Come i requisiti dei dati stanno rimodellando l'infrastruttura dell'IA

Con la crescente integrazione dei sistemi di intelligenza artificiale nelle operazioni aziendali, i team infrastrutturali si trovano a dover decidere dove dovrebbero risiedere i dati, come dovrebbero essere gestiti e come dovrebbero rimanere accessibili.

L'ultimo report di Google Cloud sullo stato dell'infrastruttura AI¹ evidenzia questa visione, rilevando che il 52% delle organizzazioni utilizza ora un approccio ibrido all'IA, mentre il 48% dà priorità a un'infrastruttura che supporti la residenza dei dati, i controlli di conformità e i requisiti di sicurezza locali.

Man mano che le piattaforme cloud continuano ad accelerare la sperimentazione e l'implementazione dell'IA, le organizzazioni accumulano set di dati sempre più ampi e diversificati. Questi risultati indicano inoltre come i requisiti relativi ai dati stiano influenzando le decisioni in materia di infrastrutture, ponendo maggiore enfasi sulla necessità di governare, conservare e accedere ai dati in ambienti multipli.

Quando i dati determinano l'architettura

Residenza dei dati, governance, conformità e sicurezza locale sono questioni fondamentali di gestione e controllo dei dati. Per molte organizzazioni, questi requisiti diventano i principali criteri decisionali che determinano le modalità di implementazione dell'infrastruttura di intelligenza artificiale.

Diversi tipi di dati sono soggetti a diversi requisiti legali, normativi, di sicurezza e operativi. Di conseguenza, le organizzazioni spesso non possono conservare tutti i loro dati in un unico ambiente. L'infrastruttura diventa distribuita perché i dati stessi devono essere gestiti, archiviati e accessibili in modi diversi.

Questa dinamica è visibile nella crescente attenzione verso le iniziative di intelligenza artificiale a livello nazionale, dove governi e imprese stanno investendo in infrastrutture progettate per mantenere i dati critici sotto controllo locale, supportando al contempo i carichi di lavoro dell'IA.

L'intelligenza artificiale cambia il valore dei dati

Sebbene la governance, la conformità e la gestione dei dati non siano requisiti nuovi, l'intelligenza artificiale cambia la quantità e il valore dei dati che le organizzazioni conservano. Poiché i dati conservati diventano una fonte di contesto, conoscenza e informazioni operative per i sistemi di intelligenza artificiale, la conservazione e la governance dei dati diventano considerazioni chiave su come le informazioni vengono archiviate e riutilizzate per creare valore futuro.

Anziché sviluppare modelli di base proprietari, molte organizzazioni stanno scoprendo che combinare modelli commerciali con dati proprietari risulta più efficace. Di conseguenza, il controllo di tali dati diventa un fattore chiave nel determinare quanto valore possono creare i sistemi di intelligenza artificiale.

I sistemi di intelligenza artificiale dipendono dal contesto accumulato, dalla cronologia operativa, dai controlli di governance, dalle interazioni con i clienti e dalla conoscenza organizzativa, che devono essere conservati e accessibili. I dati, oltre a essere un semplice input per i sistemi di intelligenza artificiale, sono diventati una risorsa che contribuisce a determinare il valore che tali sistemi possono creare, e che sta cambiando il modo in cui le organizzazioni concepiscono l'architettura.

Tradizionalmente, i team infrastrutturali tendevano a concentrarsi sul luogo in cui vengono eseguite le applicazioni. Oggi si sta decidendo dove debbano risiedere i dati, per quanto tempo debbano essere conservati, quali politiche li regolamentino e come debbano rimanere accessibili ai futuri sistemi di intelligenza artificiale.

Dai carichi di lavoro alla strategia dei dati

Le scoperte di Google non riguardano solo il cloud, ma anche l'architettura dei dati. L'infrastruttura ibrida è una risposta architetturale alla realtà che i dati di valore risiedono in ambienti multipli.

Il dibattito nel settore si sta spostando dalle questioni relative a dove dovrebbero essere eseguiti i carichi di lavoro di intelligenza artificiale, per concentrarsi invece sulla valutazione della capacità dell'architettura di supportare le modalità di creazione, gestione, conservazione e riutilizzo dei dati.

Le organizzazioni che avranno successo con l'intelligenza artificiale costruiranno infrastrutture basate sulla realtà dei propri dati e sul valore che questi possono generare. Poiché i dati conservati assumono un'importanza sempre maggiore come fonte di contesto, conoscenza e vantaggio competitivo, la capacità di preservare, gestire e riutilizzare tali dati diventa fondamentale. In quest'ottica, l'infrastruttura si evolve da una piattaforma per l'esecuzione di carichi di lavoro in un sistema di registrazione durevole che preserva, gestisce e crea valore dai dati.

Ulteriori informazioni: Consulta il mio recente post blog per scoprire come l'archiviazione a oggetti sia diventata un livello fondamentale per le moderne infrastrutture cloud e di intelligenza artificiale.

Note a piè di pagina:

¹Rapporto sullo stato dell'infrastruttura AI su cloud ibrido e GDC | Blog di Google Cloud