Ian Leysen, CEO e cofondatore di Datadobi – Serie di interviste

Ian Leysen, CEO e cofondatore di Datadobi, è un dirigente tecnologico con oltre tre decenni di esperienza in ingegneria del software, assurance della qualità e gestione dei dati aziendali. Ha cofondato Datadobi nel 2009 dopo aver trascorso otto anni presso EMC come Senior Manager dell’Assurance della Qualità, preceduto da ruoli di leadership presso Mediagenix e Wave Research. Nel corso della sua carriera, Leysen si è concentrato intensamente sulla costruzione di organizzazioni di ingegneria del software di alta qualità, avendo creato da zero tre team di assurance della qualità. In Datadobi, supervisiona un’azienda focalizzata ad aiutare le grandi imprese a gestire, governare, migrare e proteggere i dati non strutturati su ambienti on-premises, cloud e ibridi. L’azienda è evoluta oltre le sue radici nella migrazione di dati su larga scala per offrire StorageMAP, una piattaforma neutrale rispetto ai fornitori progettata per fornire alle organizzazioni maggiore visibilità e controllo su complessi patrimoni di dati non strutturati, incluso il preparare i dati aziendali per iniziative di IA.

Datadobi aiuta le imprese a ottenere maggiore visibilità e controllo sui volumi in rapida crescita di dati non strutturati. Il suo software può scansionare miliardi di file per identificare dati obsoleti, duplicati, lacune di proprietà e potenziali rischi, applicando al contempo metadati e tag di classificazione che supportano la governance e politiche automatizzate per archiviazione, cancellazione e conservazione. Questo è diventato sempre più importante man mano che le organizzazioni preparano i dati aziendali per l’IA generativa, dove informazioni poco comprese o datate possono introdurre rumore, problemi di conformità e rischi di sicurezza. Datadobi consente inoltre alle aziende di identificare set di dati potenzialmente preziosi, organizzarli per usi successivi e spostare le informazioni selezionate in data lake o lakehouse mantenendo tracciabilità e governance. La piattaforma fornisce inoltre informazioni sui costi di storage e sull’impatto di carbonio, aiutando le organizzazioni a prendere decisioni più informate su quali dati conservare e dove dovrebbero risiedere.

Hai trascorso otto anni a guidare l’Assurance della Qualità presso EMC prima di cofondare Datadobi nel 2010. Cosa hai osservato negli ambienti di storage e dati aziendali su larga scala che ti ha convinto che ci fosse un’azienda da creare, e come è evoluta quella visione originale man mano che i dati non strutturati sono diventati sempre più importanti per l’IA?

Presso EMC ho trascorso anni osservando le imprese investire massicciamente in infrastrutture di storage senza avere quasi alcuna visibilità su ciò che effettivamente vi era memorizzato. Eravamo eccellenti nell’aiutare i clienti a archiviare e proteggere i dati, ma nessuno poneva la domanda più difficile: che cosa sono questi dati, chi ne è il proprietario, qualcuno ne ha ancora bisogno, e qual è il loro valore? Quel divario tra capacità dell’infrastruttura e comprensione dei dati rappresentava l’opportunità. Abbiamo avviato Datadobi per aiutare le organizzazioni a spostare e gestire i dati non strutturati in modo intelligente, non solo a trasferirli da un array all’altro.

Ciò che è cambiato sono le poste in gioco. Quindici anni fa, una condivisione di file non gestita era un problema di costo e conformità. Oggi, quella stessa condivisione di file non gestita diventa una responsabilità nel momento in cui qualcuno la indirizza verso un modello o agente di IA. I dati non strutturati sono passati dall’essere semplicemente ciò che le organizzazioni memorizzano a essere ciò che determina se le loro iniziative di IA avranno successo o falliranno. La nostra idea originale, ovvero che l’infrastruttura di storage da sola non può dirti cosa significhino i tuoi dati per il business, non è cambiata. È semplicemente diventata urgente in un modo che prima non era.

Hai sostenuto che l’IA generativa non ha creato il problema dei dati aziendali, ma ha invece messo in luce e accelerato problemi esistenti da decenni. Quali sono le principali debolezze che l’IA sta ora rivelando nel modo in cui le organizzazioni hanno storicamente gestito i loro dati?

Le organizzazioni hanno faticato a comprendere i propri dati aziendali per decenni. L’IA non ha creato questa difficoltà, ha semplicemente rimosso i luoghi in cui si nascondeva. Quando i dati rimanevano silenziosi su una condivisione di file o in un archivio, nessuno doveva rispondere di ciò che contenevano. Nel momento in cui si indirizza un modello di linguaggio di grandi dimensioni o una pipeline RAG verso di essi, ogni debolezza diventa visibile e significativa.

La sfida più grande è che la maggior parte delle organizzazioni ha gestito lo storage, non i dati. Sanno dove si trovano i loro volumi e bucket, ma non cosa contengono: quali file sono obsoleti, quali contengono informazioni sensibili o regolamentate, quali sono duplicati decine di volte nell’ambiente e chi ha effettivamente accesso. L’IA sta inoltre rivelando quanto sia frammentata la proprietà. I dati si accumulano su sistemi on‑premises, più cloud e repository SaaS, e nessuno possiede l’intera panoramica. Non sono problemi nuovi. L’IA ha semplicemente reso immediato e visibile il costo di ignorarli.

Le organizzazioni spesso concentrano gli investimenti in IA su modelli più potenti, GPU e infrastrutture. Perché più potenza di calcolo o storage non può risolvere un problema di preparazione dei dati, e dove dovrebbero invece investire le imprese?

Più potenza di calcolo fa arrivare più velocemente una risposta sbagliata. Non rende la risposta più accurata, sicura o conforme. Le GPU e l’infrastruttura di storage eseguono decisioni che non prendono loro. Se alimenti un modello potente con dati obsoleti, duplicati, con permessi errati o sensibili, ottieni un modello potente che produce output inaffidabili o rischiosi su larga scala, e lo fa rapidamente.

Crediamo che il mercato abbia raggiunto un punto di svolta importante: storicamente, le organizzazioni ottimizzavano lo storage; sempre più spesso, devono ottimizzare i dati. Ciò significa investire nella disciplina che si colloca al di sopra del livello infrastrutturale, la capacità di vedere l’intero patrimonio di dati, comprendere cosa sia realmente ogni singolo dato e chi ne è responsabile, decidere cosa conservare, spostare, archiviare o eliminare, e quindi eseguire tale decisione in modo coerente. La spesa infrastrutturale senza tale disciplina significa semplicemente che le organizzazioni possono fare la cosa sbagliata più velocemente.

Questo è esattamente il problema che la nostra piattaforma di gestione dei dati non strutturati è stata creata per risolvere. Fornisce alle organizzazioni una vista unica su storage on‑premises, cloud e SaaS, classifica i dati mediante tag e analisi dei metadati in modo che i team possano vedere cosa è ridondante, obsoleto o realmente prezioso, e quindi esegue le decisioni, migrando, archiviando o eliminando i dati, tramite flussi di lavoro basati su policy che operano in modo continuo anziché come progetto unico. Questa combinazione di visibilità, classificazione ed esecuzione coerente è ciò che trasforma “abbiamo molti dati” in “sappiamo esattamente cosa abbiamo e cosa fare con essi”.

“Dati pronti per l’IA” è diventata un’espressione comune nel settore. Dal tuo punto di vista, cosa rende realmente i dati non strutturati pronti per l’IA, e quali criteri dovrebbero usare le organizzazioni prima di consentire ai dati di entrare in un’IA generativa, in un processo di retrieval‑augmented generation (RAG) o in una pipeline di addestramento?

I dati pronti per l’IA sono dati che un’organizzazione ha già convalidato, non solo dati che possiede. In pratica ciò significa che l’organizzazione può rispondere con sicurezza a una serie di domande prima che quei dati raggiungano un modello o una pipeline: questi dati sono accurati e aggiornati, o sono rimasti inutilizzati per anni? Sono duplicati altrove in modo da distorcere o contraddire i risultati? Contengono informazioni sensibili, regolamentate o personali che non dovrebbero essere esposte? Chi è autorizzato ad accedervi, e questa autorizzazione riflette ancora chi dovrebbe poterlo fare? Aggiungono realmente valore al caso d’uso, o sono solo rumore?

In assenza di risposte a queste domande, inserire dati in un’IA generativa o in una pipeline RAG significa semplicemente spostare il problema di governance a valle, in un sistema che è molto più efficace nel far emergere ciò che trova rispetto alle tue condivisioni di file. La preparazione all’IA è una disciplina di intelligenza dei dati, non una casella da spuntare una sola volta prima dell’avvio di un progetto.

Le imprese possono avere miliardi di file distribuiti su infrastrutture on‑premises, più cloud, archivi e unità di business. Come possono determinare quali dati contengono valore aziendale significativo e quali sono ridondanti, obsoleti, banali o semplicemente rumore che potrebbe degradare le prestazioni dell’IA?

Su quella scala, nessuno può rispondere a questa domanda file per file, e la revisione manuale non è una strategia praticabile. Le organizzazioni hanno prima bisogno di una visibilità a livello aziendale: una vista unica e accurata su repository on‑premises, cloud e SaaS, perché non è possibile prendere decisioni sui dati che non si vedono. Da lì, si tratta di applicare l’intelligenza dei dati per classificare ciò che è effettivamente presente nell’ambiente, così i dati ROT (redundanti, obsoleti e banali) vengono identificati e separati dai dati che realmente hanno valore aziendale.

Qui la disciplina deve andare oltre la semplice visibilità. Vedere i propri dati è necessario ma non sufficiente. Le organizzazioni devono progredire nella comprensione di cosa siano e cosa significhino i dati, decidere cosa farne – conservare, spostare, archiviare, eliminare o utilizzare per alimentare l’IA – e poi eseguire tale decisione in modo coerente su miliardi di oggetti. Saltare direttamente dalla visibilità all’ingestione da parte dell’IA è esattamente il modo in cui il rumore finisce per degradare le prestazioni del modello e come i dati realmente preziosi vengano sepolti al suo interno.

La sicurezza e la governance diventano particolarmente importanti quando i sistemi di IA possono far emergere informazioni che prima erano difficili da scoprire per i dipendenti. Come dovrebbero le organizzazioni valutare permessi, informazioni sensibili, proprietà e rischi normativi prima di esporre i dati aziendali ai sistemi di IA?

Questa è una delle aree in cui l’IA ha più cambiato il calcolo del rischio. Un file con permessi eccessivi o obsoleti era una esposizione teorica, perché realisticamente una persona avrebbe dovuto sapere che esisteva e cercarlo. Un sistema di IA con ampio accesso può far emergere lo stesso file a chiunque ponga la domanda giusta, istantaneamente. L’oscurità non è mai stata un vero controllo, ma l’IA ha rimosso l’ultimo frammento di protezione che accidentalmente forniva.

Prima che qualsiasi dato venga esposto a un sistema di IA, le organizzazioni hanno bisogno di una chiara panoramica di chi vi ha accesso e se tale accesso sia ancora sensato, quali informazioni sensibili o regolamentate contiene, chi ne è il proprietario e responsabile, e quali obblighi normativi gli sono associati – tra cui residenza dei dati, conservazione e requisiti di privacy. Tale valutazione non può essere un audit una tantum prima del lancio. I dati aziendali cambiano continuamente, quindi permessi, proprietà e rischi devono essere rivisti in modo continuo, non solo al momento in cui un progetto di IA viene attivato.

Datadobi promuove lo spostamento della conversazione dalla gestione dell’infrastruttura di storage alla gestione dei dati come asset aziendale. Come appare questa transizione nella pratica, e come cambia il rapporto tra i team IT, i team dati, i leader della sicurezza e le unità di business?

In pratica, la conversazione smette di riguardare capacità, tiering e uptime, e inizia a focalizzarsi sui risultati: riduzione dei costi, riduzione del rischio, conformità normativa e abilitazione dell’IA. In passato queste erano trattate come iniziative separate, ciascuna con i propri strumenti e responsabili. Riteniamo che questa visione sia sempre più obsoleta. Tutte dipendono dalla comprensione degli stessi dati aziendali di base, e ciò che serve è un nuovo modello operativo incentrato sui dati che li connetta, invece di trattare ogni iniziativa come se dipendesse da un sistema separato e isolato. La nostra piattaforma è il modo in cui mettiamo in pratica quel modello operativo.

Ciò cambia naturalmente chi è presente nella discussione. L’IT non è più l’unico responsabile della conversazione, perché le decisioni su quali dati conservare, spostare o esporre all’IA sono decisioni di business, informate dall’intelligenza dei dati, non decisioni infrastrutturali. I leader della sicurezza e della conformità hanno bisogno di visibilità nello stesso panorama di dati gestito dall’IT. Le unità di business hanno bisogno di una voce su quali dati siano realmente rilevanti per i loro risultati. La gestione dei dati smette di essere una funzione di back‑office IT e diventa una disciplina operativa condivisa tra IT, sicurezza e business che prendono decisioni basate sulle stesse informazioni.

Una sfida dell’IA aziendale è che i dati cambiano costantemente. La preparazione all’IA è qualcosa che le organizzazioni possono raggiungere una sola volta, o richiede un processo continuo di scoperta, classificazione, governance, archiviazione e spostamento dei dati man mano che evolvono?

È un processo continuo, punto e basta. I dati aziendali cambiano continuamente, nuovi file vengono creati, i permessi si modificano, i dipendenti entrano e escono, le normative evolvono, quindi la gestione dei dati deve diventare una capacità operativa continua piuttosto che una sequenza di progetti indipendenti. Considerare la preparazione all’IA come una pulizia una tantum prima del lancio di un progetto è un po’ come dichiarare un edificio sicuro dopo una singola visita del fabbro e non controllare più le porte.

Ciò di cui le organizzazioni hanno bisogno è una disciplina operativa che attraversi continuamente visibilità, comprensione, decisione ed esecuzione, scoprendo quali dati esistono, classificandoli e comprendendoli, decidendo cosa farne e poi agendo su quella decisione in modo ricorrente. Le organizzazioni che superano i loro concorrenti saranno quelle che riescono a muoversi in quel ciclo in modo continuo e su scala aziendale, non quelle che trattano la preparazione all’IA come un progetto con una data di fine.

Man mano che le imprese implementano sempre più agenti IA che possono cercare attraverso i sistemi e compiere azioni autonome, la gestione dei dati non strutturati diventa ancora più importante? Quali nuovi rischi emergono quando un agente IA può accedere a informazioni sparse in tutta l’organizzazione invece di rispondere semplicemente a una richiesta dell’utente?

Diventa notevolmente più importante, perché un agente cambia la natura dell’esposizione. Un chatbot che risponde a una singola richiesta è limitato a ciò che una persona chiede e vede. Un agente che può cercare attraverso i sistemi e compiere azioni autonome può attraversare una porzione molto più ampia dell’ambiente rispetto a qualsiasi dipendente tipico, e può agire su ciò che trova, spostando, condividendo o utilizzando i dati, senza che un umano debba necessariamente revisionare ogni passaggio.

Ciò introduce un rischio che va oltre la semplice scoperta. Se un agente ha accesso a dati a cui non dovrebbe avere accesso (file con permessi errati, record sensibili obsoleti, informazioni che avrebbero dovuto essere archiviate o eliminate anni fa), può agire su quei dati a velocità e scala di macchina, non solo farli emergere a un singolo utente curioso. Le organizzazioni che implementano gli agenti con più successo sono quelle che hanno trattato la governance dei dati come prerequisito, non come pensiero secondario, perché un agente sfrutterà fedelmente qualsiasi lacuna esista nella tua intelligenza dei dati.

Per un’impresa che ha accumulato decenni di dati non strutturati e desidera scalare le proprie iniziative di IA, quali passi pratici consigli di intraprendere per primi e quali errori dovrebbero evitare i leader mentre iniziano a mettere sotto controllo il loro patrimonio di dati?

Iniziate con la visibilità. Non potete prendere decisioni corrette su dati che non vedete, quindi il primo passo pratico è ottenere un quadro accurato e a livello aziendale di quali dati esistono su ambienti on‑premises, cloud e SaaS. Da lì, passate alla comprensione e classificazione di quei dati in modo da sapere cosa è prezioso, cosa è sensibile e cosa è semplicemente rumore, prima di passare a decisioni su conservazione, migrazione, archiviazione o eliminazione.

C’è anche una realtà di budget che i leader non possono ignorare. La maggior parte dei CIO non dispone di un budget AI separato e illimitato, ma lavora con un pool di denaro fisso che ora vede l’IA competere con tutto il resto necessario al funzionamento dell’azienda. L’istinto di finanziare l’IA sottraendo investimenti dall’infrastruttura esistente è una scelta sbagliata, perché quella stessa infrastruttura, storage, pipeline di dati, governance, è esattamente ciò da cui l’IA dipende per avere successo. Il percorso più sostenibile è creare margine all’interno del patrimonio esistente: migliorare la visibilità e ridurre gli sprechi di storage attraverso il tipo di ottimizzazione dei dati per cui è stato progettato StorageMAP libera budget reale, senza toccare la capacità di cui le iniziative di IA avranno effettivamente bisogno.

L’errore più grande che vedo è che le organizzazioni saltino direttamente all’esecuzione, puntando l’IA sul loro patrimonio di dati, o avviino un progetto di pulizia, senza prima costruire quella base di visibilità e comprensione. Il secondo errore è trattare questo come un’iniziativa una tantum anziché come una capacità operativa; i dati continuano a cambiare, quindi la disciplina deve essere continua. Il terzo è considerarlo un esercizio puramente tecnico. Le organizzazioni che hanno successo trattano questo come una decisione di business, con IT, sicurezza e stakeholder aziendali allineati su quanto valgono i dati e cosa dovrebbe accadere, non solo come un progetto di migrazione o storage affidato esclusivamente all’IT.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare Datadobi.