Ian Leysen, Datadobin toimitusjohtaja ja yhteisperustaja – Haastattelusarja

Ian Leysen, Datadobin toimitusjohtaja ja yhteisperustaja, on teknologiajohtaja, jolla on yli kolme vuosikymmentä kokemusta ohjelmistokehityksestä, laadunvarmistuksesta ja yritystason datanhallinnasta. Hän perusti Datadobin vuonna 2009 sen jälkeen, kun oli viettänyt kahdeksan vuotta EMC:ssä laadunvarmistuksen vanhempana johtajana, ja ennen sitä hänellä oli johtotehtäviä Mediagenixissä ja Wave Researchissa. Uransa aikana Leysen on keskittynyt voimakkaasti korkealaatuisten ohjelmistokehitysorganisaatioiden rakentamiseen, luoden alusta alkaen kolme laadunvarmistustiimiä. Datadobissa hän johtaa yritystä, jonka tavoitteena on auttaa suuria organisaatioita hallitsemaan, hallinnoimaan, siirtämään ja suojaamaan rakenteetonta dataa paikallisissa, pilvi- ja hybridiympäristöissä. Yritys on kehittynyt alkuperäisestä suurten datasiirtojen painopisteestään tarjotakseen StorageMAP:n, toimittajariippumattoman alustan, jonka tarkoituksena on antaa organisaatioille parempi näkyvyys ja hallinta monimutkaisiin rakenteettomiin datakokonaisuuksiin, mukaan lukien yritysdatan valmistelu AI-hankkeisiin.

Datadobi auttaa organisaatioita saamaan paremman näkyvyyden ja hallinnan nopeasti kasvaviin rakenteettoman datan määriin. Sen ohjelmisto voi skannata miljardeja tiedostoja tunnistaakseen vanhentunutta dataa, kaksoiskappaleita, omistajuusaukkoja ja mahdollisia riskejä, samalla lisäten metadata- ja luokittelutunnisteita, jotka tukevat hallintaa ja automatisoituja politiikkoja arkistointiin, poistoon ja säilytykseen. Tämä on tullut yhä tärkeämmäksi, kun organisaatiot valmistavat yritysdataa generatiivista AI:ta varten, jossa huonosti ymmärretty tai vanhentunut tieto voi aiheuttaa kohinaa, sääntelyongelmia ja turvallisuusriskejä. Datadobi mahdollistaa myös yrityksille potentiaalisesti arvokkaiden tietoaineistojen tunnistamisen, niiden järjestämisen jatkokäyttöön ja valitun tiedon siirtämisen datalakeihin tai lakehouseihin säilyttäen jäljitettävyyden ja hallinnan. Alusta tarjoaa lisäksi näkymän tallennuskustannuksiin ja hiilijalanjälkeen, auttaen organisaatioita tekemään parempia päätöksiä siitä, mitä dataa tulisi säilyttää ja missä sen tulisi sijaita.

Vietit kahdeksan vuotta EMC:ssä laadunvarmistuksen johtajana ennen kuin peristit Datadobin vuonna 2010. Mitä näit suurissa yritysvarastointi- ja dataympäristöissä, mikä vakuutti sinut siitä, että yritys oli perustettavissa, ja miten tuo alkuperäinen visio on kehittynyt, kun rakenteeton data on tullut yhä tärkeämmäksi AI:n kannalta?

EMC:ssä vietin vuosia tarkkaillen, kuinka yritykset investoivat voimakkaasti tallennusinfrastruktuuriin, mutta niillä oli lähes täysin puuttuva näkyvyys siihen, mitä siellä oikeasti säilytettiin. Olimme erinomaisia auttamaan asiakkaita tallentamaan ja suojaamaan dataa, mutta kukaan ei esittänyt vaikeampaa kysymystä: mitä data on, kuka omistaa sen, tarvitseeko kukaan sitä enää, ja mikä sen arvo on? Tämä infrastruktuurin kyvykkyyden ja datan ymmärryksen välinen kuilu oli mahdollisuus. Perustimme Datadobin auttaaksemme organisaatioita siirtämään ja hallitsemaan rakenteetonta dataa älykkäästi, eikä pelkästään siirtämään sitä yhdestä arraysta toiseen.

Mitä on muuttunut, ovat panokset. Viisitoista vuotta sitten hallitsematon tiedostojako oli kustannus- ja sääntelyongelma. Tänään sama hallitsematon tiedostojako on velka, kun joku kohdistaa AI-mallin tai -agentin siihen. Rakenteellinen data on siirtynyt siitä, että organisaatiot tallentavat sitä, siihen, että se määrittää, onnistuvatko AI-hankkeet vai epäonnistuvat. Alkuperäinen ajatuksemme, että pelkkä tallennusinfrastruktuuri ei kerro, mitä data merkitsee liiketoiminnalle, ei ole muuttunut. Se on vain tullut kiireelliseksi tavalla, jota ei ole koskaan ennen koettu.

Olet väittänyt, että generatiivinen AI ei luonut yritysdatan ongelmaa, vaan paljasti ja kiihdytti vuosikymmeniä kestäneitä ongelmia. Mitkä ovat suurimmat heikkoudet, jotka AI nyt paljastaa organisaatioiden historiallisessa datanhallinnassa?

Organisaatiot ovat kamppailleet yritysdatan ymmärtämisen kanssa vuosikymmeniä. AI ei luonut tätä kamppailua, se vain poisti ne paikat, joissa se aiemmin piiloutui. Kun data istui hiljaa tiedostojakamassa tai arkistossa, kenenkään ei tarvinnut vastata siitä, mitä siellä oli. Heti kun kohdistat suuren kielimallin tai RAG-putken siihen, jokainen heikkous tulee näkyväksi ja merkitykselliseksi.

Suurin haaste on se, että suurin osa organisaatioista on hallinnut tallennusta, ei dataa. Ne tietävät, missä niiden tilavuudet ja ämpärit ovat, mutta eivät tiedä, mitä niiden sisällä on: mitkä tiedostot ovat vanhentuneita, mitkä sisältävät arkaluonteista tai säänneltyä tietoa, mitkä ovat moninkertaisesti kopioituja ympäristössä, ja kenellä on oikeasti pääsy niihin. AI paljastaa myös, kuinka sirpaleiseksi omistajuus on tullut. Data kerääntyy paikallisissa järjestelmissä, useissa pilveissä ja SaaS-repositorioissa, eikä kukaan omista koko kuvaa. Nämä eivät ole uusia ongelmia. AI on vain tehnyt niiden huomiamatta jättämisen kustannukset välittömiksi ja näkyviksi.

Organisaatiot keskittyvät usein AI-investointeihinsa voimakkaampiin malleihin, GPU:ihin ja infrastruktuuriin. Miksi lisää laskentatehoa tai tallennustilaa ei pysty ratkaisemaan perimmäistä datan valmiusongelmaa, ja mihin yritysten tulisi sen sijaan investoida?

Lisää laskentatehoa saa huonon vastauksen nopeammin. Se ei tee vastauksesta tarkempaa, turvallisempaa tai säädösten mukaisempaa. GPU:t ja tallennusinfrastruktuuri toteuttavat päätöksiä, eivät tee niitä. Jos syötät voimakkaalle mallille vanhentunutta, kaksoiskappaleista koostuvaa, väärin oikeutettua tai arkaluonteista dataa, saat voimakkaan mallin tuottamaan epäluotettavaa tai riskialtista tulosta suuressa mittakaavassa, ja teet sen nopeasti.

Uskomme, että markkinat ovat saavuttaneet tärkeän käännekohdan: historiallisesti organisaatiot optimoivat tallennusta; yhä enemmän niiden täytyy optimoida dataa. Tämä tarkoittaa investoimista siihen kurinalaisuuteen, joka sijaitsee infrastruktuurikerroksen yläpuolella, kykyyn nähdä koko datakokonaisuus, ymmärtää, mitä kukin datan osa oikeastaan on ja kuka on siitä vastuussa, päättää, mitä tulisi säilyttää, siirtää, arkistoida tai poistaa, ja sitten toteuttaa päätös johdonmukaisesti. Infrastruktuuriinvestointi ilman tätä kurinalaisuutta tarkoittaa vain sitä, että organisaatiot pystyvät tekemään väärän asian nopeammin.

Tämä on juuri se ongelma, jonka rakenteettoman datan hallintaalustamme on rakennettu ratkaisemaan. Se tarjoaa organisaatioille yhden näkymän paikalliseen, pilvi- ja SaaS-tallennukseen, luokittelee dataa tunnisteilla ja metatietoanalytiikalla, jotta tiimit näkevät, mikä on redundanttia, vanhentunutta tai todellisesti arvokasta, ja sitten toteuttaa päätökset – siirtäen, arkistoiden tai poistaen dataa – politiikkapohjaisten työnkulkujen avulla, jotka toimivat jatkuvasti sen sijaan, että ne olisivat kertaluonteinen projekti. Tämä näkyvyyden, luokittelun ja johdonmukaisen toteutuksen yhdistelmä muuttaa lauseen “meillä on paljon dataa” muotoon “tiedämme tarkalleen, mitä meillä on ja mitä meidän tulisi tehdä sillä”.

“AI-valmis data” on tullut yleiseksi alan termiksi. Miten sinun näkökulmastasi rakenteeton data todella tulee AI-valmiiksi, ja mitä kriteerejä organisaatioiden tulisi käyttää ennen kuin dataa sallitaan generatiiviseen AI:hin, retrieval-augmented generation (RAG) -putkeen tai koulutusputkeen?

AI-valmis data on dataa, jonka organisaatio on jo validoinut, ei pelkästään dataa, jota se omistaa. Käytännössä tämä tarkoittaa, että organisaatio pystyy vastaamaan muutamaan keskeiseen kysymykseen luottavaisin mielin ennen kuin data koskaan saavuttaa mallin tai putken: Onko tämä data tarkkaa ja ajantasaista, vai onko se vuosia koskemattomana? Onko se kaksoiskappaleena muualla tavalla, joka voi vääristää tai ristiriidassa tuloksia? Sisältääkö se arkaluonteista, säänneltyä tai henkilökohtaista tietoa, jota ei tulisi paljastaa? Kuka saa siihen pääsyn, ja heijastaako se edelleen sitä, kenellä pitäisi olla pääsy? Lisääkö se liiketoiminta-arvoa käyttötapaukseen, vai onko se vain kohinaa?

Ilman vastauksia näihin kysymyksiin datan syöttäminen generatiiviseen AI:hin tai RAG-putkeen tarkoittaa vain hallintaprobleeman siirtämistä alavirtaan, järjestelmään, joka on paljon parempi paljastamaan löydöksensä kuin tiedostojakamat koskaan olivat. AI-valmius on dataintegraatiokurinalaisuus, ei valintaruutu, jonka täytät kerran ennen projektin käynnistämistä.

Yrityksillä voi olla miljardeja tiedostoja paikallisessa infrastruktuurissa, useissa pilveissä, arkistoissa ja liiketoimintayksiköissä. Kuinka ne voivat määrittää, mikä data sisältää merkittävää liiketoiminta-arvoa ja mikä on redundanttia, vanhentunutta, merkityksetöntä tai pelkkää kohinaa, joka voi heikentää AI:n suorituskykyä?

Tässä mittakaavassa kukaan ei pysty vastaamaan kysymykseen tiedosto kerrallaan, eikä manuaalinen tarkistus ole toteuttamiskelpoinen strategia. Organisaatioiden täytyy ensin saada yrityskohtainen näkyvyys: yksi tarkka näkymä paikallisiin, pilvi- ja SaaS-repositorioihin, koska et voi tehdä päätöstä datasta, jota et näe. Sieltä eteenpäin on kyse dataintegraation soveltamisesta luokittelemaan, mitä ympäristössä todella on, jotta ROT (redundantti, vanhentunut ja merkityksetön) data tunnistetaan ja erotetaan datasta, joka todella tuo liiketoiminta-arvoa.

Tässä kurinalaisuuden on kuljettava pidemmälle kuin pelkkä näkyvyys. Datan näkeminen on välttämätöntä, mutta ei riittävää. Organisaatioiden täytyy edetä ymmärtämällä, mitä data on ja mitä se merkitsee, päättää, mitä sen kanssa tulisi tehdä – säilyttää, siirtää, arkistoida, poistaa tai käyttää AI:n voimanlähteenä – ja sitten toteuttaa päätös johdonmukaisesti miljardeissa kohteissa. Suoraan näkyvyydestä AI:n syötteeksi siirtyminen on juuri se tapa, jolla kohina heikentää mallin suorituskykyä ja miten arvokas data hautautuu sen sekaan.

Turvallisuus ja hallinta nousevat erityisen tärkeiksi, kun AI-järjestelmät voivat paljastaa tietoa, jonka työntekijöiden oli aiemmin vaikea löytää. Kuinka organisaatioiden tulisi arvioida oikeudet, arkaluonteinen tieto, omistajuus ja sääntelyriskit ennen kuin yritysdatan altistamista AI-järjestelmille?

Tämä on yksi alueista, joilla AI on muuttanut riskilaskentaa eniten. Tiedosto, jossa on liiallisia tai vanhentuneita oikeuksia, oli aiemmin teoreettinen altistus, koska käytännössä henkilön olisi täytynyt tietää sen olemassaolosta ja etsiä sitä. AI-järjestelmä, jolla on laaja pääsy, voi paljastaa saman tiedoston kenelle tahansa, joka esittää oikean kysymyksen, välittömästi. Piilottaminen ei koskaan ollut todellinen kontrolli, mutta AI on poistanut viimeisen suojakerroksen, jonka se vahingossa tarjosi.

Ennen kuin data altistetaan AI-järjestelmälle, organisaatioiden täytyy saada selkeä kuva siitä, kenellä on siihen pääsy ja onko tämä pääsy edelleen perusteltu, mitä arkaluonteista tai säänneltyä tietoa se sisältää, kuka omistaa sen ja onko hän vastuussa, sekä mitä sääntelyvelvoitteita siihen liittyy – datan sijainti, säilytys ja tietosuojavaatimukset mukaan lukien. Tämä arvio ei voi olla kertaluonteinen tarkastus ennen lanseerausta. Yritysdata muuttuu jatkuvasti, joten oikeudet, omistajuus ja riskit täytyy tarkistaa jatkuvasti, ei vain sillä hetkellä, kun AI-projekti käynnistyy.

Datadobi kannattaa keskustelun siirtämistä tallennusinfrastruktuurin hallinnasta datan hallintaan liiketoiminnan omaisuutena. Miltä tuo siirtymä näyttää käytännössä, ja miten se muuttaa IT-tiimien, data-tiimien, turvallisuusjohtajien ja liiketoimintayksiköiden välistä suhdetta?

Käytännössä keskustelu lakkaa keskittymästä kapasiteettiin, tasoitukseen ja käyttöaikaan, ja alkaa keskittyä tuloksiin: kustannusten vähentämiseen, riskien vähentämiseen, sääntelyn noudattamiseen ja AI:n mahdollistamiseen. Nämä nähtiin aiemmin erillisinä aloitteina, joilla oli omat työkalunsa ja omistajansa. Uskomme, että tämä näkemys on yhä vanhentuneempi. Ne kaikki riippuvat samojen perusyritysdatatietojen ymmärtämisestä, ja mitä tarvitaan, on uusi data‑keskeinen toimintamalli, joka yhdistää ne sen sijaan, että jokainen aloitte olisi riippuvainen erillisestä, eristyksessä olevasta järjestelmästä. Alustamme on tapa, jolla toteutamme tämän toimintamallin.

Tämä muuttaa luonnollisesti sitä, kuka on mukana keskustelussa. IT ei enää ole ainoa keskustelun omistaja, koska päätökset siitä, mitä dataa säilyttää, siirtää tai altistaa AI:lle, ovat liiketoimintapäätöksiä, jotka perustuvat dataintegraatioon, eivät infrastruktuuripäätöksiin. Turvallisuus‑ ja sääntelyjohtajien täytyy nähdä sama datanäkymä, jonka IT hallinnoi. Liiketoimintayksiköiden täytyy saada ääni siihen, mikä data todella vaikuttaa niiden tuloksiin. Datanhallinta ei enää ole taustatoiminto IT‑toiminnassa, vaan jaettu toimintamalli, jossa IT, turvallisuus ja liiketoiminta tekevät päätöksiä samasta tiedosta.

Yksi haaste yritys‑AI:ssa on, että data muuttuu jatkuvasti. Onko AI‑valmius jotain, jonka organisaatiot voivat saavuttaa kerran, vai vaatiiko se jatkuvaa prosessia datan löytämiseen, luokitteluun, hallintaan, arkistointiin ja siirtämiseen sen kehittyessä?

Se on jatkuvaa, piste. Yritysdata muuttuu jatkuvasti, uusia tiedostoja luodaan, oikeudet muuttuvat, työntekijöitä tulee ja lähtee, sääntely kehittyy, joten datanhallinnan täytyy muuttua jatkuvaksi operatiiviseksi kyvykkyydeksi eikä erilliseksi projektisarjaksi. AI‑valmiuden käsitteleminen kertaluonteisena puhdistuksena ennen projektin käynnistystä on kuin julistaisi rakennuksen turvalliseksi yhden lukonvaihdon jälkeen eikä tarkistaisi ovia enää koskaan.

Organisaatioiden tarvitsee operatiivinen kurinalaisuus, joka jatkuvasti kulkee läpi näkyvyyden, ymmärtämisen, päätöksen ja toteutuksen, löytää mitä dataa on, luokittelee ja ymmärtää sen, päättää, mitä sen kanssa tulisi tehdä, ja sitten toteuttaa päätös toistuvasti. Ne organisaatiot, jotka ylittävät vertaisensa, ovat ne, jotka pystyvät kulkemaan tämän syklin jatkuvasti ja yritys‑mittakaavassa, eivät ne, jotka pitävät AI‑valmiutta projektina, jolla on päättymispäivä.

Kun yritykset yhä enemmän käyttävät AI‑agentteja, jotka voivat hakea tietoa eri järjestelmistä ja tehdä itsenäisiä toimia, onko rakenteettoman datan hallinta entistä tärkeämpää? Mitä uusia riskejä syntyy, kun AI‑agentti voi päästä käsiksi organisaation hajalliseen tietoon sen sijaan, että se vain vastaisi käyttäjän pyyntöön?

Se tulee merkittävästi tärkeämmäksi, koska agentti muuttaa altistuksen luonnetta. Chatbot, joka vastaa yhteen pyyntöön, on rajoittunut siihen, mitä yksi henkilö kysyy ja näkee. Agentti, joka voi hakea tietoa eri järjestelmistä ja tehdä itsenäisiä toimia, voi kulkea paljon laajemmin ympäristöä kuin yksittäinen työntekijä yleensä tekee, ja se voi toimia löydetyn tiedon perusteella, siirtäen, jakamalla tai käyttämällä dataa ilman, että ihminen tarkistaa jokaisen vaiheen.

Tämä tuo mukanaan riskin, joka ylittää pelkän tiedon löytämisen. Jos agentilla on pääsy dataan, jonka ei pitäisi (virheellisesti oikeutetut tiedostot, vanhentuneet arkaluontoiset tiedot, tiedot, jotka olisi pitänyt arkistoida tai poistaa vuosia sitten), se voi toimia sillä datalla koneen nopeudella ja mittakaavassa, eikä pelkästään paljasta sitä yhdelle uteliaalle käyttäjälle. Organisaatiot, jotka ottavat agentit käyttöön menestyksekkäästi, ovat ne, jotka ovat nähneet datanhallinnan ennakkovaatimuksena, ei jälkijälkenä, koska agentti hyödyntää uskollisesti kaikki dataintegraation aukot.

Yritykselle, joka on kerännyt vuosikymmeniä rakenteetonta dataa ja haluaa laajentaa AI‑hankkeitaan, mitkä käytännön askeleet suosittelet ottamaan ensin, ja mitä virheitä johtajien tulisi välttää, kun he alkavat hallita datakokonaisuuttaan?

Aloita näkyvyydestä. Et voi tehdä hyviä päätöksiä datasta, jota et näe, joten ensimmäinen käytännön askel on saada tarkka, yritys‑laajuinen kuva siitä, mitä dataa on paikallisissa, pilvi- ja SaaS‑ympäristöissä. Sieltä eteenpäin siirry ymmärtämiseen, datan luokitteluun, jotta tiedät, mikä on arvokasta, mikä arkaluonteista ja mikä on vain kohinaa, ennen kuin siirryt päätöksiin säilyttämisestä, siirtämisestä, arkistoinnista tai poistamisesta.

Budjettitodellisuus on myös olemassa, jota johtajat eivät voi sivuuttaa. Useimmat CIO:t eivät saa erillistä, rajoittamatonta AI‑budjettia, vaan työskentelevät kiinteän rahamäärän kanssa, jossa AI kilpailee kaikesta muusta, mikä pitää liiketoiminnan pyörimässä. AI:n rahoittamisen kiihko, että leikkaa investointeja olemassa olevaan infrastruktuuriin, on väärä liike, koska juuri tämä infrastruktuuri, tallennus, dataputket, hallinta, on se, mihin AI on riippuvainen menestyäkseen. Kestävämpä polku on luoda tilaa nykyisessä kokonaisuudessa: parantaa näkyvyyttä ja vähentää tallennusjätettä datan optimoinnin avulla, jonka StorageMAP on suunniteltu, vapauttaa todellista budjettia koskematta siihen kapasiteettiin, jonka AI‑hankkeet todellisuudessa tarvitsevat.

Suurin virhe, jonka näen, on organisaatioiden siirtyminen suoraan toteutukseen, kohdistamalla AI datakokonaisuuteen tai käynnistämällä puhdistusprojekti ilman että ensin rakennetaan näkyvyyden ja ymmärtämisen perusta. Toinen virhe on pitää tätä kertaluonteisena aloitteena eikä operatiivisena kyvykkyytenä; data muuttuu jatkuvasti, joten kurinalaisuuden täytyy olla jatkuvaa. Kolmas virhe on pitää sitä pelkkänä teknisenä tehtävänä. Organisaatiot, jotka menestyvät, näkevät tämän liiketoimintapäätöksenä, jossa IT, turvallisuus ja liiketoiminnan sidosryhmät ovat linjassa sen suhteen, mitä data on arvoista ja mitä sen tulisi tapahtua, eikä pelkkänä siirto‑ tai tallennusprojektina, joka annetaan vain IT:lle.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla Datadobi-sivustolla.