Skip Levens, Direktur Pemasaran, Media & Hiburan, Quantum – Seri Wawancara

Skip Levens adalah seorang pemimpin produk dan strategi AI di Quantum, pemimpin dalam solusi manajemen data untuk AI dan data tidak terstruktur. Ia saat ini bertanggung jawab untuk mengarahkan keterlibatan, kesadaran, dan pertumbuhan untuk solusi akhir-ke-akhir Quantum. Sepanjang karirnya – yang telah mencakup berhenti di organisasi seperti Apple (AAPL ), Backblaze, Symply, dan Active Storage – ia telah berhasil memimpin pemasaran dan pengembangan bisnis, evangelis, meluncurkan produk baru, membangun hubungan dengan pemangku kepentingan kunci, dan mengarahkan pertumbuhan pendapatan.

Quantum menyediakan solusi data akhir-ke-akhir yang membantu organisasi mengelola, memperkaya, dan melindungi data tidak terstruktur, seperti file video dan audio, dalam skala besar. Teknologi mereka berfokus pada mengubah data menjadi wawasan yang berharga, memungkinkan bisnis untuk mengekstrak nilai dan membuat keputusan yang tepat. Platform Quantum menawarkan solusi yang aman, scalable, dan fleksibel, menggabungkan infrastruktur onsite dengan kemampuan cloud. Pendekatan perusahaan memungkinkan bisnis untuk menangani pertumbuhan data dengan efisien sambil memastikan keamanan dan fleksibilitas sepanjang siklus hidup data.

Apakah Anda dapat memberikan gambaran tentang pendekatan Quantum dalam manajemen data yang didorong AI untuk data tidak terstruktur?

Dengan membantu pelanggan mengintegrasikan kecerdasan buatan (AI) dan pembelajaran mesin (ML) ke dalam operasi bisnis utama, Quantum membantu pelanggan untuk secara efektif mengelola dan membuka nilai yang berarti dari data tidak terstruktur mereka, menciptakan wawasan bisnis yang dapat ditindaklanjuti yang mengarah pada keputusan bisnis yang lebih baik. Dengan membangun alat AI/ML mereka sendiri, perusahaan dapat berpindah dari sekadar mengatasi arus data dan konten, ke mengoptimalkan wawasan sebagai penggerak efisiensi baru dan pada akhirnya memperkuat keahlian manusia dalam semua fase operasi bisnis.

Bagaimana teknologi AI Quantum menganalisis data tidak terstruktur, dan apa saja inovasi kunci yang membedakan platform Anda dari kompetitor?

Pada tahap awal adopsi alat AI/ML, banyak organisasi menemukan bahwa alur kerja mereka menjadi tidak teratur dan terputus, dan dapat kehilangan jejak data mereka, membuatnya sulit untuk menegakkan standar keamanan dan perlindungan. Terlalu sering, pengembangan awal terhambat oleh kinerja penyimpanan dan sistem file yang tidak sesuai.

Kami mengembangkan Myriad, sebuah lingkungan penyimpanan file yang didefinisikan perangkat lunak dan kain pintar yang berkinerja tinggi untuk memenuhi tantangan integrasi pipa AI/ML dan alur kerja kinerja tinggi dengan elegan – menggabungkan alur kerja tanpa keterbatasan perangkat keras dan batasan sistem lain. Myriad adalah keberangkatan yang jelas dari perangkat keras warisan dan keterbatasan penyimpanan, dan dibangun dengan teknologi penyimpanan dan cloud terbaru, sepenuhnya didorong oleh mikro layanan dan diatur oleh Kubernetes untuk menjadi sistem yang sangat responsif yang jarang memerlukan interaksi admin. Myriad secara eksklusif dirancang untuk menghasilkan kinerja tertinggi dari NVMe dan koneksi jaringan kain pintar dan akses memori langsung jarak jauh (RDMA) yang hampir instan antara setiap komponen. Hasilnya adalah sistem inovatif yang merespons secara cerdas dan otomatis terhadap perubahan dan memerlukan interaksi admin minimal untuk melakukan tugas umum. Dengan membuat kain pintar menjadi bagian dari sistem, Myriad juga merupakan sistem yang seimbang secara intrinsik yang menyediakan beberapa port bandwidth 100Gbps sebagai satu alamat IP yang seimbang.

Menggabungkan Myriad dengan sistem penyimpanan objek cloud-like kami, ActiveScale, memungkinkan organisasi untuk mengarsipkan dan melestarikan bahkan danau data dan konten terbesar. Kombinasi ini menawarkan pelanggan solusi manajemen data akhir-ke-akhir yang sebenarnya untuk pipa AI mereka. Selain itu, ketika disampaikan bersama dengan solusi CatDV kami, pelanggan dapat menandai dan mengatalogkan data untuk lebih memperkaya data mereka dan mempersiapkannya untuk analisis dan AI.

Apakah Anda dapat membagikan wawasan tentang penggunaan AI dengan pengawasan video di Olimpiade Paris, dan apa saja acara besar atau organisasi lain yang telah menggunakan teknologi ini?

Pembelajaran Mesin dapat mengembangkan tindakan yang dapat diulang yang mengenali pola yang menarik dalam video dan menghasilkan wawasan dari banjir data video waktu nyata dalam skala yang lebih besar dan lebih cepat daripada yang mungkin dilakukan oleh upaya manusia saja. Pengawasan video, misalnya, dapat menggunakan AI untuk menangkap dan menandai perilaku mencurigakan saat terjadi, bahkan jika ada ratusan kamera yang memberikan informasi kepada model. Seorang manusia yang mencoba tugas ini hanya dapat memproses satu peristiwa pada satu waktu, sedangkan pengawasan video yang didorong AI dapat menangani ribuan kasus secara bersamaan.

Aplikasi lainnya adalah analisis sentimen kerumunan, yang dapat melacak antrean panjang dan menandai potensi frustrasi. Semua ini adalah tindakan yang dapat diandalkan oleh ahli keamanan, tetapi dengan menggunakan sistem AI/ML untuk terus-menerus memantau umpan simultan, para ahli tersebut dibebaskan untuk mengambil tindakan yang tepat saat diperlukan, secara dramatis meningkatkan efektivitas dan keamanan secara keseluruhan.

Apa saja tantangan utama yang dihadapi organisasi saat mengimplementasikan AI untuk analisis data tidak terstruktur, dan bagaimana Quantum membantu memitigasi tantangan tersebut?

Organisasi harus sepenuhnya membayangkan kembali pendekatan mereka terhadap penyimpanan, serta manajemen data dan konten secara keseluruhan. Sebagian besar organisasi tumbuh kemampuan penyimpanan mereka secara organik, biasanya sebagai respons terhadap kebutuhan satu kali, dan ini menciptakan kebingungan multi-vendor dan kompleksitas yang tidak diinginkan.

Dengan adopsi AI, organisasi harus menyederhanakan penyimpanan yang menjadi landasan operasi mereka. Seringkali, ini memerlukan implementasi “bagian panas” dari pengambilan data awal, atau zona pendaratan di mana aplikasi dan pengguna dapat bekerja secepat mungkin. Kemudian, penyimpanan “dingin” jenis besar ditambahkan yang dapat dengan mudah mengarsipkan sejumlah besar data dan melindunginya dengan cara yang efektif biaya, dengan kemampuan untuk memindahkan data kembali ke dalam alur kerja pengolahan “panas” hampir secara instan.

Dengan membayangkan kembali penyimpanan menjadi solusi yang lebih kompak, beban pada staf admin menjadi jauh lebih rendah. Jenis solusi manajemen data “panas/dingin” ini ideal untuk integrasi alur kerja AI/ML, dan solusi Quantum memungkinkan pelanggan untuk menciptakan platform yang sangat gesit, fleksibel, dan mudah dikelola.

Bagaimana inovasi AI Quantum terintegrasi dengan alat dan teknologi AI lainnya untuk meningkatkan pertumbuhan dan efisiensi organisasi?

Banyak orang berpikir bahwa penyimpanan untuk alat AI/ML hanya tentang memberi makan unit pemrosesan grafis (GPU), tetapi itu hanya satu bagian kecil dari persamaan. Meskipun kecepatan dan kinerja tinggi mungkin instrumental dalam memberi makan data secepat mungkin ke GPU yang melakukan analisis data, gambaran besar berputar pada bagaimana suatu organisasi dapat mengintegrasikan pengembangan, pelatihan, dan inferensi AI/ML yang berulang dan berkelanjutan berdasarkan data khusus. Seringkali, tugas AI/ML pertama dan paling penting yang ditangani adalah membangun “bot pengetahuan” atau “bot konselor” menggunakan data khusus untuk memandu pekerja pengetahuan internal. Untuk membuat bot pengetahuan tersebut berguna dan unik untuk setiap organisasi, sejumlah besar informasi khusus diperlukan untuk memandu model yang melatih mereka. Petunjuk solusi penyimpanan AI yang diberdayakan: jika data khusus tersebut terorganisir dengan baik dan tersedia dalam alur kerja penyimpanan yang terstruktur, maka akan jauh lebih mudah untuk mengatur dalam jenis, set, dan katalog data yang akan, pada gilirannya, memastikan bahwa bot pengetahuan tersebut sangat terinformasikan tentang kebutuhan unik organisasi.

Apakah Anda dapat menjelaskan lebih lanjut tentang fitur manajemen alur kerja yang diberdayakan AI dan bagaimana mereka menyederhanakan proses data?

Kami sedang membangun sejumlah alat manajemen alur kerja yang diberdayakan AI yang terintegrasi langsung ke dalam solusi penyimpanan untuk mengotomatisasi tugas dan menyediakan wawasan waktu nyata yang berharga, memungkinkan pengambilan keputusan yang cepat dan tepat di seluruh organisasi. Ini disebabkan oleh sistem klasifikasi dan penandaan data baru dan canggih yang menggunakan AI untuk mengorganisir data dan membuatnya mudah diambil, serta melakukan tindakan standar pada media tersebut seperti mengonformasi ke ukuran tertentu, yang secara signifikan mengurangi upaya manual yang diperlukan saat mengatur data ke dalam set pelatihan.

Alat otomatisasi pintar mengelola tugas gerakan data, backup, dan kepatuhan berdasarkan kebijakan yang ditetapkan, memastikan penerapan konsisten dan mengurangi beban administratif. Analitik waktu nyata dan pemantauan juga menawarkan wawasan segera ke dalam pola penggunaan data dan potensi masalah, secara otomatis memelihara integritas dan kualitas data sepanjang siklus hidupnya.

Apa saja outlook untuk manajemen data yang diberdayakan AI, dan apa saja tren yang Anda lihat dalam beberapa tahun mendatang?

Ketika alat-alat ini berkembang dan menjadi multi-modal, mereka akan memungkinkan cara kerja yang lebih ekspresif dan terbuka dengan data Anda. Di masa depan, Anda akan dapat memiliki “percakapan” dengan sistem Anda dan disajikan dengan informasi atau analitik yang menarik seperti ‘apa jenis data tercepat yang tumbuh di zona panas saya sekarang?’. Tingkat spesialisasi ini akan menjadi pembeda bagi organisasi yang membangun alat-alat ini ke dalam solusi penyimpanan mereka, membuat mereka lebih akurat dan efisien bahkan ketika dihadapkan pada aliran data baru yang terus berkembang.

Apakah peran analitik cloud-based dan penyimpanan-sebagai-layanan Quantum dalam strategi manajemen data secara keseluruhan?

Organisasi dengan kebutuhan penyimpanan yang signifikan dan berkembang seringkali kesulitan untuk mengikuti permintaan, terutama ketika beroperasi dengan anggaran yang terbatas. Penyimpanan cloud publik dapat menyebabkan biaya yang tinggi dan tidak terduga, membuatnya sulit untuk memperkirakan dan membeli kebutuhan penyimpanan untuk beberapa tahun ke depan dengan akurat. Banyak pelanggan ingin memiliki pengalaman cloud publik dengan biaya operasional yang diproyeksikan dan diketahui, tetapi menghilangkan biaya egress atau API yang tidak terduga yang dapat dibawa oleh cloud publik. Untuk memenuhi kebutuhan ini, kami mengembangkan Quantum GO untuk memberikan pelanggan pengalaman cloud pribadi dengan titik awal yang rendah dan opsi pembayaran bulanan tetap yang rendah untuk pengalaman penyimpanan-sebagai-layanan yang sebenarnya di fasilitas mereka sendiri. Ketika kebutuhan penyimpanan meningkat, Quantum GO memberikan pelanggan keuntungan tambahan dari model langganan ‘bayar-saat-anda-tumbuh’ yang sederhana untuk menawarkan fleksibilitas dan skalabilitas yang ditingkatkan dengan cara yang efektif biaya.

Bagaimana Quantum berencana untuk tetap memimpin dalam lanskap AI dan manajemen data yang berkembang pesat?

Di dunia saat ini, menjadi hanya “penyedia penyimpanan” tidak cukup. Tantangan data dan bisnis yang baru berkembang memerlukan platform data yang diberdayakan AI yang cerdas yang membantu pelanggan untuk memaksimalkan nilai data mereka. Di Quantum, kami terus berinovasi dan berinvestasi dalam kemampuan yang ditingkatkan untuk membantu pelanggan kami untuk bekerja dengan mudah dan efektif dengan kumpulan data sepanjang siklus hidup mereka.

Kami memperluas AI cerdas untuk meningkatkan penandaan, pengkatalogan, dan pengorganisasian data, membuatnya lebih mudah daripada sebelumnya untuk mencari, menemukan, dan menganalisisnya untuk mengekstrak nilai dan wawasan lebih. Kami akan terus meningkatkan kemampuan AI kami yang membantu dengan transkripsi video otomatis, menerjemahkan file audio dan video ke dalam bahasa lain dalam hitungan detik, dan memungkinkan pencarian cepat di seluruh ribuan file untuk mengidentifikasi kata-kata yang diucapkan atau menemukan item tertentu, dan banyak lagi.

Apa saran yang Anda berikan kepada organisasi yang baru memulai perjalanan mereka dengan AI dan manajemen data tidak terstruktur?

AI/ML telah memiliki hype yang luar biasa, dan karena itu, dapat sulit untuk memisahkan apa yang praktis dan berguna. Organisasi harus pertama-tama memikirkan tentang data yang sedang dibuat, dan menandai bagaimana data tersebut dihasilkan, ditangkap, dan dilestarikan. Selanjutnya, organisasi harus mencari solusi penyimpanan yang siap untuk mengakses dan mengambil data saat diperlukan, dan yang akan membantu memandu baik alur kerja sehari-hari maupun evolusi di masa depan. Bahkan jika sulit untuk sepakat tentang apa tujuan AI akhir, mengambil langkah-langkah sekarang untuk memastikan bahwa sistem penyimpanan dan alur kerja data disederhanakan, disederhanakan, dan diperkuat akan membayar dividen yang luar biasa ketika mengintegrasikan inisiatif AI/ML saat ini dan masa depan. Organisasi akan kemudian berada dalam posisi yang baik untuk terus mengeksplorasi bagaimana alat AI/ML ini dapat memajukan misi mereka tanpa harus khawatir tentang kemampuan untuk mendukungnya dengan platform manajemen data yang tepat.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Quantum.