Sztuczna inteligencja zmienia planowanie infrastruktury. Oto dlaczego

Dane stają się głównym czynnikiem wpływającym na decyzje dotyczące infrastruktury w miarę dywersyfikacji obciążeń związanych ze sztuczną inteligencją.

Od dawna planowanie infrastruktury opiera się na stabilności, ponieważ organizacje wybierają platformy, kwalifikowane technologie, standaryzowane architektury, a następnie skalują je w sposób spójny i wydajny.

Sytuacja ta ulega zmianie, ponieważ coraz więcej inicjatyw z zakresu sztucznej inteligencji wychodzi poza fazę pilotażową i wkracza w fazę produkcji.

Zespoły mogą teraz obsługiwać coraz większą liczbę obciążeń, środowisk wdrożeniowych i wymagań biznesowych, spełniając jednocześnie wymogi dotyczące zarządzania, zgodności i suwerenności. Niektóre aplikacje AI działają w chmurach publicznych, inne zaś pozostają lokalne lub na skraju sieci.

Tymczasem coraz szybsze tempo rozwoju technologii sprawia, że ​​wybór modeli i opcji wdrożenia jest większy niż kiedykolwiek wcześniej. Decyzje dotyczące infrastruktury coraz częściej wiążą się z koniecznością zachowania elastyczności, aby móc się dostosowywać, a nie z określeniem jednego standardu architektury.

Modele stają się coraz bardziej wymienne w ramach procesów sztucznej inteligencji. Organizacje mogą przydzielać różne zadania do różnych modeli w zależności od kosztów, wydajności lub wymagań biznesowych. Wydajne modele sztucznej inteligencji pojawiają się w coraz większej liczbie środowisk, od infrastruktur o dużej skali po urządzenia lokalne. Dostawcy infrastruktury planują również wprowadzenie bardziej modułowych i wymiennych architektur obliczeniowych.

Wszystko to wskazuje na szerszą zmianę: Infrastruktura AI staje się coraz bardziej dynamiczna, a decyzje dotyczące infrastruktury są coraz częściej podejmowane w zależności od obciążenia. W wielu przypadkach przyczyną są dane.

Zmieniająca się wartość danych

Sztuczna inteligencja stwarza nowe możliwości ponownego wykorzystania danych w różnych systemach, przepływach pracy i aplikacjach. Aplikacje te mają różne wymagania odnośnie miejsca przechowywania danych, sposobu ich zarządzania, tego, kto może uzyskać do nich dostęp, częstotliwości ich przesyłania i czasu ich przechowywania. Na decyzje dotyczące architektury wpływają również względy prywatności, suwerenności, opóźnień, ekonomii i eksploatacji.

Oznacza to, że infrastruktura jest coraz częściej kształtowana przez wymagania danych, a nie przez uniwersalne podejście do wdrażania. Tradycyjnie organizacje gromadziły dane w celu uzyskania odpowiedzi na powszechnie znane pytania biznesowe. Analityka pomagała przewidywać przyszłe wyniki, ale same pytania były zwykle z góry zrozumiałe.

Dzięki sztucznej inteligencji interakcje z klientami, historia operacji, zapisy zarządzania, wiedza organizacyjna i kontekst biznesowy mogą być ponownie wykorzystywane w wielu systemach, przepływach pracy i aplikacjach.

Ponieważ nowe wdrożenia generują nowe dane, które mogą służyć do kształtowania przyszłych modeli, przepływów pracy i decyzji, zachowane dane stają się danymi wejściowymi do przyszłego tworzenia wartości.

Kiedy dane przetrwają dłużej niż infrastruktura

W trakcie rozmów z przedstawicielami branży coraz wyraźniej zauważałem, że dane pozostają niezmienne długo po zakończeniu poszczególnych cykli obliczeniowych. Modele, infrastruktura i aplikacje mogą się zmieniać, ale dane pozostają takie same.

W rezultacie wiele organizacji dostrzega wartość w łączeniu dostępnych komercyjnie modeli z zastrzeżonymi danymi. Kiedy tak się dzieje, możliwości przechowywania, zarządzania, uzyskiwania dostępu i ponownego wykorzystywania danych zyskują na znaczeniu. Ponieważ dane często pozostają trwalsze niż infrastruktura służąca do ich przetwarzania, organizacje kładą większy nacisk na architektury, które potrafią dostosowywać się do rozwoju technologii.

Chcą mieć możliwość szybszego wdrażania nowych technologii i oceny infrastruktury. Chcą architektury, która umożliwi im reagowanie na zmieniające się wymagania bez konieczności ponownego budowania wszystkiego od podstaw.

Obserwuję również wzrost zainteresowania elastycznymi modelami infrastruktury, które redukują sztywne zależności między warstwami technologicznymi. Taka elastyczność ma na celu stworzenie wystarczającej liczby opcji reagowania na zmieniające się obciążenia, technologie i priorytety biznesowe.

W miarę jak sztuczna inteligencja staje się coraz bardziej obecna w działalności biznesowej, decyzje dotyczące infrastruktury będą w coraz większym stopniu zależeć od danych: gdzie się znajdują, w jaki sposób są zarządzane, jak długo zachowują wartość i jak skutecznie można je ponownie wykorzystać w coraz większej liczbie aplikacji i obciążeń.

Budowanie elastycznej infrastruktury wokół długoterminowej wartości danych będzie decydującą zaletą przyszłości sztucznej inteligencji.

Dowiedz się więcej: Weź udział w ocenie strategii pamięci masowej Seagate i odkryj możliwości zbudowania bardziej elastycznej infrastruktury przygotowanej na przyszłość.