AI mengubah perencanaan infrastruktur, berikut alasannya

Data menjadi pendorong utama keputusan infrastruktur seiring dengan semakin beragamnya beban kerja AI

Perencanaan infrastruktur sejak lama dibangun di atas stabilitas karena organisasi memilih platform, teknologi yang berkualitas, arsitektur standar, lalu meningkatkan skalanya secara konsisten dan efisien.

Hal itu berubah seiring semakin banyak inisiatif AI yang beralih dari tahap uji coba ke tahap produksi.

Kini, tim mendukung beragam beban kerja, lingkungan penerapan, serta persyaratan bisnis yang semakin luas, sekaligus memenuhi persyaratan tata kelola, kepatuhan, dan kedaulatan. Beberapa aplikasi AI berjalan di cloud publik, sementara yang lain tetap berada di lingkungan lokal atau di komputasi tepi jaringan.

Sementara itu, laju perkembangan teknologi yang semakin pesat menciptakan lebih banyak pilihan model dan opsi penerapan daripada sebelumnya. Keputusan terkait infrastruktur kini semakin kurang berfokus pada identifikasi arsitektur standar tunggal dan lebih berfokus pada mempertahankan fleksibilitas untuk beradaptasi.

Model menjadi semakin mudah dipertukarkan dalam alur kerja AI. Organisasi dapat mengarahkan tugas yang berbeda ke model yang berbeda berdasarkan biaya, performa, atau persyaratan bisnis. Model AI yang mumpuni kini muncul di berbagai lingkungan yang lebih luas, mulai dari infrastruktur berskala besar hingga perangkat lokal. Penyedia infrastruktur juga merencanakan arsitektur komputasi yang lebih modular dan mudah diganti.

Semua ini menunjukkan adanya pergeseran yang lebih luas: Infrastruktur AI menjadi semakin dinamis, dan keputusan infrastruktur menjadi semakin spesifik terhadap beban kerja. Dalam banyak kasus, data adalah alasannya.

Nilai data yang berubah

AI menciptakan peluang baru untuk menggunakan kembali data di berbagai sistem, alur kerja, dan aplikasi. Aplikasi tersebut memiliki persyaratan yang berbeda terkait lokasi penyimpanan data, pengelolaannya, orang yang dapat mengaksesnya, seberapa sering data dipindahkan, dan lama data perlu disimpan. Privasi, kedaulatan, latensi, ekonomi, dan pertimbangan operasional juga memengaruhi keputusan arsitektur ini.

Artinya, infrastruktur semakin dibentuk oleh kebutuhan data, bukan oleh pendekatan seragam untuk penerapannya. Secara historis, organisasi mengumpulkan data untuk menjawab pertanyaan bisnis yang sudah diketahui. Analisis data membantu memprediksi hasil di masa depan, tetapi pertanyaan tersebut biasanya sudah dipahami sebelumnya.

Dengan AI, interaksi pelanggan, riwayat operasional, catatan tata kelola, pengetahuan organisasi, serta konteks bisnis dapat digunakan kembali di berbagai sistem, alur kerja, dan aplikasi.

Karena implementasi baru menghasilkan data baru yang dapat menjadi dasar bagi model, alur kerja, dan keputusan di masa mendatang, data yang disimpan menjadi masukan untuk penciptaan nilai di masa depan.

Saat data bertahan lebih lama daripada infrastruktur

Dalam percakapan saya di industri ini, semakin jelas bahwa data tetap ada lama setelah siklus komputasi individual berakhir. Model, infrastruktur, dan aplikasi mungkin berubah, tetapi data tetap ada.

Akibatnya, banyak organisasi menemukan nilai dalam menggabungkan model yang tersedia secara komersial dengan data milik mereka sendiri. Bila hal itu terjadi, kemampuan untuk menyimpan, mengatur, mengakses, dan menggunakan kembali data menjadi semakin penting. Karena data seringkali bertahan lebih lama daripada infrastruktur yang digunakan untuk memprosesnya, organisasi semakin menekankan arsitektur yang dapat beradaptasi seiring perkembangan teknologi.

Mereka menginginkan kemampuan untuk mengadopsi teknologi baru dan memenuhi syarat infrastruktur dengan lebih cepat. Mereka menginginkan arsitektur yang memungkinkan mereka untuk menanggapi perubahan kebutuhan tanpa harus membangun semuanya dari awal.

Saya juga melihat peningkatan minat pada model infrastruktur yang adaptif yang mengurangi ketergantungan kaku antarlapisan teknologi. Fleksibilitas ini dimaksudkan untuk menciptakan pilihan yang cukup untuk menanggapi perubahan beban kerja, teknologi, dan prioritas bisnis.

Seiring semakin terintegrasinya AI dalam operasional bisnis, keputusan infrastruktur akan semakin dibentuk oleh data: tempat data tersebut berada, cara data tersebut dikelola, lama data tersebut tetap berharga, dan seberapa efektif data tersebut dapat digunakan kembali di berbagai aplikasi dan beban kerja yang semakin luas.

Membangun infrastruktur yang fleksibel berdasarkan nilai jangka panjang data akan menjadi keunggulan utama di masa depan AI.

Pelajari lebih lanjut: Ikuti Penilaian Strategi Penyimpanan Seagate dan temukan peluang untuk membangun infrastruktur yang lebih fleksibel dan siap menghadapi tantangan masa depan.