O DESAFIO
Usando o MongoDB para impulsionar o crescimento com IA
A IA está pronta para transformar nossa forma de trabalhar nas próximas décadas. Empresas do mundo todo reconhecem seu potencial e estão buscando a melhor forma de adotá-la. No entanto, poucas a utilizam para alcançar os impressionantes níveis de crescimento — tanto internamente quanto para seus clientes — que a Relevance AI vem alcançando.
Com sede em Sydney, na Austrália, a Relevance AI oferece uma plataforma sem código que permite aos clientes criar equipes de IA personalizadas sob demanda. Os clientes usam processos automatizados baseados em modelos de linguagem de grande porte (LLMs) para definir e criar agentes de IA de forma rápida e eficiente. Esses agentes de IA executam tarefas repetitivas e de baixo valor agregado em áreas que vão do atendimento ao cliente a vendas, desenvolvimento de negócios, geração de leads e conversão.
"Somos uma equipe de 30 pessoas empenhada em criar as automações que realmente acreditamos que impulsionarão a próxima geração de empresas", explicou o cofundador da Relevance AI, Jacky Koh. "Queremos que as empresas sejam limitadas apenas pelo tamanho de suas ideias, e não pelo tamanho de suas equipes."
Fundada em 2020, a Relevance AI reúne uma impressionante carteira de clientes, que vai de startups de tecnologia dinâmicas a gigantes da Fortune 500. No entanto, todas elas têm algo em comum.
"Todas essas empresas têm uma demanda forte e crescente", disse Koh. "Existe essa antiga ideia de que expandir um negócio significa aumentar a equipe. Nosso trabalho é desvincular uma coisa da outra. É por isso que essas empresas em crescimento representam um público ideal para nós."
O banco de dados está no centro das operações da Relevance AI. A empresa lançou inicialmente uma plataforma proprietária de NoSQL baseada em nuvem, mas logo percebeu que a falta de recursos de busca vetorial era uma limitação significativa. A Relevance AI precisava de uma solução mais abrangente que atendesse aos seus requisitos para processar grandes e crescentes volumes de dados não estruturados e dos vetores correspondentes de forma rápida, confiável e eficiente.
“Inicialmente, pensamos em desenvolver a nossa própria, mas então vimos que o MongoDB Atlas Vector Search tinha desenvolvido essa funcionalidade”, disse Koh. "Já conhecíamos a integração das funcionalidades de nuvem do MongoDB, bem como seus recursos de dimensionamento automática e observabilidade, então foi uma decisão fácil."
A SOLUÇÃO
A migração para o MongoDB proporciona flexibilidade e facilidade de gerenciamento
A decisão da Relevance AI de migrar para o MongoDB Atlas foi motivada por diversos fatores essenciais. Com uma base global de clientes que se estende da Austrália aos Estados Unidos, a Relevance AI opera clusters regionais separados — tanto dedicados a clientes específicos quanto multilocatários — no Azure e na AWS.
“Essa funcionalidade entre regiões também foi um importante diferencial do MongoDB”, disse Koh. “Provisionamos servidores para cada região em que operamos: Europa, Ásia-Austrália e EUA. Com o MongoDB, o gerenciamento de clusters para cada região é simples.”
Embora a Relevance AI tenha escolhido o MongoDB principalmente por suas qualidades como banco de dados, outros recursos também se destacaram e conquistaram a equipe da empresa.
"Grande parte da nossa equipe tem experiência em engenharia full stack, então o MongoDB é, sem dúvida, uma das principais escolhas quando se trata de desenvolver aplicações", explicou Koh. "A experiência do desenvolvedor é excelente; poder inserir grandes volumes de dados não estruturados sem impactos negativos em aspectos como latência ou custo representa uma proposta de valor muito competitiva."
A maturidade do MongoDB como plataforma baseada em nuvem também foi um grande atrativo para Koh e sua equipe. "O MongoDB oferece excelentes recursos de observabilidade e de criação de perfis de consultas de alto desempenho", acrescentou. "A interface para gerenciar índices também foi um grande diferencial, somando-se aos recursos de busca vetorial e escalabilidade."
Os recursos de vetores são particularmente importantes para a Relevance AI, pois oferecem às equipes a flexibilidade para desenvolver diversas aplicações para clientes e casos de uso baseados em LLMs.
"Como experimento, tentamos usar um banco de dados vetorial separado e o MongoDB como banco de dados operacional. Mas o banco de dados vetorial separado ficou aquém em diversos benchmarks", disse Koh.
"Ter o banco de dados operacional e o banco de dados vetorial na mesma plataforma torna o gerenciamento em escala muito mais simples e o gerenciamento do desempenho muito mais eficiente. Isso também nos permite utilizá-lo com muito mais frequência — em vez de apenas em casos muito específicos, podemos usá-lo sempre que precisarmos. Também não precisamos aprender outra linguagem de query, o que ajuda muito.”
_1.svg)