VAR'larımız, Entegratörlerimiz, Satıcılarımız ve diğer kanal iş ortaklarımıza ürün eğitimi, satış ve pazarlama kaynakları, anlaşma kaydı ve daha fazlasına erişim sağlar.
Yeterli ve verimli veri depolama olmadan devasa veri kümeleri de olmaz.
Veriler yapay zekayı, devasa kapasiteli sabit diskler ise verileri destekler.
Bu tespitler, araştırma şirketi Recon Analytics'in 2025 yılında yaptığı bir anketle daha da netlik kazanmıştır.
Seagate tarafından yaptırılan küresel ankette 1.062 katılımcı yer almıştır. Bu katılımcılar, yıllık geliri 10 milyon doların üzerinde olan, 50 terabayttan fazla mevcut depolama kullanımına sahip, yapay zekayı benimsemiş veya önümüzdeki üç yıl içinde benimsemeyi planlayan ve Amerika Birleşik Devletleri, Çin, Birleşik Krallık, Güney Kore, Singapur, Fransa, Hindistan, Japonya, Tayvan ve Almanya'da bulunan şirketlerde depolama altyapısı rollerinde çalışan BT depolama alıcıları ve karar vericileridir.
Anket, yapay zekanın benimsenmesinin altyapı öncelikleri, veri saklama ve veri yönetimi üzerindeki etkilerine odaklanmıştır. Sonuçlar, yapay zekanın önümüzdeki üç yıl içinde altyapı ihtiyaçlarını nasıl etkileyeceğine ışık tutuyor.
Ankette öne çıkanlar
Her şeyden önce anket, yapay zekanın benimsenmesinin 2028 yılına kadar veri depolama talebinde üstel büyümeye yol açtığını ortaya koymuştur.
Ağırlıklı olarak bulut depolama kullanan şirketlerden ankete katılanların %61'i, şirketlerinin bulut tabanlı depolama alanlarının önümüzdeki üç yıl içinde %100'den fazla artması yani iki katına çıkması gerektiğini söyledi.
Şekil 1. Şirketleri yapay zeka veri yönetimi için öncelikli olarak bulut depolamayı kullanan katılımcıların yüzde altmış biri, depolama gereksinimlerini %100 veya daha fazla artırmayı bekliyor.
Yapay zeka uygulamaları benzeri görülmemiş veri üretimini teşvik ettiğinden, kuruluşlar ne kadar çok veri kaydederse yapay zekanın beklendiği gibi hareket ettiğini o kadar çok doğrulayabilirler. Eğitim veri kümeleri, model kontrol noktaları, istemler ve yanıtlar gibi davranışsal verilere erişim sayesinde şirketler algoritmaları inceleyebilir ve yapay zekanın karar verme sürecini daha iyi anlayıp iyileştirebilirler. Veri merkezlerinin sunduğu ölçek ve verimlilik olmadan yapay zekanın sahip olduğu potansiyel sınırlı kalacaktır, zira devasa veri kümelerini depolama ve geri getirme becerisi yapay zekanın başarısının merkezinde yer almaktadır.
Yapay zekanın başarısını sağlayan yalnızca depolama miktarı değildir. Veri depolama süresi de önemlidir.
Yapay zeka teknolojisini benimseyen işletmeler tarafından istihdam edilen katılımcıların %90'ı daha uzun süre veri saklamanın yapay zeka sonuçlarının kalitesini artırdığını düşünüyor.
Şekil 2. Günümüzde yapay zeka kullanan şirketlerin yüzde doksanı, daha fazla geçmiş veriyi saklamanın model doğruluğunu artırdığına inanıyor.
Bu bulgu, verilerin daha uzun süre saklanmasıyla daha güvenilir yapay zeka içgörüleri arasında bir ilişki olduğunu gösteriyor. Bu, birkaç faktörle desteklenebilir. Birincisi, sürekli yinelemeli işleme, yapay zeka algoritmalarının çalışma biçimine özgüdür. İçerik çıktıları, modele geri beslenerek modelin doğruluğunu artırır ve yeni modellerin kullanılmasını sağlar. Ham veri kümeleri ve sonuçlar, daha fazla geliştirme ve yeni iş akışları için kaynak olur.
Ancak veri kümelerini daha uzun süre tutmak, diğer kritik iş işlevlerine de hizmet eder ve bir şirketin fikri mülkiyetini korur. Modelin orijinal veri kümelerinin ve işlemlerinin “makbuzlarını” saklar ve gerektiğinde sonuçların bir açıklamasını sunar (örneğin yasal bir işlemin parçası olarak). Bu "makbuzlar", veri silsilesi oluşturarak verilerin girdiden çıktıya giden yolculuğunun net bir kaydını sağlar. Veri geçmişi, kuruluşların veri kümelerinin kaynağını ve kullanımını doğrulamasına olanak tanıyarak yapay zeka modellerinin doğru verilere dayanmasını sağlar. Yapay zeka sistemlerinin tamamen denetlenebilir olmasını sağlar ve hem yönetmeliklerle uyum hem de şirket içi sorumluluğu destekler.
Ayrıca şirketler, yarının algoritmalarının dünün verilerinden hangi yeni, değerli bilgileri ortaya çıkarabileceğini bugün bilemeyeceklerini fark ettiklerinden daha fazla veriyi daha uzun süre depolamayı seçebilirler. Daha uzun süreli veri saklama, eski verilerin henüz geliştirilmemiş yapay zeka modelleriyle işlenmesini sağlar. Bu nedenlerden dolayı daha uzun süreli veri saklama, yapay zekanın sağlayabileceği iş değerini artırır.
İlgili bir bulguda, altyapı karar vericileri, uzun süreli veri saklamanın güven oluşturmak için gerekli olduğunu düşünüyor; bu, yapay zeka içgörülerinin çok az değere sahip olduğu kritik bir temel.
Şirketlerinde yapay zeka kullanan katılımcıların %88'i, güvenilir yapay zekanın benimsenmesinin daha uzun süre daha fazla veri depolama ihtiyacını artırdığına inanıyor.
Seagate güvenilir yapay zekayı güvenilir girdiler kullanan ve güvenilir içgörüler üreten yapay zeka veri iş akışları ve modelleri olarak tanımlıyor Güvenilir yapay zeka, aşağıdaki kriterleri karşılayan veriler üzerine inşa edilmiştir.
yüksek kalite ve doğruluk;
net yasallık, sahiplik ve kaynak;
güvenli depolama ve koruma;
algoritma tarafından açıklanabilir ve izlenebilir dönüşümler;
veri işlemeden tutarlı ve güvenilir çıktılar;
Şekil 3. Şirketleri yapay zeka kullanan katılımcıların yüzde seksen sekizi, güvenilir yapay zekanın benimsenmesinin daha uzun süre daha fazla veri depolama ihtiyacı gerektirdiğini söylüyor.
Ölçeklenebilir depolama altyapısı, güvenilir yapay zekayı destekleyerek yapay zeka sistemleri tarafından kullanılan büyük miktarda verinin düzgün bir şekilde yönetilmesine, depolanmasına ve güvenliğinin sağlanmasına yardımcı olur.
Güvenilir yapay zeka oluşturmanın bir parçası olarak, ankete katılanların %80'i, kontrol noktalarının önemini vurgulamıştır.
Denetim noktaları, eğitim sırasında birçok noktada modelin geçerli durumunun (verilerinin, parametrelerinin ve ayarlarının) anlık görüntüleri gibi çalışır. Dakika başı ila birkaç dakikada bir değişen sürelerde depolama cihazlarına kaydedilen anlık görüntüler, geliştiricilerin modelin ilerlemesinin bir kaydını tutmalarını ve beklenmedik kesintiler nedeniyle değerli çalışmalarını kaybetmelerini önlemelerini sağlar.
Ankete göre, 100+PB depolama alanı kullanan şirketler, kontrol noktalarını günlükten haftalık bazda kaydediyor ve yedekliyor. Bunların %87'si bu kontrol noktalarını bulutta veya HDD ile SDD'nin bir karışımında depoluyor.
Depolama: Yapay zeka başarısının gizli itici gücü
Bilgi işlem ve enerji, yapay zekanın benimsenmesi tartışmalarında popüler temalardır. Ancak Recon Analytics anketi, depolamayı kritik itici güç olarak vurguluyor.
Altyapı alıcıları açısından veri depolama, yapay zeka altyapısının güvenlikten sonra en önemli ikinci parçası olarak yer aldı. Güvenlik ve depolamayı önem sırasına göre veri yönetimi, ağ kapasitesi, bilgi işlem, düzenlemeler, LLM uygulanabilirliği ve enerji izledi.
Ankete katılanların üçte ikisi (%66), depolamayı ilk dört yapay zeka sağlayıcı arasında en önemli ikinci ve benimsemenin önündeki en önemli dördüncü engel olarak görüyor.
Şekil 4. Altyapı karar vericilerinin yüzde altmış altısı, depolamayı ilk dört yapay zeka sağlayıcı arasında ikinci en önemli bileşen olarak görüyor. Ayrıca depolamayı yapay zeka dağıtımının önündeki en önemli dördüncü engel olarak sıralıyorlar.
Recon'un kurucusu ve baş analizcisi Roger Entner, bu çıkarımı şöyle açıklıyor:
“Anket sonuçlarına göre veri depolamaya yönelik talepte genel olarak bir artış yaşanacak ve sabit diskler açık ara önde olacak. Anket yaptığımız iş liderlerinin bu yapay zeka güdümlü verileri gitgide daha fazla bulutta depolamayı planladığını düşündüğünüzde, bulut hizmetlerinin ikinci bir büyüme dalgası için iyi bir konumda olduğu görülüyor."
Yapay zekadan en iyi şekilde yararlanmak için işletmelerin ölçeklenebilir ve verimli veri depolamaya hazır olması gerekir. İster doğrudan ister bulut hizmetleri aracılığıyla olsun yapay zekanın verilere olan bağımlılığı, güvenilir yapay zekanın omurgasını oluşturan ve eşsiz kapasite, maliyet verimliliği ile sürdürülebilirliği bir arada sunan sabit disklere dayanıyor.
