Antes da atualização, as empresas que usavam o DynamoDB normalmente tinham que copiar dados para o OpenSearch ou outro banco de dados vetorial, como Pinecone e Weaviate, muitas vezes usando fluxos do DynamoDB ou pipelines personalizados, o que significava operar duas camadas de dados e gerenciar a geração de incorporação, preenchimentos, novas tentativas, alterações de esquema, políticas de segurança e sincronização, observou Walter.
Essa dependência de duas camadas de dados separadas, destacou Walter, aumentou a latência da consulta e aumentou o risco de o índice vetorial ficar para trás em relação ao registro operacional.
Tais atrasos, de acordo com Ashish Chaturvedi, líder executivo de pesquisa da HFS Research, podem ter consequências reais para os agentes de IA: “Se um agente estiver agindo de acordo com o que recupera, uma cópia sincronizada há cinco minutos pode significar uma ação errada e confiante”.
