# AI и платформа данных / Как подключить AI ко всей совокупности данных организации

An episode of [Research Insights Made Simple](https://invisiblenetwork.ai/podcast/6804242130), 12 Oct 2026, 1 h 13 min.

Audio: https://podster.fm/episodes/a2f6cf4b-efb9-4df2-9c8b-55b6d71c9644/audio.mp3?media=rss

12 октября в Research Insights Made Simple снова встречаемся с Колей Головым и продолжаем разговор про платформы данных. В этот раз разберём, как объединить операционные базы, аналитику и AI-агентов и можно ли при этом избавиться от привычного зоопарка интеграций. Николай Голов - директор по продукту одной из датаплатформ, доступных на российском рынке. Раньше он руководил дата-платформами в Avito и ManyChat, преподаёт базы данных и системы хранения в Harbour.Space (https://harbour.space/faculty/Nikolay-Golov). Так что обсудим и устройство технологий, и практику построения платформ, которые потом кому-то поддерживать. На картинке всё выглядит заманчиво: оставляем PostgreSQL для транзакций, изменения из остальных систем отправляем через CDC в объектное хранилище, сверху ставим Lakehouse и подключаем агентов через MCP. Данные собраны, инструменты доступны, можно задавать вопросы. Правда, между «сложили всё в S3» и «агент правильно понял бизнес» ещё помещается довольно много инженерной работы :) Посмотрим, как к этой задаче подходят Databricks, Snowflake, ClickHouse, Microsoft Fabric, Google, AWS и Oracle. У кого-то объединение происходит на уровне хранения, у кого-то через репликацию и общие запросы, а кто-то собирает всё внутри одной СУБД. За похожими словами про единую платформу скрываются разные архитектуры и разные ограничения. Поговорим о том • Где проходят границы между OLTP, аналитикой и агентным бэкендом; • Что на практике означают «одна копия данных» и zero-ETL; • Когда CDC и Lakehouse упрощают жизнь, а когда добавляют ещё одну систему, за которой надо следить; • Какую роль могут играть PostgreSQL, DuckLake и S3 в собственной платформе; • Что нужно агенту помимо доступа к таблицам: определения показателей, права, контекст и возможность проверить результат. Хочется понять, какую сложность эти подходы действительно убирают и какая просто переезжает в другое место. Выпуск будет полезен архитекторам, инженерам данных и руководителям, которые выбирают платформу или подключают AI к существующим данным. Timeline 00:00 - Данные организации для AI-агента 02:47 - Четыре подхода вместо одного правильного решения 05:16 - Классическое хранилище и подготовленные витрины 08:45 - CDC, ETL и размер компании 11:15 - Федеративные запросы: Presto и Trino 16:17 - Универсальная СУБД и ограничения HTAP 18:23 - Единый слой хранения и текущее состояние таблиц 26:09 - Microsoft и AWS: передача изменений 34:51 - ClickHouse: федеративный доступ и репликация 40:04 - Google: операционные базы, BigQuery и стоимость 47:34 - Oracle и SAP HANA: нагрузки внутри одной СУБД 53:56 - Databricks: Neon, Mooncake и общий слой 1:00:17 - Snowflake и PostgreSQL 1:02:25 - Сравнение подходов и пределы общего хранения 1:07:42 - Собственная платформа и открытые форматы

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.