AI verandert de infrastructuurplanning. En wel hierom

Naarmate AI-workloads steeds diverser worden, worden gegevens de belangrijkste drijfveer achter beslissingen op het gebied van infrastructuur.

De planning van infrastructuur is lange tijd gebaseerd geweest op stabiliteit, aangezien organisaties platforms selecteerden, technologieën goedkeurden, gestandaardiseerde architecturen hanteerden en deze vervolgens op een consistente en efficiënte wijze opschaalden.

Dat verandert nu steeds meer AI-initiatieven de proeffase achter zich laten en in de productiefase terechtkomen.

Teams ondersteunen tegenwoordig een steeds grotere verscheidenheid aan workloads, implementatieomgevingen en zakelijke vereisten, terwijl zij tegelijkertijd voldoen aan de vereisten op het gebied van governance, naleving en soevereiniteit. Sommige AI-toepassingen draaien in openbare clouds, terwijl andere op locatie of aan de rand blijven.

Ondertussen zorgt de steeds snellere technologische ontwikkeling voor meer modelkeuzes en implementatiemogelijkheden dan ooit tevoren. Bij beslissingen over infrastructuur gaat het steeds minder om het vaststellen van één standaardarchitectuur en steeds meer om het behouden van de flexibiliteit om zich aan te passen.

Modellen worden steeds beter uitwisselbaar binnen AI-workflows. Organisaties kunnen verschillende taken naar verschillende modellen doorsturen op basis van kosten, prestaties of zakelijke vereisten. Krachtige AI-modellen doen hun intrede in een steeds breder scala aan omgevingen, variërend van hyperscale-infrastructuur tot lokale apparaten. Infrastructuuraanbieders maken ook plannen voor meer modulaire en vervangbare computerarchitecturen.

Dit alles wijst op een bredere verschuiving: De AI-infrastructuur wordt steeds dynamischer, en beslissingen op het gebied van infrastructuur worden steeds meer afgestemd op specifieke werklasten. In veel gevallen liggen de gegevens hieraan ten grondslag.

De veranderende waarde van gegevens

AI biedt nieuwe mogelijkheden om gegevens binnen verschillende systemen, werkprocessen en applicaties te hergebruiken. Deze applicaties stellen verschillende eisen aan de locatie waar gegevens worden opgeslagen, de wijze waarop deze worden beheerd, wie er toegang toe heeft, hoe vaak ze worden verplaatst en hoe lang ze moeten worden bewaard. Ook privacy, soevereiniteit, latentie, economische aspecten en operationele overwegingen zijn van invloed op deze architectuurkeuzes.

Dit betekent dat de infrastructuur in toenemende mate wordt bepaald door de eisen die aan de gegevens worden gesteld, in plaats van door een uniforme aanpak bij de implementatie. In het verleden verzamelden organisaties gegevens om bekende zakelijke vragen te beantwoorden. Analytische gegevens hielpen bij het voorspellen van toekomstige resultaten, maar de vragen zelf waren doorgaans al van tevoren bekend.

Met behulp van AI kunnen klantinteracties, operationele geschiedenis, governancegegevens, organisatorische kennis en zakelijke context worden hergebruikt in meerdere systemen, workflows en applicaties.

Aangezien nieuwe implementaties nieuwe gegevens opleveren die als basis kunnen dienen voor toekomstige modellen, werkprocessen en beslissingen, vormen de bewaarde gegevens een input voor toekomstige waardecreatie.

Wanneer gegevens langer meegaan dan de infrastructuur

Uit mijn gesprekken binnen de sector is steeds duidelijker geworden dat gegevens nog lang na afloop van individuele rekencycli blijven bestaan. Modellen, infrastructuur en toepassingen kunnen veranderen, maar de gegevens blijven bestaan.

Als gevolg hiervan zien veel organisaties de meerwaarde in van het combineren van in de handel verkrijgbare modellen met eigen gegevens. Wanneer dat gebeurt, wordt het steeds belangrijker om gegevens te bewaren, te beheren, te raadplegen en te hergebruiken. Aangezien gegevens vaak langer meegaan dan de infrastructuur waarmee ze worden verwerkt, leggen organisaties steeds meer nadruk op architecturen die zich kunnen aanpassen aan technologische ontwikkelingen.

Zij willen de mogelijkheid hebben om nieuwe technologieën in te voeren en infrastructuur sneller geschikt te maken voor gebruik. Zij willen architecturen waarmee zij kunnen inspelen op veranderende eisen zonder alles helemaal opnieuw te moeten opbouwen.

Ik zie ook steeds meer belangstelling voor flexibele infrastructuurmodellen die de starre afhankelijkheden tussen technologische lagen verminderen. Deze flexibiliteit is bedoeld om voldoende speelruimte te creëren om in te spelen op veranderende werklasten, technologieën en zakelijke prioriteiten.

Naarmate AI steeds meer verweven raakt met de bedrijfsvoering, zullen beslissingen over de infrastructuur in toenemende mate worden bepaald door gegevens: waar deze zich bevinden, hoe ze worden beheerd, hoe lang ze waardevol blijven en hoe effectief ze kunnen worden hergebruikt in een steeds breder scala aan toepassingen en werklasten.

Het opzetten van een flexibele infrastructuur die is afgestemd op de langetermijnwaarde van gegevens zal in de toekomst van AI een doorslaggevend voordeel vormen.

Meer informatie: Doe de Seagate Storage Strategy Assessment en ontdek mogelijkheden om een flexibelere, toekomstbestendige infrastructuur op te bouwen.