Controls — זיהוי משתמשים, מדיניות גישה, SSO ארגוני, זיהוי PII, Masking והצפנה. Passthrough Identity מוודא שהסוכן פועל עם אותן ההרשאות כמו האדם שהוא משרת. המדיניות יכולה לשלוט בגישה לשורות ולעמודות ספציפיות.
Context Engine — מנוע הקשר שמטפל בבעיות קונטקסטואליות (ועליהן נרחיב מיד).
Connectivity Foundation — שכבת החיבור הבסיסית, שמנצלת את היכולות הקיימות של CData לחיבור למאות מערכות ארגוניות.
"הכנסות" — למי?
בואו ניקח דוגמה פשוטה. אתם שואלים: "מה הכנסות החברה ברבעון הזה?" השאלה הזו יכולה להחזיר תוצאות שונות לגמרי, בהתאם למערכות שהסוכן בוחר ולחישובים שהוא מבצע.
Marie Forshaw, סמנכ"לית שיווק מוצר ב-CData, ניסחה את זה במדויק: "אתם לא רוצים שה-AI יגדיר 'הכנסות' מחדש כל פעם שאתם שואלים שאלה על הכנסות."
ה-Context Engine פותר את זה בכמה דרכים. ראשית, הוא שואב הגדרות עסקיות מכלי אנליטיקה קיימים — כמו dbt של Fivetran ו-Power BI של Microsoft — לצד מידע על שדות ויחסים במערכות המקור. שנית, הוא לוכד ידע פחות פורמלי: ממסמכים, שיחות ותיקונים שמשתמשים עושים לתשובות AI. המידע הזה נשמר ב-Context Graph חיצוני למודלים עצמם, כך שאפשר להחליף מודלים בלי לאבד את הקונטקסט.
וחשוב: אם עובד אחד מתקן תשובה וזה שימושי — זה לא אומר שזה נכון לכולם. ב-CData מודעים לכך ורואים בתהליך האישור האנושי מרכיב קריטי. מישהו צריך לאשר מה נכנס לקונטקסט המשותף.
חיסכון של פי 175?
מעבר לדיוק, ב-CData מתגאים גם בחיסכון בעלויות. לדבריהם, בבדיקה פנימית על 22 מודלים שונים, החברה מצאה פערים של עד פי 175 במחיר בין מודלים שהחזירו את אותה תשובה נכונה. אם אפשר להשיג את אותה תשובה ממודל זול יותר — למה לשלם יותר?
ה-Gateway מאפשר להגדיר תקציבי Tokens ולנתב בקשות לפי מדיניות. ב-CData מתכננים בהמשך גם בחירה אוטומטית של המודל הזול ביותר שמתאים למשימה.
Will Davis, ה-CMO של החברה, הסביר: "בהתחלה זה יהיה מבוסס מדיניות. בסופו של דבר, המערכת תהיה חכמה מספיק לראות את הפרומפט, את התנהגות המערכת, ולבחור את המודל הזול ביותר שמתאים."
בנוסף, שכבת הנתונים יכולה לבצע סינון, Join ו-Aggregation לפני שליחת הנתונים למודל — מה שמפחית את כמות הטוקנים הנצרכת. פחות נתונים בחלון ההקשר של המודל פירושם עלויות נמוכות יותר.
98.5% דיוק — אבל עם כוכבית
בבדיקה פנימית של CData על 378 שאילתות ארגוניות, Connect AI החזיר תשובות נכונות ב-98.5% מהמקרים, לעומת 65%–75% אצל ספקי MCP אחרים שנבדקו. זה פער משמעותי שמעיד על פוטנציאל אמיתי — אבל חשוב לציין שמדובר בנתונים של CData עצמה, לא בבדיקה עצמאית מתועדת או בחיסכון מלקוח בפרודקשן.
מה אומרת התעשייה?
חברת המחקר Omdia פרסמה בחינה של המוצר ורואה בו חלק ממגמה רחבה יותר: שוק ה-AI Gateways מתפתח מעבר לניהול תנועה בסיסי, והופך לתשתית קריטית ל-Governance, שליטה בעלויות וגישה מאובטחת לנתונים.
לפי הניתוח, ככל שארגונים עוברים מניסויים מבודדים למאות עוזרים וסוכנים שפועלים על פני עשרות מערכות — נקודת השליטה המרכזית הופכת קריטית. ב-Omdia מדגישים את הארכיטקטורה ה-Data-First של CData כשונה מגישות אחרות שנבנות בקצה המודל ומנטרות Prompts ותשובות. CData, עם כ-20 שנות ניסיון בקישוריות, בונה מלמטה למעלה — מהחיבור למערכות הארגוניות.
מה זה אומר לכם?
אם אתם עובדים בחברות שמתחילות להטמיע סוכני AI בפרודקשן — המוצר הזה מטפל בכאב שאתם כנראה כבר מכירים. לא מדובר בפתרון קסם, אלא בשכבת Governance שנועדה לוודא שה-AI שלכם לא ממציא נתונים, לא ניגש למקומות שהוא לא צריך, ושורף פחות טוקנים.
CData לא מתיימרת להחליף Data Catalog או Semantic Layer מלא — היא אומרת מפורשות שהיא לא רוצה להיכנס לשוק הזה. "אנחנו לא רוצים להיות ה-Be-all and end-all של Catalog", אמר Davis. "אנחנו רק רוצים להשתמש במידע כדי לוודא שהאינטראקציות בין אנשים, סוכנים ו-AI יהיו מדויקות, יעילות ומפוקחות."
ושוב, כדאי לזכור: כל נתוני הביצועים ש-CData מפרסמת מגיעים מבדיקות פנימיות. עד שלא נראה בדיקות עצמאיות או נתוני פרודקשן אמיתיים, שווה לקחת את המספרים בעירבון מוגבל.
בסופו של דבר, כולם מסכימים שצריך Gateway ל-AI. אף אחד עדיין לא בטוח איזה מהם שווה את הכסף.