Potrzeba hybrydowych przestrzeni do dynamicznej optymalizacji przetwarzania AI – wynika z raportu Cloudery.
Opublikowany w sierpniu raport Cloudera, „The Great AI Re-Architecture”, przedstawia fundamentalną zmianę w podejściu przedsiębiorstw do architektury danych. Odpowiada za nią upowszechnienie wykorzystania sztucznej inteligencji – której nie są w stanie efektywnie obsłużyć obecne fundamenty technologiczne.
Wyróżnikiem nie jest wdrożenie AI, ale jego optymalizacja
AI jest obecnie powszechnie wykorzystywana przez firmy, które reprezentują ankietowani. Aż 77% firm korzysta z rozwiązań AI aktywnie. Będący świadkami i wykonawcami tej masowej implementacji systemów AI, respondenci w zdecydowanej większości (72%) oceniają, że obecna architektura danych wymaga gruntownej przebudowy. Celem tej zmiany jest nie tyle nawet sprostanie obecnym wyzwaniom i obciążeniom generowanym przez systemy AI ale wymaganiom przyszłości.
Niemal wszystkie firmy (95%) mają już na koncie epizod opóźnienia albo anulowania inicjatywy AI z powodu problemów związanych z wewnętrznym governance danych czy zgodnością z regulacjami. Jak można by się też spodziewać, większość badanych odnotowuje wzrost kosztów infrastruktury spowodowany koniecznością obsługi obciążeń generowanych przez obsługę AI. Deklaruje tak 84% badanych.
Firmy potrzebują więc dostosowania do nowej sytuacji i strategii optymalizacji wykorzystania AI na przyszłość.
AI wymusza mobilność danych
Obraz przyszłości wyłania się z obserwacji mobilności danych. W poszukiwaniu optymalizacji finansowej i wydajnościowej korzystania z AI większość firm przenosi dane. 97% firm przenosi dane pomiędzy środowiskami przynajmniej raz w miesiącu a 31% robi to codziennie.
Firmy przenoszą obciążenia AI tam, gdzie działają one najlepiej. Decyzje te są podyktowane chęcią poprawy wydajności i redukcji opóźnień (35% wskazań badanych) oraz potrzebą obsługi analityki w czasie rzeczywistym lub na brzegu sieci.
Te działania nie byłyby możliwe bez architektury hybrydowej. Pozwala ona lawirować między wydatkami a wydajnością. Umożliwia na przykład częste dziś scenariusze przenoszenia danych z powrotem do środowisk lokalnych (repatriacja danych) w celu lepszej kontroli kosztów. Według raportu, przeniesienie danych obsługiwanych przez AI z chmury publicznej do chmury prywatnej / infrastruktury on-premise przeprowadziło w ostatnim roku 2/3 firm. Oczywistą korzyścią firm zapewniających mobilność danych jest także zmniejszenie zależności od jednego dostawcy chmurowego.
Środowisko hybrydowe – a de facto przestrzeń stwarzająca możliwość dynamicznego doboru środowiska przetwarzania do okoliczności – jest już dzisiaj najpopularniejszą opcją. Obciążenia związane z wnioskowaniem opartym na AI uruchamiane są w takim środowisku w 31% firm. Niemal równie często AI przetwarzane jest nadal w chmurach publicznych (30%) a nieco rzadziej – w chmurach prywatnych (22%). Ponadto 8% respondentów wskazało na infrastrukturę lokalną. Pokrywa się to z oceną efektywności poszczególnych środowisk w przetwarzaniu AI: chmury publiczne (30%), chmury hybrydowe (29%), chmury prywatne (23%) i rozwiązania lokalne (9%).
Jak przekonują autorzy raportu firmy nie skłaniają się ku żadnemu konkretnemu środowisku. Priorytetem, jak już powiedziano, jest optymalizacja. Ponadto wielu europejskich klientów zaczyna rozważać nową kategorię rozwiązań zwaną „chmurą suwerenną”.
Hybrydowa przyszłość architektury IT
Przyszłość obsługi AI także wydaje się hybrydowa. W ciągu najbliższych dwóch lat ankietowane firmy planują zwiększyć wydatki na chmurę (29%). Ale jednocześnie, 25% respondentów planuje położyć większy nacisk na podejście hybrydowe (hybrid-first) a 24% planuje zwiększyć wydatki na rozwiązania lokalne. Ponad jedna piąta ankietowanych w ciągu dwóch lat zwiększy też nakłady na rozwiązania brzegowe.
Autorzy raportu uważają, że częste przemieszczanie danych nie jest problemem, lecz nowym standardem operacyjnym. Strategia ta zyskała nawet nazwę – Bringing AI to Data. Zamiast trzymać dane w jednym miejscu, firmy starają się dostarczać „zaufane AI do zaufanych danych”, tam, gdzie się one znajdują. Wymaga to dużej mobilności danych, aby uruchamiać właściwe obciążenia we właściwym miejscu.
Jest to według autorów raportu kluczowy element tytułowej „Wielkiej Re-Architektury AI”, w której dominować będą rozwiązania hybrydowe. Zapewnią one elastyczne skalowanie modeli przy zachowaniu kontroli nad danymi. Firmy, które odpowiednio zmienią swoje architektury zyskają trwałą wartość biznesową i przewagę konkurencyjną.
