Avant la mise à jour, les entreprises utilisant DynamoDB devaient généralement copier les données dans OpenSearch ou une autre base de données vectorielle, telle que Pinecone et Weaviate, souvent en utilisant des flux DynamoDB ou des pipelines personnalisés, ce qui impliquait d’exploiter deux couches de données et de gérer la génération d’intégration, les remplissages, les tentatives, les modifications de schéma, les politiques de sécurité et la synchronisation, a noté Walter.
Cette dépendance à l’égard de deux couches de données distinctes, a souligné Walter, ajoutait à la latence des requêtes et augmentait le risque que l’index vectoriel soit en retard par rapport à l’enregistrement opérationnel.
De tels retards, selon Ashish Chaturvedi, directeur de recherche chez HFS Research, peuvent avoir de réelles conséquences pour les agents d’IA : « Si un agent agit sur ce qu’il récupère, une copie synchronisée il y a cinq minutes peut signifier une mauvaise action sûre. »
