AI sta dando alle imprese la scusa di cui avevano bisogno per risolvere anni di debito tecnico

Ogni impresa vuole parlare di AI. Quanto dovremmo investire? Dove dovremmo eseguirla? Quali nuove applicazioni possiamo creare? Quanto rapidamente possiamo metterle in produzione?

Ma qualcosa di diverso sta accadendo sotto tutto quell’entusiasmo. Mentre le organizzazioni investono denaro nell’AI, molte stanno osservando attentamente l’infrastruttura che ha gestito silenziosamente l’attività per anni. E ciò che stanno trovando non è sempre bello:

• Sistemi operativi legacy
• Database obsoleti
• Applicazioni che si sono modernizzate in modo sproporzionato rispetto all’infrastruttura  

Le organizzazioni stanno osservando ambienti costruiti attorno a decisioni prese anni fa. È debito tecnico che tutti sanno che esiste, ma nessuno ha avuto motivi o budget sufficienti per affrontarlo.

Ironia della sorte, l’AI potrebbe finalmente cambiare questo.

AI sta aprendo il portafoglio dell’infrastruttura

Uno dei più grandi ostacoli alla modernizzazione dell’infrastruttura è stato, per anni, straordinariamente semplice: se non è rotto, perché spendere milioni di dollari per cambiarlo?

È un argomento difficile da superare per un team di infrastruttura. Un sistema di dieci anni può essere obsoleto, costoso e poco flessibile, ma se le applicazioni funzionano e i clienti non si lamentano, sostituirlo o modernizzarlo può essere una proposta difficile da vendere al CFO.

L’AI ha riscritto quella conversazione.

Per supportare le loro strategie AI, le organizzazioni stanno facendo significativi nuovi investimenti in infrastruttura. Tale spesa può creare un’opportunità per affrontare altri problemi di infrastruttura allo stesso tempo. I progetti che faticavano a ottenere finanziamenti da soli possono improvvisamente diventare parte di una discussione molto più ampia su come dovrebbe essere lo stack tecnologico aziendale per il prossimo decennio.

L’era dell’AI sta collidendo con l’era legacy

Molte aziende continuano a dipendere fortemente da Windows-based infrastructure e versioni più vecchie di SQL Server, mentre l’industria tecnologica ha già trascorso anni a parlare di cloud-native architetture e contenitori.

Lo sviluppo delle applicazioni è avanzato allo stesso tempo. I team di sviluppo hanno adottato Linux, contenitori e piattaforme cloud, mentre i database e altre infrastrutture critiche spesso sono rimasti dove erano. Ciò crea una divisione sempre più imbarazzante all’interno dell’impresa: applicazioni moderne da un lato e infrastruttura legacy dall’altro. L’AI non crea questo problema. Ma la fretta di costruire un’impresa pronta per l’AI la rende molto più difficile da ignorare.

Le organizzazioni dovrebbero quindi resistere a considerare l’infrastruttura AI come un acquisto tecnologico isolato. Può essere un’opportunità per porre una domanda molto più ampia: se stiamo ridisegnando parte della nostra infrastruttura per l’AI, cos’altro dovremmo sistemare mentre siamo qui?

La modernizzazione non deve significare un grande salto

Una ragione per cui il debito tecnico persiste è l’assunzione che la modernizzazione richieda una migrazione massiccia. Non è così.

Quando si passa da Windows a Linux, ad esempio, non è necessario che ogni applicazione, database e processo operativo cambino simultaneamente. E adottare Kubernetes non significa che un’organizzazione debba abbandonare immediatamente tutto ciò che c’era prima. Per farlo nel modo più pratico possibile, la modernizzazione dovrebbe avvenire in modo incrementale.

Le organizzazioni possono mantenere i carichi di lavoro Windows esistenti introducendo Linux o Kubernetes accanto a essi. Possono modernizzare componenti individuali, quando il caso di business lo giustifica, e spostare gradualmente i carichi di lavoro invece di puntare tutto su un unico enorme progetto di trasformazione.

Questo è particolarmente importante per i database. Gli ambienti critici di SQL Server potrebbero operare con successo da anni. Il fatto che siano vecchi non significa che le organizzazioni debbano sostituirli avventatamente.

L’obiettivo dovrebbe essere creare una via da seguire.

Non modernizzare solo perché l’AI è di moda

C’è una distinzione importante qui.

La spesa per l’AI può creare l’opportunità di modernizzare l’infrastruttura, ma le organizzazioni non dovrebbero migrare i carichi di lavoro semplicemente perché credono che tutto debba improvvisamente diventare “pronto per l’AI”. Il caso di business per la modernizzazione dell’infrastruttura dovrebbe reggersi da solo.

Possiamo ridurre i costi?

Possiamo migliorare la disponibilità?

Possiamo ridurre la nostra dipendenza da una piattaforma specifica?

Possiamo rendere i carichi di lavoro più portabili?

Possiamo dare all’azienda maggiore flessibilità su dove eseguire applicazioni e dati?

Sono risultati preziosi indipendentemente da ciò che accade con la roadmap IA di un’organizzazione.

In effetti, uno degli errori che le imprese possono commettere è lasciare che l’IA diventi la giustificazione per ogni decisione tecnologica. Esistono requisiti diversi per i carichi di lavoro IA e per i carichi di lavoro transazionali tradizionali. Solo perché un’organizzazione sta investendo massicciamente nell’IA, non c’è motivo di presumere che ogni carico di lavoro legacy debba improvvisamente essere spostato su Kubernetes.

La modernizzazione dovrebbe risolvere un reale problema di infrastruttura.

L’IA sta anche cambiando l’economia dell’infrastruttura

C’è un altro motivo per cui la flessibilità è più importante nell’era dell’IA: l’economia dell’infrastruttura sta diventando sempre più dinamica. Le organizzazioni hanno più scelte che mai su dove eseguire i carichi di lavoro… on-premise, in cloud privati, in cloud pubblici e attraverso più provider cloud. L’ambiente migliore per un carico di lavoro può in realtà essere completamente sbagliato per un altro. Questo rende la portabilità dell’infrastruttura sempre più preziosa.

Le imprese non dovrebbero dover prendere ogni futura decisione infrastrutturale basandosi su una scelta fatta anni fa. Dovrebbero poter valutare dove un carico di lavoro abbia più senso operativo ed economico e apportare modifiche senza dover ridisegnare l’intero ambiente applicativo. Questo diventa ancora più importante man mano che l’IA aumenta la spesa per l’infrastruttura. Quando i budget tecnologici crescono, differenze relativamente piccole in termini di calcolo, licenze e costi cloud possono trasformarsi in numeri molto elevati.

La capacità di scegliere diventa un vantaggio economico.

La vera opportunità dell’infrastruttura IA potrebbe essere più grande dell’IA stessa

C’è una tendenza a considerare il boom dell’infrastruttura IA principalmente in termini di GPU, acceleratori e enormi data center. Quegli investimenti sono sicuramente importanti. Ciò che accade al resto dell’infrastruttura aziendale di conseguenza potrebbe essere in realtà l’impatto più duraturo.

L’IA sta costringendo le organizzazioni a riflettere su dove vengono eseguite le loro applicazioni, dove risiedono i loro dati, come viene gestita l’infrastruttura e quanta tecnologia legacy sono disposte a mantenere.

Ciò crea un’opportunità rara.

Invece di sovrapporre semplicemente la tecnologia più recente a decenni di decisioni infrastrutturali passate, le imprese possono utilizzare questo ciclo di investimento per iniziare a ridurre il debito tecnico e creare una base più flessibile per ciò che verrà in futuro.

Perché la domanda più importante potrebbe non essere se l’infrastruttura odierna possa eseguire l’IA.

Potrebbe essere se l’investimento IA odierno può finalmente dare alle organizzazioni la ragione per costruire l’infrastruttura che avrebbero dovuto costruire fin dall’inizio.