构建代理式AI营销栈 数据层现代化是第一步
代理式AI营销不仅需要算法，更需要现代数据基础设施；Acxiom 案例说明数据层现代化可带来10倍以上性能提升。
Acxiom 首席云和数据现代化官 Ankur Jain 认为，构建 AI 策略应先用例驱动而非平台驱动。他将公司核心基础设施从本地 Hadoop 迁移至 Databricks，使原本耗时数天的任务缩短至 2-3 小时，释放工程团队专注于业务价值。数据层现代化是代理式AI（自动化营销全链条的AI系统）的关键前提。
正文摘录
智能体营销栈从数据层开始 为什么现代化数据基础是任何 AI 战略的关键第一步 有个版本的 AI 现代化故事是这样的：先搭平台，再想用例。Ankur Jain 会告诉你这顺序反了——而大多数组织正为此付出代价。 Ankur 是 Acxiom 的云与数据现代化首席官。Acxiom 是一家连接数据与技术的底层平台，帮助全球品牌跨渠道解析客户身份、用超过 10,000 个属性丰富客户画像，并在获客、留存与个性化上交付成果。 Ankur 同时负责产品工程和面向客户的解决方案工程——也就是说，他不仅要管 Acxiom 造什么，还要管这些能力如何嵌入客户实际运营的环境。 加入公司不到两年，Ankur 就主导了 Acxiom 核心基础设施、数据管道、遗留架构和底层技术栈的现代化。如今，Acxiom 正在积极构建智能体工作流，自动化完整的营销价值链。 Aly McGue：很多组织想转向智能体 AI，但核心工作负载仍跑在遗留基础设施上。试图在不适合 AI 的底层上构建智能，有什么风险？ Ankur Jain：风险在于你几乎立刻就会碰到天花板。我加入 Acxiom 时，产品和客户解决方案大多部署在本地。当你的产品和方案被限定在数据中心里，可扩展性非常有限。性能也达不到客户要求的实时场景标准。而且遗留技术很多——整个技术栈需要刷新，需要重新构想云原生架构该是什么样。 我们还看到大量手工管道、大量数据冗余、同一份数据在多个地方有副本。流程本身效率很低。任何想在碎片化或遗留基础上构建智能体能力的组织，都会花更多时间管理基础设施，而不是造产品。 对我们来说，战略愿景归结为两个北极星：数据现代化和智能体营销。它们是顺序执行的，不是并行的。你不可能在遗留基础上构建一个智能体营销生态系统。 Aly：你们从本地 Hadoop 迁移到了 Databricks。这个转变带来了哪些以前做不到的事情？