جسر بين البنية التحتية وفرق المنتجات: دروس مستفادة من بناء منصات GenAI

لا شك في ذلك: الذكاء الاصطناعي التوليدي أو GenAI هو موضوع اليوم، وقد كان كذلك لسنوات قليلة. سواء كان الهدف هو توفير العمليات، أو إنشاء تصاميم جديدة للمنتجات، أو إنشاء محتوى، أو أي من الميزات الأخرى عبر المجالات، الآن هو الوقت الذي يجب على المنظمات أن تبدأ في القيام بالعمل الذي يهم أكثر وتنفذ استراتيجيات GenAI.

نجاح GenAI، الذي يغطي الحملات من البحث إلى التدريب وأخيراً الاستدلال، يعتمد على التنسيق الضيق حول النشر، والرصد، وادارة التكاليف، والقياس، وأهداف التأخير للبنية التحتية والخدمات. هذه تساعد على تعزيز مستوى الكفاءة القابلة للتحقيق للحملات الذكية، وضمان التوازن الفعال بين الحوسبة والاتصال، وضمان أن تكون وحدات معالجة الرسومات دائماً تحتاج إلى البيانات.

التحدي هو أن هناك فجوة بنيوية غالباً: هندسة البنية التحتية تركز على حزمة الحوسبة والتنفيذ، في حين تركز فرق البرمجيات والمنتجات على بناء التطبيقات التي تواجه المستخدم والتي تجلب GenAI إلى العالم الحقيقي. عندما لا تكون هذه المجموعات متوافقة تماماً، فإنها غالباً ما تؤدي إلى تأخيرات في التسليم، ومشاكل في الأداء، ومشاكل في استخدامها.

إذاً، ما هي هذه الفجوة في العالم الحقيقي، وما هي الاستراتيجيات التي يمكن للمنظمات استخدامها لتنسق بين البنية التحتية وفرق المنتجات من أجل نجاح GenAI؟

مشاكل الخلاف

عندما تكون البنية التحتية وفرق المنتجات غير متوافقة، فإن الأعراض غالباً ما تكون واضحة، ولكنها لا يتم معالجتها دائماً بسرعة كافية. أحد سمات الفرق غير المتوافقة هو افتراضات غير متوافقة حول التأخير أو قدرات النموذج. على سبيل المثال، قد تخطط فرق هندسة البنية التحتية لميزات أو نشرات تفترض مستويات أداء التي لا تتوافق مع التصميم الفعلي للبنية التحتية. هذا يؤدي إلى إعادة العمل في مرحلة متأخرة، وتغييرات في النطاق، وتأخيرات في التسليم.

الخلاف يمكن أن يؤدي أيضاً إلى أداء سيء بسبب نشر على بنية تحتية غير محسنة للسكك الحديدية، مما يظهر في تباين التأخير وضغوط التوسع التي تؤثر على أداء التدريب أو عمليات الاستدلال الكبيرة الموزعة. المخاطر الأمنية والامتثال هي أيضاً سمات الخلاف بين الفرق، حيث أن عدم التعاون المبكر بين الفرق يعني أن متطلبات الخصوصية والامتثال قد يتم تجاهلها.

وأخيراً، يؤدي الخلاف بين الفرق إلى تجربة مستخدم سيئة، مما يضطر فرق هندسة البنية التحتية إلى اللجوء إلى الحلول البديلة عندما تكون القيود غير واضحة، مما يبطئ من دورات التكرار ويزيد من الديون الفنية. بالطبع، الخلاف بين فرق المنتجات والبنية التحتية يمكن أن يكون مكلفاً في أي مشروع برمجي، ولكن مع GenAI على وجه الخصوص، فإن الرهانات أعلى – زيادة في اللامعقولية التشغيلية، وتراجع الميزة التنافسية، والمخاطر الأمنية من بينها.

جسر النجاح

لا يعتمد نجاح الذكاء الاصطناعي التوليدي على بنية تحتية قوية فحسب، بل يتطلب أيضًا إطارًا عمليًا يربط عمليات البنية التحتية بالمنتجات. خذ مثلًا واجهات API الداخلية للتحكم في وحدات معالجة الرسومات. بالنسبة إلى فرق البنية التحتية، توحّد هذه الواجهات الوصول وتخفف عبء طلبات الدعم وتضمن الامتثال؛ أما فرق المنتجات، فتمنحها وصولًا سريعًا ومتوقعًا إلى موارد الحوسبة من دون انتظار.

لوحات الاستخدام في الوقت الفعلي تلعب دوراً مشابهاً. توفر للفرق الهندسية رؤية في حملة النظام والكفاءة، وفي الوقت نفسه تظهر لفرق المنتجات كيف تترجم حمولاتهم إلى استهلاك فعلي. لأن كلا الجانبين يرى نفس البيانات، فإن المناقشات حول الأداء أو العوائق تصبح أكثر تعاونية وأقل عدائية – هناك مصدر وحيد للtruth.

التوسيع التلقائي يُعد التوسع التلقائي أداة موحِّدة أخرى. فهو يخفف عن فرق هندسة البنية التحتية عبء معالجة الأزمات المستمرة، ويضمن في الوقت نفسه ألا يصطدم مطورو المنتجات بحدود الأداء أثناء ذروة الأحمال. وما قد يتحول إلى صراع بين الاستقرار والمرونة يصبح استراتيجية مشتركة: توسع يُدار تلقائيًا بما يوازن بين المتانة التشغيلية وأداء المنتج.

أخيراً، يضيف رؤى التكلفة بعداً مالياً إلى هذا المنظور المشترك. فرق البنية التحتية يمكن أن ت tối ưuية التخصيصات وتبرر التخطيط السعري، في حين يكتسب فرق المنتجات تقديراً لطريقة اختياراتهم المعمارية أو نموذجية التأثير على الإنفاق. هذه الشفافية تؤدي إلى مسؤولية مشتركة، مما يجعل الكفاءة مسؤولية جماعية بدلاً من قلق مخفي.

لكن التنسيق يحتاج إلى أكثر من أدوات مشتركة؛ فهو يتطلب رؤية مشتركة أيضًا. وهنا تأتي خريطة الطريق المشتركة: يجب أن يفهم كل فريق الأهداف العامة والخطوات اللازمة لتحقيقها. بالنسبة إلى فرق البنية التحتية، يعني ذلك تجاوز التفاصيل التقنية العميقة في الأجهزة والبرمجيات والنظر في كيفية تفاعل المطورين والمستخدمين النهائيين مع النظام. أما فرق المنتجات، فيعني احترام قيود مثل زمن الاستجابة والتكلفة وكفاءة النموذج، وتقدير الحقائق التشغيلية التي تجعل الابتكار مستدامًا.

أخيراً، لا يمكن أن تستمر أي شراكة بدون التزام متبادل بالأمين والامتثال. سواء كانت SOC2، أو HIPAA، أو ISO، أو إطارات أخرى تنطبق، فإن المتطلبات المحددة تختلف مع قاعدة العملاء والقطاع الرأسي – ولكن المسؤولية مشتركة. يجب على فرق البنية التحتية والمنتجات أن تدمج هذه الالتزامات، معترفة بأن الامتثال ليس تمريناً لتأكيد الصندوق، ولكن أساساً للثقة مع المستخدمين.

بالمجمل، هذه الممارسات والمناهج تنسج بين البنية التحتية والمنتجات وحدة متجانسة، مع لغة مشتركة، ومرئية مشتركة، ومسؤولية مشتركة عن التقدم، والمتانة، والثقة.

فرق مدربة

وجود الأشخاص المناسبين هو أمر مهم مثل وجود الأنظمة الصحيحة. في المثالي، يجب أن تتضمن الفرق أعضاء فريق يفهمون جيداً GenAI، أو أولئك الذين يأتون من خلفيات حوسبة عالية الأداء ومراكز بيانات متوسطة الحجم. ما يهم حقاً هو الخبرة العملية والدروس التي يمكن الحصول عليها فقط من بناء ودعم منصات GPU كخدمة. هذا يعني فهم كيف تتكلم وحدات معالجة الرسومات مع بعضها، وكيف تتصرف عمليات التدريب المتوافقة، وكيف حساسة للتأخير، والتنظيم، وتسليم البيانات.

كما تنتشر النماذج وتتوسع النشرات، يجب على الفرق أن تتخذ خطوة إلى الوراء وتفكر في رحلة العملاء الكاملة. تبدأ من البحث والتحقيق المبكر، ثم تتحرك إلى التدريب الكبير، ثم التعديل الدقيق وأخيراً الاستدلال. كل مرحلة من هذه المراحل تظهر قليلاً بشكل مختلف، وتتغير الاحتياجات على طول الطريق. الطبيعة التكرارية لتطوير النموذج تعلمنا باستمرار ما النوع من البنية التحتية، والعمليات، والقدرات المطلوبة لجعل مركز بيانات GenAI مناسبًا للغرض.

غالبًا ما تعمل فرق البنية التحتية والمنتجات في جزر منفصلة. ويجب أن يتغير ذلك في أي شركة جادة بشأن توسيع الذكاء الاصطناعي التوليدي إلى بيئة الإنتاج. يعتمد النجاح على تفكيك هذه العزلة وبناء ملكية مشتركة للمنصة. ومع الأشخاص المناسبين والرؤية الواضحة والإطار العملي، يستطيع الجانبان العمل وفق خطة واحدة تساعدهما على التحرك بسرعة أكبر، والحفاظ على المساءلة، وتنفيذ عمليات نشر الذكاء الاصطناعي التوليدي بنجاح.