Haastattelut
Leo Brunnick, Clouderan tuotepäällikkö – haastattelusarja
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Leo Brunnick, Clouderan tuotepäällikkö, on kokenut teknologiajohtaja ja yrittäjä, jolla on yli kolme vuosikymmentä kokemusta ohjelmistojen, digitaalisen median ja yritysteknologian organisaatioiden rakentamisesta ja skaalaamisesta. Clouderassa hän johtaa tuotehallintaa, tekniikkaa ja asiakastukea, valvoen yrityksen tuote- ja teknologiakäsitteitä sen laajentuessa data- ja AI-alustan kyvykkyyksiin. Ennen kuin hän liittyi Clouderaan vuonna 2025, Brunnick vietti kuusi vuotta Navigassa, viimeisimpänä toimitusjohtajana, jossa hän johti yli 600 ammattilaista tuotannon, tekniikan, markkinoinnin, R&D:n, asiakastuen ja ammatillisten palveluiden alueilla. Aikaisemmin urallaan hän perusti ja toimi Patheosin toimitusjohtajana, kasvattaen digitaalisen median alustan noin 15 miljoonaan kuukausittaiseksi kävijämääräksi ennen menestyksekästä exit‑tilannetta, ja vietti kahdeksan vuotta Vignetten, yrityssisällönhallintayrityksen, tuotepäällikkönä. Hänen taustansa sisältää myös teknologia‑konsultointia Andersen Consultingissa sekä palvelusta U.S. Marine Corps -jalkaväen upseerin tehtävissä.
Cloudera on yritystason data‑ ja AI‑yritys, jonka tavoitteena on auttaa organisaatioita hallitsemaan, hallinnoimaan, analysoimaan ja soveltamaan AI:ta dataan missä tahansa se sijaitsee — julkisissa pilvissä, yksityisissä datakeskuksissa ja reunaympäristöissä. Sen hybridialusta yhdistää datanhallinnan, analytiikan, koneoppimisen, generatiivisen AI:n ja yhä enemmän agenttipohjaiset AI‑ominaisuudet korostaen yritysturvallisuutta, hallintaa, yksityisyyttä ja työnkuorman siirrettävyyttä. Yrityksen nykyinen alusta‑strategia sisältää Cloudera Anywhere Cloud -arkkitehtuurin, jonka tarkoituksena on tarjota yrityksille yhtenäinen pilvikokemus eri infrastruktuuriympäristöissä, sekä avoimen data‑lakehousen, yhtenäisen data‑kankaan, reaaliaikaisen datankäsittelyn ja työkaluja AI‑mallien ja -agenttien kehittämiseen ja käyttöönottoon. Clouderan mukaan sen teknologia hallinnoi yli 25 exatavua dataa, ja sitä käyttävät suuret globaalit yritykset, jotka pyrkivät modernisoimaan datainfrastruktuuriaan ilman, että kaikkia työnkuormia tai arkaluonteista dataa tarvitsee siirtää julkiseen pilveen.
Urasi on kattaa teknologia‑konsultoinnin, tuotetiimien johtamisen Vignetellä ja Navigassa, Patheosin perustamisen ja kasvattamisen, ja nykyisen roolisi Clouderan tuotepäällikkönä. Miten nämä kokemukset ovat muokanneet tapaasi ajatella yritysteknologian alustoja aikana, jolloin AI muuttaa perusteellisesti organisaatioiden datankäyttöä?
Kaikissa näissä tilanteissa sama periaate pätee. Teknologia on arvokkainta, kun se tekee monimutkaisesta asiasta helpomman ihmisille käyttää. Tämä on nyt entistä tärkeämpää, sillä AI luo merkittäviä mahdollisuuksia samalla lisäten toisen kerroksen monimutkaisuutta yrityksille, jotka jo navigoivat pilvidatan, datakeskusten ja yhä useammin suverenien ympäristöjen parissa.
Rakentaessamme tätä seuraavaa aikakautta Clouderassa, pohdin usein, miten voimme mahdollistaa organisaatioiden hyödyntää uusia teknologioita ilman, että heidän täytyy miettiä kaikkea uudelleen, mitä he ovat jo rakentaneet. Viimeisten vuosien aikana yritykset ovat keränneet data‑varantoja, sovelluksia, hallintomalleja ja operatiivisia prosesseja. Ei olisi järkevää hylätä kaikkea sitä jokaisen uuden teknologian ilmaantuessa. AI‑aikakaudessa menestyvät alustat rakentuvat organisaatioiden jo olemassa olevan pohjan päälle ja antavat heille joustavuutta ja hallintaa mukautua tarpeiden muuttuessa.
Cloudera esitteli äskettäin Cloudera Anywhere Cloud auttaakseen yrityksiä rakentamaan ja operoimaan AI:ta julkisissa pilvissä, yksityisissä infrastruktuureissa, suvereenipilvissä, paikallisissa ympäristöissä ja reunalla. Minkä ongelman näit asiakkaiden keskuudessa, joka vakuutti Clouderan siitä, että tällainen yhtenäinen arkkitehtuuri oli tarpeellinen?
Asiakkaat kokevat kasvavaa painetta saada AI käytäntöön, vaikka heidän datansa ja infrastruktuurinsa jakautuvat useampiin ympäristöihin kuin koskaan aiemmin. Data voi sijaita julkisissa pilvissä, yksityisissä datakeskuksissa, suvereenissa ympäristössä ja reunalla, joilla jokaisella on omat turvallisuus-, sääntely-, suorituskyky- ja taloudelliset vaatimuksensa. Kaikkien näiden ympäristöjen hallinta voi aiheuttaa merkittävän operatiivisen kuormituksen organisaatioille.
Anywhere Cloudin idea on, että yritysten ei pitäisi joutua valitsemaan pilven ketteryyden ja datan hallinnan, turvallisuuden ja hallinnon välillä. Organisaatiot tarvitsevat yhdenmukaisen tavan ottaa käyttöön, hallita ja skaalata data‑ ja AI‑palveluita siellä, missä se on liiketoiminnalle järkevintä. Yhdellä ohjaustasolla yritykset voivat käyttää vähemmän aikaa perusinfrastruktuurin hallintaan ja enemmän aikaa keskittyä haluamiinsa tuloksiin datan ja AI:n avulla, riippumatta siitä, missä ympäristössä se sijaitsee.
Olet sanonut, että yritys‑AI on “ylittänyt pelkän julkisen pilvimallin”. Mitkä ovat suurimmat rajoitukset, joita yritykset kohtaavat yrittäessään ajaa tuotantotason AI:ta kokonaan julkisissa pilviympäristöissä, ja mitkä työnkuormat siirtyvät yhä enemmän muualle?
AI‑aikakaudessa menestyvät alustat rakentuvat organisaatioiden jo olemassa olevan pohjan päälle ja antavat heille joustavuutta mukautua tarpeiden muuttuessa. Julkinen pilvi on edelleen tärkeä osa yritysten teknologi‑strategiaa, mutta se ei ole ainoa vaihtoehto. Kun AI siirtyy tuotantoon, yritysten on määritettävä, missä heidän datansa ja työnkuormansa tulisi suorittaa ottaen huomioon tekijät kuten sääntely, turvallisuus ja kustannukset.
Tämä osoittaa, että päätökset siitä, mihin työnkuormat sijoitetaan, tehdään nyt harkitummin. Tietyt tekoälysovellukset olisivat varmasti sopivia julkisessa pilvessä, kun taas työnkuormat, jotka sisältävät erittäin arkaluontoista tai säänneltyä dataa, saattavat joutua pysymään yksityisessä datakeskuksessa tai suvereenissa ympäristössä. Joissakin tapauksissa työnkuormat hyötyvät paremmin reunalla, koska viive on tärkeä tekijä. Tavoitteena ei ole siirtyä pois julkisesta pilvestä; sen sijaan halutaan antaa yrityksille joustavuutta ajaa jokainen työnkuorman tyyppi paikassa, joka on sille sopivin, ilman että heidän täytyy luoda erillinen toimintamalli jokaiselle ympäristölle.
Cloudera Anywhere Cloud sisältää agenttipohjaisen avustajan, joka voi kääntää tavalliskieliset pyynnöt data-työnkulkuihin ja infrastruktuuritoimintoihin. Kuinka autonomisiksi odotat näiden järjestelmien kehittyvän, ja missä yritysten tulisi säilyttää ihmisen valvonta, kun agentit saavat enemmän hallintaa kriittiseen data‑infrastruktuuriin?
Agentit jatkavat toistuvan operatiivisen työn ottamista haltuun, mikä tällä hetkellä vie data‑ ja infrastruktuuritiimien aikaa. Jos agentti pystyy ilmaisemaan tuloksen tavallisella kielellä ja sitten muuntamaan sen työnkuluksi tai infrastruktuuritoimeksi, se vähentää kitkaa merkittävästi ja tekee kehittyneet datakyvyt saataville suuremmalle joukolle ihmisiä.
Suurempi autonomia luo myös suuremman tarpeen tehokkaalle hallinnolle. Yritysten on oltava selkeät politiikat, jotka määrittelevät, mihin agentti saa päästä, mitä toimintoja se voi suorittaa itsenäisesti ja milloin ihmisen hyväksyntä on vaadittua. Mitä suurempi toiminnon mahdollinen vaikutus on, sitä kriittisemmiksi nämä kontrollit tulevat. Autonomian ja hallinnon on edettävä rinnakkain, jotta agentit saavat riittävän vapauden saavuttaa todellisia tuottavuusparannuksia, samalla kun varmistetaan, että organisaatio säilyttää valvonnan ja kontrollin keskeiseen dataan ja infrastruktuuriin.
Cloudera tekee yhteistyötä NVIDIA:n kanssa tuodakseen natiivin GPU-kiihdytyksen cuDF:n kautta Apache Spark 4.1 -työnkuormiin, mahdollisesti jopa 4‑kertaisella suorituskykyparannuksella ilman, että organisaatioiden tarvitsee kirjoittaa uudelleen olemassa olevia PySpark- tai SQL-sovelluksia. Miksi koodin uudelleenkirjoittamisen tarpeen poistaminen on niin tärkeää yritysten tekoälyomaksun nopeuttamiseksi?
Yritykset ovat tehneet merkittäviä investointeja olemassa oleviin sovelluksiinsa, osaamiseensa ja dataputkiinsa. Siirtyminen uuteen teknologiaan vaatii muutakin kuin pelkkää insinöörityötä. Se voi tuoda mukanaan riskejä, viivästyttää tuloksia ja aiheuttaa häiriöitä jo toimivissa järjestelmissä.
Nollakoodinen kiihdytys auttaa vastaamaan tähän haasteeseen. Organisaatiot voivat käyttää olemassa olevia PySpark- ja SQL-työnkuormiaan saadakseen GPU‑kiihdytyksen hyödyt muuttamatta perusteellisesti tiimiensä toimintatapaa. Tämä tekee teknologiasta helpommin omaksuttavan ja samalla parantaa analytiikkaa ja tekoälyä tukevien dataputkien suorituskykyä sekä suojaa olemassa olevia investointeja.
GPU:ita käytetään yhä enemmän mallien koulutuksen ja inferenssin lisäksi, myös datan valmisteluun ja analytiikkaan. Odotatko GPU‑kiihdytyksen tulevan standardiosaksi yritysten data‑pinossa, ja miten tämä voisi muuttaa massiivisten datasetien valmistamisen taloudellisuutta tekoälyä varten?
Mielestäni yritykset tulevat tulemaan paljon taitavammiksi sovittamaan infrastruktuurinsa työnkuormiin. GPU:t ovat jo muuttaneet mallien koulutuksen ja inferenssin toteutustapaa, ja datainsinööri on seuraava ilmeinen innovaatiokohde, koska suurten datasetien valmistelu voi olla merkittävä pullonkaula, kun tekoälysovelluksia viedään tuotantoon.
Taloudellinen vaikutus on yhtä merkittävä, sillä nopeampi käsittely tekee enemmän kuin pelkästään suorittaa Spark‑työn nopeammin. Laskettu laskenta-aika voi pienentää infrastruktuurikustannuksia samalla kun se auttaa data‑tiimejä iterointiin nopeammin, mikä on yhä tärkeämpi näkökohta tekoälytyönkuormien kasvaessa. Tietojen mukaan tutkimuksemme, 84 % vastaajista on havainnut tekoälytyönkuormien nostaneen infrastruktuurikustannuksia, mikä tekee yrityksille entistä tärkeämmäksi tarkastella koko dataputkea mahdollisuuksien löytämiseksi sekä suorituskyvyn että kustannusten parantamiseksi. GPU‑kiihdytetty datankäsittely voisi tulla tärkeäksi osaksi tätä yhtälöä.
Yksi Cloudera Anywhere Cloudin lupauksista on mahdollistaa organisaatioiden sijoittaa työnkuormat minne tahansa sääntely-, talous- tai operatiiviset vaatimukset sen edellyttävät ilman, että dataa täytyy jatkuvasti siirtää tai kopioida. Kuinka tärkeää on tuoda tekoälylaskenta dataan sen sijaan, että kaikki yrityksen data siirrettäisiin tekoälyyn?
Tämä on olennaista, koska yritykset ovat vuosia rakentaneet valtavia määriä dataa eri ympäristöissä, ja kaiken datan siirtäminen yhteen paikkaan tekoälyä varten on usein epäkäytännöllistä. Se voi olla kallista ja aikaa vievää, samalla kun turvallisuus-, yksityisyys- tai suvereniteettivaatimukset saattavat estää organisaatioita siirtämästä tiettyä dataa lainkaan.
Tällä hetkellä ei ole käytännöllistä, että yritykset siirtäisivät turvallisesti kaiken datansa eri sovelluksiin ja ympäristöihin, joissa tekoälyä otetaan käyttöön. Tekoälyn tuominen dataan mahdollistaa organisaatioille enemmän olemassa olevaa dataa hyödyntämisen samalla kun data pysyy siellä, missä sen täytyy olla. Se antaa myös joustavuutta ajaa työnkuormia siellä, missä se on liiketoiminnallisesti ja teknisesti järkevintä. Kun tekoäly integroidaan yhä laajemmin yritykseen, kyky toimia johdonmukaisesti missä tahansa data sijaitsee, tulee yhä tärkeämmäksi.
Datasi suvereenisuus on noussut merkittäväksi huolenaiheeksi, kun hallitukset ja säännellyt toimialat omaksuvat tekoälyn. Miten suvereeniin tekoälyvaatimuksiin liittyvät muutokset vaikuttavat yritysten arkkitehtuureihin, ja odotatko suvereeneiden pilvipalveluiden ja yksityisten tekoälyinfrastruktuurien nousevan merkittävästi tärkeämmiksi seuraavien muutaman vuoden aikana?
Ehdottomasti. Suvereenisuus on nousemassa arkkitehtoniseksi vaatimukseksi, ei pelkästään noudattamisongelmaksi. Organisaatioiden on tiedettävä, missä niiden data tallennetaan ja missä niiden tekoälykuormat ajetaan, sekä kuka pääsee siihen käsiksi ja miten immateriaalioikeudet ja arkaluonteiset tiedot suojataan.
Organisaatiot eivät enää voi olettaa, että kaikki voidaan keskittää yhteen julkiseen pilveen. Niiden on oltava joustavia toimimaan suvereeneissa pilvissä, yksityisessä infrastruktuurissa, julkisissa pilvissä ja paikallisissa järjestelmissä samalla soveltaen johdonmukaista hallintaa jokaisessa ympäristössä. Nämä vaatimukset vain korostuvat, kun tekoäly siirtyy yhä enemmän säänneltyihin toimialoihin ja kriittisiin liiketoimintaprosesseihin. Organisaatiot, jotka pystyvät innovoimaan säilyttäen hallinnan datastaan ja tekoälyympäristöistään, ovat paremmin asemoituja skaalaamaan tekoälyä vastuullisesti.
Kun autonomiset tekoälyagentit saavat pääsyn yrityksen dataan, sovelluksiin ja infrastruktuuriin, perinteinen datanhallinta ei välttämättä enää riitä. Miten hallinnon on kehitettävä, kun dataa käyttävät ja siihen toimivat käyttäjät ovat yhä useammin tekoälyagentteja ihmisten sijaan?
Aikaisemmin hallinta perustui pääosin ihmisiin ja sovelluksiin, joilla oli oikeus käyttää dataa. Agentit tuovat uuden ulottuvuuden, sillä ne voivat hakea tietoa, tehdä siitä johtopäätöksiä ja ryhtyä toimenpiteisiin löydöksiensä perusteella.
Tämän vuoksi yritysten on sovellettava ideoita, kuten identiteetti, käyttöoikeudet, perimä, havaittavuus ja nollaluottamus-pääsy agentteihin, varmistaakseen datan turvallisuuden ja hallinnan. Organisaatioiden on tiedettävä, mikä agentti on käyttänyt mitä dataa, mitä se on tehnyt tiedon kanssa, mitä toimia se on toteuttanut ja olivatko ne yrityksen politiikkojen mukaisia. Hallintaa ei voida lisätä jälkikäteen agentin toiminnan jälkeen; sen on oltava sisäänrakennettuna ympäristöön niin, että politiikat ja suojatoimet kulkevat datan mukana ja toteutuvat jatkuvasti riippumatta siitä, onko kyseessä henkilö, sovellus vai autonominen agentti.
Cloudera korostaa avoimia standardeja, kuten Apache Iceberg, Polaris, Spark, Kafka ja Trino, sen sijaan että vaatisi asiakkaita toimimaan kokonaan suljetussa pinossa. Kun tekoälyinfrastruktuuri keskittyy suuriin alustoihin, kuinka tärkeää avoimilla standardeilla ja yhteentoimivuudella on estää uusi sukupolvi tekoälytoimittajien lukitsemista?
Mitä enemmän tekoäly integroidaan yritysinfraan, sitä tärkeämmiksi avoimet standardit tulevat. Tekoäly kehittyy nopeasti, ja organisaatioiden on vältettävä arkkitehtonisten päätösten tekemistä tänään, jotka voisivat rajoittaa tulevaisuudessa käytettävien mallien, moottoreiden, infrastruktuurin tai teknologioiden valikoimaa.
Teknologiat, kuten Apache Iceberg, Spark, Kafka, Trino ja avoimet katalogit, antavat organisaatioille joustavuutta käyttää eri työkaluja eri kuormiin samalla säilyttäen yhteentoimivuuden dataympäristöissä. Tämä on erityisen tärkeää, kun yritykset toimivat yhä enemmän julkisissa pilvissä, suvereeneissa infrastruktuureissa ja yksityisissä datakeskuksissa, ja niiden on voitava itse päättää, missä data ja tekoälykuormat ajetaan ilman, että niiden tarvitsee rakentaa uudelleen yhden toimittajan ympärille.
Avoin lähestymistapa helpottaa myös uusien tekoälyominaisuuksien omaksumista hyödyntäen olemassa olevia investointeja sen sijaan, että dataa siirrettäisiin tai kopioitaisiin jatkuvasti teknologian kehittyessä. Kun tekoälymaisema jatkaa muutostaan, avoimet standardit antavat organisaatioille joustavuutta kehittää arkkitehtuuriaan ajan myötä säilyttäen valinnanvapauden ja hallinnan dataan, infrastruktuuriin ja teknologiapäätöksiin.
Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa käydä Cloudera.
