Ian Leysen, administrerende direktør og medstifter af Datadobi – Interviewserie

Ian Leysen, administrerende direktør og medstifter af Datadobi, er en teknologiekspert med mere end tre årtiers erfaring inden for softwareudvikling, kvalitetssikring og enterprise-datastyring. Han medstiftede Datadobi i 2009 efter at have tilbragt otte år hos EMC som senior manager for kvalitetssikring, forudgået af lederroller hos Mediagenix og Wave Research. Gennem sin karriere har Leysen lagt stor vægt på at opbygge højkvalitets softwareudviklingsorganisationer og har oprettet tre kvalitetssikringsteams fra bunden. Hos Datadobi leder han en virksomhed, der hjælper store virksomheder med at administrere, styre, migrere og beskytte ustruktureret data på tværs af on‑premises, cloud og hybride miljøer. Virksomheden har udviklet sig ud over sine rødder i storskalamigration til at tilbyde StorageMAP, en leverandørneutral platform designet til at give organisationer større synlighed og kontrol over komplekse ustrukturerede dataområder, herunder forberedelse af virksomhedsdata til AI‑initiativer.

Datadobi hjælper virksomheder med at opnå større synlighed og kontrol over de hurtigt voksende mængder af ustruktureret data. Softwaren kan scanne milliarder af filer for at identificere forældet data, dubletter, ejerskabshuller og potentielle risici, samtidig med at den anvender metadata‑ og klassificeringstags, der understøtter styring og automatiserede politikker for arkivering, sletning og opbevaring. Dette er blevet stadig vigtigere, efterhånden som organisationer forbereder virksomhedsdata til generativ AI, hvor dårligt forstået eller forældet information kan skabe støj, overholdelsesproblemer og sikkerhedsrisici. Datadobi gør det også muligt for virksomheder at identificere potentielt værdifulde datasæt, organisere dem til efterfølgende brug og flytte udvalgt information til datalagre eller lakehouses, mens sporbarhed og styring bevares. Platformen giver desuden indsigt i lageromkostninger og CO₂‑påvirkning, så organisationer kan træffe bedre informerede beslutninger om, hvilken data der skal beholdes, og hvor den skal placeres.

Du tilbragte otte år med at lede kvalitetssikring hos EMC, før du medstiftede Datadobi i 2010. Hvad så du i store enterprise‑lagrings‑ og dataomgivelser, der overbeviste dig om, at der var et firma at bygge, og hvordan har den oprindelige vision udviklet sig, efterhånden som ustruktureret data er blevet stadig vigtigere for AI?

Hos EMC tilbragte jeg år med at se virksomheder investere kraftigt i lagerinfrastruktur, mens de næsten ingen synlighed havde over, hvad der faktisk lå på den. Vi var fremragende til at hjælpe kunder med at lagre og beskytte data, men ingen stillede det sværere spørgsmål: hvad er disse data, hvem ejer dem, har nogen stadig brug for dem, og hvad er de værd? Det hul mellem infrastrukturens kapacitet og forståelsen af data udgjorde muligheden. Vi startede Datadobi for at hjælpe organisationer med at flytte og håndtere ustruktureret data intelligent, ikke blot flytte den fra et array til et andet.

Hvad der har ændret sig, er indsatsen. For femten år siden var en uadministreret filshare et omkostnings‑ og compliance‑problem. I dag er den samme uadministrerede filshare en forpligtelse, så snart nogen peger en AI‑model eller -agent på den. Ustruktureret data er gået fra at være det, organisationer lagrede, til at være det, der afgør, om deres AI‑initiativer lykkes eller fejler. Vores oprindelige idé, at lagerinfrastruktur alene ikke kan fortælle dig, hvad dine data betyder for forretningen, er uændret. Den er blot blevet så presserende, som den aldrig før har været.

Du har argumenteret for, at generativ AI ikke skabte enterprise‑dataproblemet, men i stedet afslørede og accelererede problemer, der har eksisteret i årtier. Hvad er de største svagheder, AI nu afslører i, hvordan organisationer historisk har håndteret deres data?

Organisationer har i årtier haft svært ved at forstå deres enterprise‑data. AI skabte ikke denne udfordring, den fjernede blot de steder, hvor den gemte sig. Når data sad stille på en filshare eller i et arkiv, behøvede ingen at svare på, hvad der var i dem. Så snart du peger en stor sprogmodel eller en RAG‑pipeline på dem, bliver hver svaghed synlig og betydningsfuld.

Den største udfordring er, at de fleste organisationer har håndteret lager, ikke data. De ved, hvor deres volumener og beholdere er, men ikke hvad der er inde i dem: hvilke filer der er forældede, hvilke der indeholder følsomme eller regulerede oplysninger, hvilke der er dubleret dusinvis af gange på tværs af miljøet, og hvem der faktisk har adgang. AI afslører også, hvor fragmenteret ejerskabet er blevet. Data akkumuleres på on‑premises‑systemer, flere cloud‑miljøer og SaaS‑lagre, og ingen ejer det fulde overblik. Det er ikke nye problemer. AI har blot gjort omkostningerne ved at ignorere dem umiddelbare og synlige.

Organisationer fokuserer ofte deres AI‑investeringer på kraftigere modeller, GPU’er og infrastruktur. Hvorfor kan mere beregning eller lager ikke løse et underliggende data‑klarhedsproblem, og hvor bør virksomheder i stedet investere?

Mere beregning får et dårligt svar til at komme hurtigere. Det gør svaret hverken mere præcist, sikkert eller i overensstemmelse med regler. GPU’er og lagerinfrastruktur udfører beslutninger, de ikke selv træffer. Hvis du fodrer en kraftig model med forældet, dubleret, forkert tilladt eller følsom data, får du en kraftig model, der producerer upålideligt eller risikabelt output i stor skala, og det hurtigt.

Vi mener, at markedet har nået et vigtigt vendepunkt: historisk set optimerede organisationer lager; i stigende grad skal de optimere data. Det betyder, at de skal investere i disciplinen, der ligger over infrastrukturniveauet – evnen til at se på tværs af hele deres dataområde, forstå hvad hver enkelt datapunkt egentlig er, og hvem der er ansvarlig for det, beslutte hvad der skal beholdes, flyttes, arkiveres eller slettes, og derefter udføre den beslutning konsekvent. Infrastrukturudgifter uden den disciplin betyder blot, at organisationerne kan gøre det forkerte hurtigere.

Det er netop det problem, vores platform for håndtering af ustruktureret data er bygget til at løse. Den giver organisationer et enkelt overblik over on‑premises, cloud og SaaS‑lager, klassificerer data med tagging og metadata‑analyse, så teams kan se, hvad der er redundant, forældet eller reelt værdifuldt, og derefter udfører beslutninger om at migrere, arkivere eller slette data gennem politik‑drevne arbejdsprocesser, der kører kontinuerligt i stedet for som et engangsprojekt. Kombinationen af synlighed, klassificering og konsekvent udførelse er det, der forvandler ‘vi har mange data’ til ‘vi ved præcis, hvad vi har, og hvad vi skal gøre med det’.

‘AI‑klar data’ er blevet en almindelig branchebetegnelse. Hvad gør efter din mening ustruktureret data AI‑klar, og hvilke kriterier bør organisationer anvende, før de tillader data i en generativ AI, retrieval‑augmented generation (RAG) eller træningspipeline?

AI‑klar data er data, som en organisation allerede har valideret, ikke blot data, den ejer. I praksis betyder det, at organisationen kan besvare en række spørgsmål med sikkerhed, før dataen nogensinde når en model eller en pipeline: Er disse data nøjagtige og aktuelle, eller har de ligget urørt i årevis? Er de dubleret andre steder på en måde, der kan forvride eller modsige resultater? Indeholder de følsomme, regulerede eller personlige oplysninger, som ikke bør afsløres? Hvem har tilladelse til at få adgang til dem, og afspejler det stadig, hvem der bør kunne? Tilføjer de faktisk forretningsværdi til brugstilfældet, eller er de blot støj?

Uden svar på disse spørgsmål betyder det at fodre data ind i en generativ AI eller RAG‑pipeline blot, at du flytter dit styringsproblem nedstrøms, ind i et system, der er langt bedre til at afsløre, hvad det finder, end dine filshares nogensinde var. AI‑klarhed er en data‑intelligensdisciplin, ikke en tjekliste, du udfylder én gang, før et projekt starter.

Virksomheder kan have milliarder af filer spredt på on‑premises‑infrastruktur, flere cloud‑miljøer, arkiver og forretningsenheder. Hvordan kan de afgøre, hvilke data der indeholder meningsfuld forretningsværdi, og hvilke der er redundante, forældede, trivielle eller blot støj, som kan forringe AI‑ydelsen?

I den skala vil ingen besvare spørgsmålet fil for fil, og manuel gennemgang er ingen levedygtig strategi. Organisationer har først brug for synlighed på tværs af hele virksomheden: et enkelt, præcist overblik over on‑premises, cloud og SaaS‑lagre, fordi du ikke kan træffe beslutninger om data, du ikke kan se. Derfra handler det om at anvende data‑intelligens til at klassificere, hvad der faktisk findes i miljøet, så ROT‑data (redundant, forældet og triviel) identificeres og adskilles fra de data, der reelt bærer forretningsværdi.

Her skal disciplinen gå ud over blot synlighed. At se dine data er nødvendigt, men ikke tilstrækkeligt. Organisationer skal bevæge sig fra at forstå, hvad dataene er og betyder, beslutte hvad der skal ske med dem – beholdes, flyttes, arkiveres, slettes eller bruges til at drive AI – og derefter udføre den beslutning konsekvent på tværs af milliarder af objekter. At springe direkte fra synlighed til AI‑indtag er præcis den måde, hvorpå støj nedbringer modellens ydeevne, og hvordan virkelig værdifulde data begraves i den.

Sikkerhed og styring bliver især vigtige, når AI‑systemer kan frembringe information, som tidligere var svær for medarbejdere at finde. Hvordan bør organisationer vurdere tilladelser, følsomme oplysninger, ejerskab og regulatorisk risiko, før de eksponerer virksomhedsdata for AI‑systemer?

Dette er et af de områder, hvor AI har ændret risikoberegningen mest. En fil med overdrevne eller forældede tilladelser var tidligere en teoretisk eksponering, fordi en person realistisk set skulle vide, at den eksisterede, og lede efter den. Et AI‑system med bred adgang kan frembringe den samme fil for enhver, der stiller det rette spørgsmål, øjeblikkeligt. Uklarhed var aldrig en reel kontrol, men AI har fjernet den sidste smule beskyttelse, den utilsigtet gav.

Før nogen data eksponeres for et AI‑system, har organisationer brug for et klart billede af, hvem der har adgang til dem, og om den adgang stadig giver mening, hvilke følsomme eller regulerede oplysninger de indeholder, hvem der ejer dem og er ansvarlig for dem, samt hvilke regulatoriske forpligtelser der knytter sig til dem – såsom datalokalitet, opbevaring og privatlivskrav. Denne vurdering kan ikke være en engangsrevision inden en lancering. Enterprise‑data ændrer sig løbende, så tilladelser, ejerskab og risici skal gennemgås løbende, ikke kun i det øjeblik, et AI‑projekt går i luften.

Datadobi går ind for at flytte samtalen fra at styre lagerinfrastruktur til at håndtere data som en forretningsaktiv. Hvordan ser den overgang ud i praksis, og hvordan ændrer den forholdet mellem IT‑teams, datateams, sikkerhedsledere og forretningsenheder?

I praksis betyder det, at samtalen stopper med at handle om kapacitet, lagringstrin og oppetid, og i stedet handler om resultater: omkostningsreduktion, risikoreduktion, regulatorisk overholdelse og muliggørelse af AI. Disse blev tidligere behandlet som separate initiativer, hver med sine egne værktøjer og ejere. Vi mener, at denne opfattelse i stigende grad er forældet. De afhænger alle af forståelsen af de samme underliggende enterprise‑data, og hvad der er nødvendigt, er en ny data‑fokuseret driftsmodel, der forbinder dem, i stedet for at behandle hvert initiativ som om det afhænger af et separat, isoleret system. Vores platform er, hvordan vi omsætter den driftsmodel til praksis.

Det ændrer naturligt, hvem der er i rummet. IT er ikke længere den eneste ejer af samtalen, fordi beslutninger om, hvilke data der skal beholdes, flyttes eller eksponeres for AI, er forretningsbeslutninger, informeret af data‑intelligens, ikke infrastruktur‑beslutninger. Sikkerheds‑ og compliance‑ledere har brug for synlighed i det samme datalandskab, som IT administrerer. Forretningsenheder har brug for en stemme i, hvilke data der faktisk betyder noget for deres resultater. Datastyring ophører med at være en back‑office‑IT‑funktion og bliver en delt driftsdisciplin, hvor IT, sikkerhed og forretningen træffer beslutninger på baggrund af de samme oplysninger.

En udfordring ved enterprise‑AI er, at data konstant ændrer sig. Er AI‑klarhed noget, organisationer kan opnå én gang, eller kræver det en løbende proces for at opdage, klassificere, styre, arkivere og flytte data, efterhånden som de udvikler sig?

Det er en løbende proces, punktum. Enterprise‑data ændrer sig kontinuerligt, nye filer oprettes, tilladelser skifter, medarbejdere kommer og går, regler udvikler sig, så datastyring skal blive en kontinuerlig driftskapacitet i stedet for en række uafhængige projekter. At betragte AI‑klarhed som en engangsrengøring før et projektlancering er som at erklære en bygning sikker efter kun ét låsesmedsbesøg og derefter aldrig tjekke dørene igen.

Hvad organisationer har brug for, er en driftsdisciplin, der løbende bevæger sig gennem synlighed, forståelse, beslutning og udførelse, opdager hvilke data der findes, klassificerer og forstår dem, beslutter hvad der skal ske med dem, og derefter handler på den beslutning på en tilbagevendende basis. De organisationer, der overgår deres konkurrenter, vil være dem, der kan bevæge sig gennem den cyklus kontinuerligt og i enterprise‑skala, ikke dem, der behandler AI‑klarhed som et projekt med en slutdato.

Efterhånden som virksomheder i stigende grad implementerer AI‑agenter, der kan søge på tværs af systemer og udføre autonome handlinger, bliver håndtering af ustruktureret data endnu vigtigere? Hvilke nye risici opstår, når en AI‑agent kan få adgang til information spredt i hele organisationen i stedet for blot at svare på en brugerforespørgsel?

Det bliver betydeligt vigtigere, fordi en agent ændrer arten af eksponeringen. En chatbot, der svarer på en enkelt prompt, er begrænset af, hvad én person spørger om og ser. En agent, der kan søge på tværs af systemer og udføre autonome handlinger, kan gennemløbe langt mere af miljøet end nogen enkelt medarbejder typisk ville, og den kan handle på det, den finder – flytte, dele eller bruge data – uden at et menneske nødvendigvis gennemgår hvert skridt.

Det introducerer en risiko, der går ud over simpel opdagelse. Hvis en agent har adgang til data, den ikke bør have (forkert tilladte filer, forældede følsomme poster, information, der skulle have været arkiveret eller slettet for år tilbage), kan den handle på disse data med maskinhastighed og i skala, ikke blot fremvise dem for en nysgerrig bruger. De organisationer, der implementerer agenter mest succesfuldt, er dem, der har behandlet datastyring som en forudsætning, ikke som en eftertanke, fordi en agent trofast udnytter de huller, der findes i din data‑intelligens.

For en virksomhed, der har akkumuleret årtier af ustruktureret data og ønsker at skalere sine AI‑initiativer, hvilke praktiske skridt vil du anbefale at tage først, og hvilke fejl bør ledere undgå, når de begynder at få deres dataområde under kontrol?

Start med synlighed. Du kan ikke træffe gode beslutninger om data, du ikke kan se, så det første praktiske skridt er at få et præcist, enterprise‑omfattende billede af, hvilke data der findes på tværs af on‑premises, cloud og SaaS‑miljøer. Derfra går du videre til at forstå og klassificere dataene, så du ved, hvad der er værdifuldt, hvad der er følsomt, og hvad der blot er støj, før du træffer beslutninger om opbevaring, migration, arkivering eller sletning.

Der er også en budgetrealitet, som ledere ikke kan ignorere. De fleste CIO’er får ikke et separat, ubegrænset AI‑budget; de arbejder med en fast pulje penge, hvor AI nu konkurrerer med alt andet, der holder forretningen i gang. Instinktet om at finansiere AI ved at skære ned på investeringer i eksisterende infrastruktur er forkert, fordi den samme infrastruktur, lager, datapipelines og styring er præcis det, AI er afhængig af for at lykkes. Den mere bæredygtige vej er at skabe plads i den eksisterende infrastruktur: forbedring af synlighed og reduktion af lagerspild gennem den type dataoptimering, som StorageMAP er bygget til, frigiver reelt budget uden at røre den kapacitet, AI‑initiativerne faktisk vil have brug for.

Den største fejl, jeg ser, er, at organisationer springer direkte til udførelse, peger AI på deres dataområde eller starter et oprydningsprojekt, uden først at opbygge fundamentet af synlighed og forståelse. Den anden fejl er at behandle dette som et engangsinitiativ i stedet for en driftskapacitet; data ændrer sig løbende, så disciplinen skal være kontinuerlig. Og den tredje er at lade det forblive en rent teknisk øvelse. De organisationer, der lykkes, behandler dette som en forretningsbeslutning, med IT, sikkerhed og forretningsinteressenter, der er enige om, hvad dataene er værd, og hvad der skal ske med dem, ikke blot et migrations‑ eller lagerprojekt, der overlades til IT alene.

Tak for det gode interview, læsere, der ønsker at lære mere, bør besøge Datadobi.