Cosmos DB Conf 2026 выделила три сдвига, меняющие разработку AI‑приложений

На конференции докладчики выделили три ключевых сдвига: полуструктурированные данные как база для AI, ускорение разработки с помощью кодирующих агентов и превращение семантического/векторного поиска в первоклассную операцию запроса.

На Cosmos DB Conf 2026 выступающие обозначили три сдвига, которые меняют архитектуру приложений и платформ данных и задают новые требования к инфраструктуре. В вступительной речи вице‑президент Azure Cosmos DB Кирилл Гаврилюк сформулировал эти тренды как основу обсуждений и демонстраций: полуструктурированные данные, ускоренная разработка с помощью кодирующих агентов и вынос семантического/векторного поиска в разряд первостепенных операций. Это важно для команд, которым нужно быстро итеративно разрабатывать и масштабировать AI‑функциональность.

Первый сдвиг — переход от жёстких схем к полуструктурированным, гибким данным, которые служат основой для AI‑приложений. Докладчики объясняли, что современные приложения опираются на промпты, память и контекст, меняющиеся со временем, и потому фиксированные схемы данных ограничивают развитие. Платформы данных всё чаще перестают быть чисто учётными системами и превращаются в системы рассуждения, где критична поддержка изменяемых моделей данных и гибкого представления контекста. Второй сдвиг касается темпа разработки: AI, в особенности кодирующие агенты, ускоряют итерации и изменяют требования к инфраструктуре. Разработчики выпускают изменения быстрее и ожидают возможности масштабироваться «с нуля» до массовых нагрузок практически мгновенно. В ответ платформы должны предлагать serverless‑режимы, практически неограниченное и мгновенное масштабирование, продвинутое встроенное кэширование и интерфейсы, удобные для взаимодействия агентов.

Третий сдвиг — семантический и векторный поиск приобретают статус первоклассной операции запроса. На конференции показали, что современные AI‑приложения требуют слияния векторного, полнотекстового и гибридного поиска с ранжированием по семантике; эти возможности уже не «дополнение», а ключевой инструмент для объединения выборки, рассуждения и контекста в реальном времени. Организаторы привели практические примеры масштабирования и онбординга. Джон Ли из OpenAI рассказал об обработке триллионов транзакций и петабайтов данных и подчеркнул: "The most important thing… is being able to scale from zero to millions of QPS, being able to scale from zero bytes to petabytes", а также отметил важность быстрого онбординга тысяч разработчиков. Гильермо Рауч из Vercel описал переход к serverless и эпизодическим приложениям, которые требуют мгновенной масштабируемости.

Выступления сформулировали очевидные последствия для инженеров и архитекторов: платформы должны поддерживать динамичные модели данных, предлагать встроенные практики моделирования, партиционирования и оптимизации, обеспечивать agent‑дружественные API и нативные возможности семантического поиска. В докладах отмечалось, что Azure Cosmos DB рассчитан на поддержку таких динамично эволюционирующих крупномасштабных AI‑нагрузок, что критично для команд, стремящихся быстро итеративно разрабатывать и масштабировать продукты.