Rinnovamento o migrazione delle applicazioni cercano un database unico e scalabile, con una piattaforma stabile e disponibile. MongoDB si propone, con le sue ultime migliorie tecniche e contrattuali. Dalla attuale versione 8.2, ogni successiva versione incrementale sarà disponibile sulle tre versioni, Atlas, Community Edition ed Enterprise Advanced. Su Atlas, la soluzione in cloud, si può scegliere uno dei 3 principali cloud provider, Aws, Azure, GCP, con migrazione immediata da Aws a uno degli altri due. Il supporto è stato esteso da 3 a 5 anni per l’intera famiglia della versione 8: la migrazione verso software moderno può essere affrontata con maggior ponderatezza.
In occasione del Terzo MongoDB Day di Roma abbiamo ascoltato Andrea Filosa, regional vice president – Emea Public Sector e Giulio Vezzelli, senior manager solutions architect, South Emea.
La crescita dell’azienda rappresenta bene la situazione. “In Italia l’azienda è passata da 19 a oltre 70 dipendenti in meno di cinque anni, con sedi a Milano e Roma” ha detto Filosa.
A livello globale, l’adozione da parte di oltre il 70% delle aziende Fortune 500 e da numerose startup conferma il suo status di più popolare tra i database moderni. Contemporaneamente si è sviluppata la community, che in un tempo breve ha superato i 30.000 professionisti skillati.
“La modernizzazione dei sistemi e l’intelligenza artificiale stanno guidando la crescita di un mercato dei dati italiano che vale 13 miliardi di euro”, riprende Filosa; “noi abbiamo più di 100 partner attivi, più di 2.000 professionisti che hanno ottenuto la certificazione ufficiale di MongoDB e più del 90% del business che facciamo in Italia è direttamente impattato dai nostri partner”.
I talenti portano business
Spinta dalla necessità di modernizzare i sistemi legacy e sviluppare applicazioni AI, qualsiasi azienda oggi deve attrarre e trattenere i migliori talenti in circolazione. La capacità di lavorare con piattaforme moderne è cruciale per raggiungere questo risultato. “MongoDb svolge un ruolo fondamentale in progetti critici, dalle interazioni bancarie alla fatturazione elettronica e alla consultazione di cartelle cliniche in ambito sanitario, garantendo innovazione, riduzione del time to market e scalabilità sicura”, spiega Vezzelli; “tradizionalmente i database sono in grado di proteggere i dati a riposo, cioè salvati su storage, e in transito, quando vengono trasmessi in rete, ma non nel momento dell’uso, mentre l’encryption di MongoDB protegge il dato anche in quel momento, sempre potendo interrogarlo”.
L’era degli agenti AI
Le soluzioni agentiche prevedono l’adozione di dati vettorizzati con una pre-elaborazione detta embedding e una post-elaborazione chiamata reranking. Che i dati siano strutturati o non strutturati, per essere usati nell’AI vengono trasformati in sequenze di numeri dette vettori.
Lo strumento per generare i vettori è detto modello di embedding, e va applicato a monte. I modelli di reranking, invece, vengono applicati a valle.
“Una volta ottenuti dei dati, il reranking li riordina, mettendo in testa i risultati più rilevanti rispetto alla richiesta o al compito originale”.
La versatilità del modello document permette di usare un unico database per tutto. “Non servono più database diversi per supportare transazioni, ricerca avanzata o AI generativa. Il modello document database di MongoDB è versatile rispetto alle esigenze d’oggi”, ha ripreso Vezzelli. Questa è una soluzione vincente rispetto ai database relazionali tradizionali, i cui limiti di rigidità, fragilità e scalabilità sono messi in crisi dalle applicazioni moderne, che devono gestire dati dinamici e non strutturati -che già oggi rappresentano oltre il 70% dei dati attuali- e richiede la scalabilità orizzontale sulla quale il relazionale fa fatica.
MongoDB ha la flessibilità richiesta per modellare i dati, eseguire query ibride (tradizionali, full-text e semantiche tramite vettori) e solide fondamenta di scalabilità orizzontale. “Abbiamo integrato i migliori modelli di embedding e reranking per migliorare l’estrazione della rilevanza, essenziale per pattern come la Retrieval-augmented generation (Rag) e i sistemi di raccomandazione”, conclude Vezzelli; “La disponibilità del vector search anche nelle versioni on-premise, Community ed Enterprise server testimonia l’impegno dell’azienda nel fornire una piattaforma dati completa”.