هل بنيتrastructure جاهزة فعلاً لاستخدام الذكاء الاصطناعي؟

حتى الآن، لدى الجميع استراتيجية لاستخدام الذكاء الاصطناعي. لكن عدداً أقل من المنظمات لديها البنية التحتية لدعم هذه الاستراتيجية.

خلال العام الماضي، تحدثت مع عشرات من قادة تكنولوجيا المعلومات الذين يتعرضون لضغوط حقيقية لتسليم تجارب مدعومة بالذكاء الاصطناعي. يتوقع منهم أن يكون لديهم أدوات إنتاجية أسرع، وآليات ذكية، وإدارة نهاية متقدمة. وتتعدى هذه الضغوط العاملين البشرين: المنظمات تطلب الآن توفير وحدات الذكاء الاصطناعي التي تحتاج إلى حساباتها الخاصة، وبيئات سطح المكتب الخاصة، ونموذج الحوكمة الخاص.

بعد قضاء سنوات في مساعدة بناء Windows 365 و Azure Virtual Desktop في Microsoft ، لقد طوروا صورة واضحة لما يفصل المنظمات التي تنشر بنجاح الذكاء الاصطناعي عن تلك التي تتعثر.几乎 دائماً ما يعود الأمر إلى ثلاثة أشياء: استخدام السحابة، وجود بيانات جيدة، وضبط التكاليف.

هل تستخدم ما لديك بالفعل؟

الأسئلة التي أطرحها على أي قائد تكنولوجيا معلومات هي: كيف تستفيد جيداً من قدرات السحابة التي تدفع ثمنها؟

معظم المنظمات، إذا كانوا صادقين، يستخدمون بيئات السحابة بشكل غير كافٍ. لقد نقلوا حمولات العمل، ولكن عقلية الرفع والتحويل تعني أنهم يديرون أنماطاً تراثية في بيئة حديثة ويفقدون ميزات التحسين المدمجة في منصة مزود السحابة.

هذا الأمر مهم جداً للذكاء الاصطناعي. هذه الحمولات تتطلب موارده بشكل كبير وديناميكي. وهي تتوسع وتتطلب مرونة. بيئة لم يتم تحسينها للتشغيل الأصلي السحابي سوف تتعثر تحت هذا النوع من الطلب، أو ستكلفك أكثر من اللازم عند عدم حدوث ذلك.

قبل الاستثمار في قدرات الذكاء الاصطناعي الجديدة، خذ نظرة حادة على بيئتك الحالية واسأل نفسك هذه الأسئلة:

• هل الآلات الافتراضية مناسبة الحجم، أو أنك تشغل مثيلات أكبر من اللازم؟
• هل سياسات التوسيع التلقائي محسنة لنمط حمولاتك، أو أنها معدة ومهملة؟
• هل تستخدم مثيلات محجوزة وخطط التوفير، أو أنك افتراضيًا تدفع أسعار حسب الطلب؟

مزودو السحابة استثمروا في أدوات التحسين. استخدمها. وإذا لم تكن طبقة الإدارة تظهر هذه Informationen، فهذا فراغ يستحق إغلاقه قبل المضي قدمًا.

البيانات هي الأساس، وبيانات معظم المنظمات معطوبة

عامل الجاهزية الثاني، والأساسي بشكل أكثر، هو البيانات. وليس استراتيجية البيانات المجردة. الحالة الفعلية لبياناتك اليوم.

نظم الذكاء الاصطناعي جيدة مثل البيانات التي يتم تدريبها أو تشغيلها ضدها. هذا ليس فكرة جديدة، ولكن الآثار العملية لا تزال غير متقدمة في معظم منظمات تكنولوجيا المعلومات. عندما أتحدث عن جاهزية البيانات للذكاء الاصطناعي، أعني ثلاثة أبعاد محددة: النظافة، والكاملة، والزمنية.

النظافة تعني أن بياناتك لا تحتوي على مزدوجات أو عدم الاتساق أو أخطاء من شأنها تلوث الإخراج. بالنسبة لإدارة النهاية، قد يعني ذلك سجلات مستخدمين مع سمات قديمة، أو ملفات تعريف أجهزة لم يتم تحديثها منذ أشهر، أو تعيينات سياسات لا تعكس هيكل المنظمة الحالي.

الكاملة تعني أن لديك نطاق الإشارات التي يحتاجها الذكاء الاصطناعي لاستخلاص استنتاجات معنوية. محرك التوصية للتسليم التطبيقي ليس مفيدًا إذا كانت معظم بيانات جهازك النقال مفقودة. نظام الكشف عن الشذوذ لا يستطيع إنشاء قاعدة إذا كانت سجلاتك تحتوي على فجوات. قبل نشر ميزات مدعومة بالذكاء الاصطناعي، قم بتحديد ما هي البيانات التي لديك مقابل ما تتطلبها القدرة.

الزمنية هي البعد الذي يقلل منه تقديره في معظم المنظمات. إنه حول المعلومات في الوقت الحقيقي أو قريبة من الوقت الحقيقي. البيانات القديمة تنتج رؤى قديمة، والرؤى القديمة يمكن أن تكون أسوأ من عدم وجود رؤى على الإطلاق. إذا كانت أنابيب البيانات الخاصة بك تجمع بين ما يجب أن يكون تدفقًا مستمرًا في وقت لاحق من الليل، فهذا مشكلة هيكلية لن يحلها الذكاء الاصطناعي.

نظافة البيانات، وتحديث الأنابيب، وآليات التелеметري لا تجعل عروض مجلس الإدارة مثيرة. لكنها الفرق بين ميزات الذكاء الاصطناعي التي تعمل وميزات الذكاء الاصطناعي التي يتم التخلي عنها بعد ثلاثة أشهر من الإطلاق.

مراقبة التكاليف ليست أمرًا ثانويًا

البعد الثالث من جاهزية الذكاء الاصطناعي هو المالي، ويستحق المزيد من الاهتمام منه في مرحلة التخطيط.

حمولات الذكاء الاصطناعي تكلفتها باهظة، وهي صعبة التنبؤ، وتتوسع أحيانًا بشكل أسرع من قدرة الميزانيات على مواكبتها. لقد رأيت منظمات تحصل على قيمة كبيرة من تجارب الذكاء الاصطناعي الأولى، ثم تشاهد التكاليف المتفجرة عندما انتقلت هذه التجارب إلى الإنتاج، لأن لا أحد صمم نموذج حوكمة التكاليف لمرافقتهم.

هذا صحيح بشكل خاص في بيئات سطح المكتب النهاية، حيث يمكن لميزات الذكاء الاصطناعي مثل ذكاء الجلسة والتمييز التنبؤي والتصحيح التلقائي أن يولدا طلبًا كبيرًا على الحوسبة عبر آلاف الجلسات في نفس الوقت.

المنظمات التي تدير هذه العملية جيدًا تشترك في بعض الخصائص:

هم يعاملون كفاءة البنية التحتية كشرط مسبق، وليس تحسينًا ليتم إجراؤه في وقت لاحق. لقد قاموا بالفعل بعملهم في تحديد الحجم الصحيح، وإزالة الفاقد، وإنشاء أسس التكلفة قبل وصول حمولات الذكاء الاصطناعي.

هم يبنيون رؤية التكاليف في العمليات. هم يعرفون تكاليفهم لكل مستخدم، وجلسة، و حمولة، مما يعني أنهم يمكنهم اكتشاف عندما تدفع ميزات الذكاء الاصطناعي إنفاقًا غير متوقع في وقت مبكر بما يكفي للتصحيح.

ومهمة، لقد اختروا طبقة إدارة تظهر إشارات التكاليف بشكل استباقي، لذلك لا يكتشفون فجوات التكاليف في فاتورة السحابة الشهرية، ولكن من خلال لوحات تحكم في الوقت الفعلي تمكنهم من اتخاذ قرارات أسرع.

الفراغ القابل لإغلاق، لكنه يتطلب الصدق أولاً

المنظمات التي أكون أكثر تفاؤلاً بشأنها هي تلك التي على استعداد للاعتراف بصراحة بمدى تقدمها.

الفراغ بين طموح الذكاء الاصطناعي والتنفيذ حقيقي، لكنه ليس دائمًا. والحدود التالية مرئية بالفعل: مع انتقال الذكاء الاصطناعي العامل من الطيار إلى الإنتاج، يتوسع سؤال جاهزية البنية التحتية إلى ما وراء المستخدمين البشر ليشمل الوكلاء أنفسهم.

هذا يعني تدقيق استخدام السحابة قبل توسيعها، و الاستثمار في جودة البيانات قبل وضع الذكاء الاصطناعي فوقها. كما يعني معاملة حوكمة التكاليف كقضية هندسية، وليس مشكلة فريق المالية.

الفراغ بين طموح الذكاء الاصطناعي والتنفيذ حقيقي، لكنه ليس دائمًا. إنه مشكلة هندسية وعملياتية، وهذه هي المشاكل التي تتمتع بها مجتمع تكنولوجيا المعلومات.