Bagaimana Databricks Lakebase Menghubungkan Data Transaksi, Analitik, dan AI

Aplikasi membutuhkan database yang cepat untuk mencatat transaksi dan melayani pengguna. Tim data, sementara itu, ingin menganalisis catatan tersebut dan memakainya dalam aplikasi AI. Databricks Lakebase berupaya mendekatkan kebutuhan-kebutuhan itu: aplikasi tetap menggunakan PostgreSQL terkelola, sedangkan data operasionalnya terhubung dengan lingkungan analitik dan tata kelola Databricks. 97

Di mana letak penghubungnya?

Arsitektur Lakebase yang berasal dari teknologi Neon memisahkan komputasi Postgres dari penyimpanan data yang persisten. Karena keduanya tidak harus berjalan sebagai satu server yang selalu aktif, kapasitas komputasi dapat menyesuaikan permintaan dan turun hingga nol saat tidak digunakan. Databricks memosisikannya sebagai lapisan transaksi berlatensi rendah, antara lain untuk interaksi aplikasi dan data sesi. 9

Lakebase juga terhubung dengan analitik berbasis Delta Lake dan tata kelola Unity Catalog, yakni komponen Databricks untuk mengelola akses dan kontrol data. Dengan begitu, tim dapat mengembangkan aplikasi di Postgres sambil menghubungkan data operasionalnya dengan pekerjaan analitik dan AI pada platform yang sama. Namun, keterhubungan ini bukan berarti setiap tabel Postgres otomatis menjadi tabel Delta, atau bahwa semua alur kerja berlangsung tanpa perpindahan data. 97

Apa gunanya bagi pengembang aplikasi AI?

Fitur database branching berbasis copy-on-write memungkinkan pengembang membuat lingkungan terisolasi untuk menguji perubahan skema, fitur aplikasi, atau agen AI tanpa membuat salinan fisik penuh dari database produksi. Penskalaan otomatis dan kemampuan berhenti saat tidak digunakan juga relevan bagi pekerjaan pengembangan atau agen yang bebannya tidak terus-menerus. 9

Pada 18 September 2026, Lakebase Search tersedia secara umum. Melalui ekstensi Postgres, fitur ini menggabungkan pencarian vektor—berguna untuk menemukan informasi berdasarkan kemiripan makna—dengan pencarian kata kunci untuk istilah yang tepat. Aplikasi dapat menjalankan kedua jenis pencarian itu bersama catatan transaksinya dalam satu database, tanpa harus menyiapkan sistem pencarian terpisah untuk fungsi tersebut. 1

Apa yang ditunjukkan pengumuman para mitra?

• Kesehatan — Concurrence. Pada 22 September, Concurrence mengumumkan kemitraan beberapa tahun dengan Databricks untuk membangun Health World Models dan agen AI kesehatan. Tujuan yang disebutkan, termasuk prediksi hasil perawatan pasien, belum dapat diperlakukan sebagai hasil klinis yang telah diverifikasi secara independen. Pengumumannya menyebut platform Databricks, bukan penerapan Lakebase secara spesifik. 34
• Perencanaan tenaga kerja — Bitwise. Bitwise menggambarkan pendekatan berbasis Lakebase untuk menyatukan informasi tenaga kerja bagi keputusan penempatan staf dan perencanaan sumber daya. Namun, pengumuman Bitwise pada 22 September membahas pengakuan atas keahliannya dalam mengerjakan proyek Databricks, bukan peluncuran kemitraan baru untuk solusi tersebut. 52
• Ritel — Intelo.ai. Pada 22 September, Intelo.ai mengumumkan keikutsertaannya dalam program Built-on Databricks sambil mengembangkan solusi tenaga kerja ritel berbasis agen AI. Itu menunjukkan kemungkinan penggunaan platform di ritel, tetapi keanggotaan program saja tidak membuktikan bahwa Lakebase telah digunakan di lingkungan produksi atau menghasilkan dampak ritel yang terukur. 6

Bagi pembaca yang menilai teknologi ini, pembedaan utamanya sederhana: kemampuan Postgres, percabangan, dan pencarian Lakebase adalah fitur platform yang dijelaskan tersendiri; rencana dan pengumuman mitra bukan bukti otomatis bahwa setiap fitur tersebut sudah dipakai dalam produk mereka. 913426