AI giver virksomheder den undskyldning, de har brug for, for at løse årtiers teknisk gæld

Alle virksomheder vil tale om AI. Hvor meget skal vi investere? Hvor skal vi køre det? Hvilke nye applikationer kan vi bygge? Hvor hurtigt kan vi få dem i produktion?

Men noget andet sker under al den begejstring. Når organisationer hælder penge i AI, får mange et skarpt blik på den infrastruktur, der har kørt virksomheden stille og roligt i årevis. Og det, de opdager, er ikke altid pænt:

• Ældre operativsystemer
• Aldrende databaser
• Applikationer, der er moderniseret uforholdsmæssigt i forhold til infrastrukturen  

Organisationer observerer miljøer, der er bygget på beslutninger truffet for år tilbage. Det er teknisk gæld , som alle ved, eksisterer, men ingen har haft tilstrækkelig grund eller budget til at håndtere.

Ironisk nok kan AI endelig ændre det.

AI åbner infrastrukturbudgettet

En af de største forhindringer for infrastrukturmodernisering har i årevis været bemærkelsesværdigt simpel: hvis den ikke er i stykker, hvorfor så bruge millioner af dollars på at ændre den?

Det er et svært argument for et infrastrukturteam at overvinde. Et ti år gammelt system kan være forældet, dyrt og ufleksibelt, men hvis applikationerne kører, og kunderne ikke klager, kan udskiftning eller modernisering være svært at sælge til økonomichefen.

AI har omskrevet den samtale.

For at understøtte deres AI‑strategier investerer organisationer i betydelige nye investeringer i infrastruktur. De udgifter kan skabe en mulighed for samtidig at løse andre infrastrukturproblemer. Projekter, der havde svært ved at få finansiering på egen hånd, kan pludselig blive en del af en meget større diskussion om, hvordan virksomhedens teknologistak skal se ud i det næste årti.

AI‑æraen kolliderer med æraen for ældre systemer

Mange virksomheder er stadig stærkt afhængige af Windows-baseret infrastruktur og ældre versioner af SQL Server, mens teknologibranchen i årevis har talt om cloud‑native arkitekturer og containere.

Applikationsudvikling er sket fremad på samme tid. Udviklingsteams har omfavnet Linux, containere og cloud‑platforme, mens databaser og anden kritisk infrastruktur ofte er forblevet, hvor de var. Det skaber en stadig mere akavet kløft i virksomheden: moderne applikationer på den ene side og ældre infrastruktur på den anden. AI skaber ikke dette problem. Men hasten med at bygge en AI‑klar virksomhed gør det meget sværere at ignorere.

Organisationer bør derfor modstå at betragte AI‑infrastruktur som et isoleret teknologikøb. Det kan være en mulighed for at stille et meget større spørgsmål: Hvis vi omdesigner en del af vores infrastruktur for AI, hvad andet bør vi rette, mens vi er her?

Modernisering behøver ikke betyde en kæmpe omvæltning

En grund til, at teknisk gæld vedvarer, er antagelsen om, at modernisering kræver en massiv migration. Det gør den ikke.

Når du for eksempel skifter fra Windows til Linux, behøver ikke hver applikation, database og driftsproces at ændres samtidigt. Og vedtagelse af Kubernetes betyder ikke, at en organisation straks skal opgive alt, der kom før. For at gøre det på den mest praktiske måde, bør modernisering ske trinvis.

Organisationer kan bevare eksisterende Windows‑arbejdsbelastninger, mens de introducerer Linux eller Kubernetes ved siden af dem. De kan modernisere individuelle komponenter, når forretningscasen giver mening, og gradvist flytte arbejdsbelastninger i stedet for at satse alt på ét enormt transformationsprojekt.

Dette er især vigtigt for databaser. Kritiske SQL Server‑miljøer kan have fungeret succesfuldt i årevis. Det faktum, at de er gamle, betyder ikke, at organisationer skal erstatte dem uforsigtigt.

Målet bør være at skabe en vej fremad.

Moderniser ikke kun fordi AI er trendy

Der er en vigtig sondring her.

AI‑udgifter kan skabe muligheden for at modernisere infrastrukturen, men organisationer bør ikke migrere arbejdsbelastninger blot fordi de tror, alt pludselig skal blive \”AI‑klar\”. Forretningscasen for infrastrukturmodernisering bør stå på egne ben.

Kan vi sænke omkostningerne?

Kan vi forbedre tilgængeligheden?

Kan vi reducere vores afhængighed af en bestemt platform?

Kan vi gøre arbejdsbelastninger mere flytbare?

Kan vi give forretningen større fleksibilitet i forhold til, hvor applikationer og data kører?

Det er værdifulde resultater uanset hvad der sker med en organisations AI‑køreplan.

Faktisk er en af de fejl, som virksomheder kan begå, at lade AI blive begrundelsen for hver teknologisk beslutning. Der er forskellige krav til AI‑arbejdsbelastninger og traditionelle transaktionelle arbejdsbelastninger. Bare fordi en organisation investerer kraftigt i AI, er der ingen grund til at antage, at hver legacy‑arbejdsbelastning pludselig hører til på Kubernetes.

Modernisering bør løse et reelt infrastrukturproblem.

AI ændrer også økonomien i infrastrukturen

Der er en anden grund til, at fleksibilitet betyder endnu mere i AI‑æraen: infrastrukturøkonomien bliver stadig mere dynamisk. Organisationer har flere valg end nogensinde om, hvor arbejdsbelastninger kører … lokalt, i private skyer, i offentlige skyer og på tværs af flere cloud‑udbydere. Det bedste miljø for én arbejdsbelastning kan faktisk være helt forkert for en anden. Det gør infrastrukturportabilitet stadig mere værdifuld.

Virksomheder bør ikke skulle træffe alle fremtidige infrastrukturbeslutninger baseret på et valg, de foretog for år tilbage. De skal kunne vurdere, hvor en arbejdsbelastning giver mest operationel og økonomisk mening, og foretage ændringer uden at redesigne hele applikationsmiljøet. Dette bliver endnu vigtigere, efterhånden som AI øger infrastrukturudgifterne. Når teknologibudgetterne vokser, kan relativt små forskelle i beregning, licensering og cloud‑omkostninger blive meget store tal.

Muligheden for at vælge bliver en økonomisk fordel.

Den reelle AI‑infrastrukturmulighed kan være større end AI

Der er en tendens til at tænke på AI‑infrastrukturboomet primært i forhold til GPU’er, acceleratorer og enorme datacentre. Disse investeringer betyder bestemt noget. Hvad der sker med resten af virksomhedsinfrastrukturen som følge heraf, kan faktisk være den mest varige påvirkning.

AI tvinger organisationer til at tænke over, hvor deres applikationer kører, hvor deres data befinder sig, hvordan infrastrukturen administreres, og hvor meget legacy‑teknologi de er villige til at videreføre.

Det skaber en sjælden mulighed.

I stedet for blot at lægge den nyeste teknologi oven på årtier af gamle infrastrukturbeslutninger, kan virksomheder bruge denne investeringscyklus til at begynde at nedbringe teknisk gæld og skabe et mere fleksibelt fundament for, hvad der end kommer derefter.

Fordi det vigtigste spørgsmål måske ikke er, om nutidens infrastruktur kan køre AI.

Det kan være, om nutidens AI‑investering endelig kan give organisationerne grunden til at bygge den infrastruktur, de hele tiden burde have bygget.