Optimering af cloud-operationer? Se på AI – Tankeledere

Af Balakrishna DR, Senior Vice President, Service Offering Head – ECS, AI og automation hos Infosys.

Digital acceleration efter pandemien skrider hurtigt frem, og for så mange organisationer er cloud centralt i det hele. Det hjælper dem med at blive agile, innovere mere og skabe værdi, selv i udfordrende tider. Gartner forudser, at cloud-udgifterne vil stige med 18,4% i år, til en samlet sum på 304,9 milliarder dollars. Men selv med en massiv cloud-adopteringsrate, mangler mange organisationer i deres cloud-maturity, ifølge Infosys’ 2021 Cloud Radar Report. At fange sin retmæssige andel af cloud-præmien, uden at landskabet udvikler sig til cloud-kaos, er kun muligt, hvis en virksomhed udvikler en klar visning af værdien på spil og de forretningscases, der skal prioriteres.

Cloud-sprawl er en betydelig udfordring. Med SaaS, der giver mulighed for forretningsafdelinger at lede deres egne IT-købsbeslutninger, er der umiddelbare gevinst, men også flere udfordringer. Disse multiple købscentre bringer med sig en voksende risiko for siloede tjenester, stigende omkostninger og værdileakage. AI kan hjælpe med at lette vejen fremad ved at hjælpe IT-organisationer med at modgå hindringerne med bedre klarhed, forudsigelser og kontrol.

Klarhed ikke kun om cloud-udgifter, men også om forretnings-tjenester og tekniske drivere omkring cloud-forbrug – drevet af automatiseret dybdeanalyse.

Forudsigelse af forbrug og indsigt omkring sæsonmønstre, der også giver mulighed for bedre planlægning og provisionering – ved hjælp af data-modeller. AI hjælper også med at styre, strukturere og monitere store datasæt, der driver big data-analyse.

Kontrol, der kommer fra evnen til at strømlinje arbejdsprocesser, mens man intelligent automatiserer overvågning og sporing af cloud-forbrug, tjenester og udgifter. Dette kan i sin tur give pålidelighed i form af automatiseret rationalisering, effektivitet og prioritering; alle grundlæggende principper for god styring uden menneskelig fejl.

Ud over overvågning og styring af cloud-økosystemet kan AI også selvhele, når der er et glide i dette orkestrerede system. Fra automatisering af kerneprocesser og derefter med analytiske muligheder for at forbedre processer over tid, udvider AI’s rolle sig betydeligt. I en robust cloud-implementering kan flere processer automatisk styres af AI, og nye indsighter kan fortsat hjælpe med at udvikle det operationelle miljø, mens IT-holdene fokuserer på højere-værdi-strategiske aktiviteter. AI-drevet trusselforsvar, datasikkerhed og netværkssikkerhed bliver også mere og mere en cloud-standard.

AI kan også fungere som en nødvendig udløser for IT-proces-genopfindelse og -genopbygning ud over inkrementelle forbedringer. Virksomheder, især de digitale indvandrere, har sjældent de operationelle styrker og organisationskonstruktioner på plads til at håndtere kompleksiteten af cloud-økonomi. Når de først anvender AI til at automatisere deres procesmiljø for cloud-beredskab, afslører de disse operationelle udfordringer og foretager ofte proces-genopbygning af ineffektive eller udygtige processer som en del af deres cloud-drevne IT-transformation, som en udvej. Dette kan vise sig at være en uvurderlig fordel.

Siemens Gamesa Renewable Energy (SGRE) giver os et godt eksempel på, hvordan nogle af de principper, der er nævnt i denne tilgang, hjælper virksomheden med at styre deres cloud-først-end-to-end IT-transformation. Rejsen for SGRE omfattede hybrid cloud-transformation, udrulning af et software-defineret netværk, oprettelse af en intelligent servicedesk og digitale arbejdspladstjenester. De harmoniserede først deres eksisterende forskellige IT-oplysninger til en konsolideret infrastruktur-landskab. Den hybrid cloud-løsning – en kombination af flere offentlige cloud-platforme med SGRE’s private cloud – blev derefter integreret for at bringe agilitet til IT-infrastrukturen, samtidig med at den sikrede tekniske og finansielle synergier. AI til procesautomatisering og indsigt for kontinuerlige forbedringer af deres operationelle landskab var en integreret del af deres plan. De udnyttede forbedrede selv-hjælp og selv-hele-kapaciteter, der blev aktiveret af AI og automatiseringsværktøjer under processen, for at sikre, at SGRE kunne regne med fordelene fra et optimeret, stabilt og altid-tilgængeligt infrastruktur, der ville tjene deres operationer i mere end 50 lande.

Som en vej fremad, med virksomheder, der bygger AI-modeller for cloud-transformation, må ingeniører, der håndterer cloud-transformation, holde trit med ændringerne i værktøjerne og miljøerne. Data-videnskabsmænd er ikke de eneste, der arbejder med disse modeller – driftsingeniører og ledere må også arbejde med dem for at optimere og forbedre modellerne. At forberede talent-landskabet – i færdigheder og mindset – til at matche de fremskridt, som AI kan bringe til IT-infrastruktur-landskabet, er et område, der kan drage fordel af vores fokus. Data-videnskabsmænd er ikke de eneste, der arbejder med disse modeller – driftsingeniører og ledere må også arbejde med dem for at optimere og forbedre modellerne. At forberede talent-landskabet – i færdigheder og mindset – til at matche de fremskridt, som AI kan bringe til IT-infrastruktur-landskabet, er et område, der kan drage fordel af vores fokus. Ingeniører og ledere, der arbejder med disse modeller, må også være i stand til at arbejde sammen med data-videnskabsmænd for at udvikle og implementere AI-løsninger, der kan hjælpe med at optimere og forbedre cloud-transformationen. Dette kræver en kombination af tekniske færdigheder, forretningsforståelse og samarbejdsvilje. Ved at investere i denne type samarbejde kan virksomheder sikre, at de kan udnytte fuldt potentialet i AI og cloud-transformation til at drive forretningsvækst og innovation.