Interviste
Leo Brunnick, Chief Product Officer di Cloudera – Serie di Interviste
Aggiungi Unite.AI alle tue fonti preferite su Google
Leo Brunnick, Chief Product Officer di Cloudera, è un dirigente tecnologico veterano e imprenditore con oltre tre decenni di esperienza nella costruzione e scalabilità di software, media digitali e organizzazioni di tecnologia aziendale. In Cloudera, guida Product Management, Engineering e Customer Support, sovrintendendo alla direzione di prodotto e tecnologia dell’azienda mentre espande le capacità della sua piattaforma dati e IA. Prima di unirsi a Cloudera nel 2025, Brunnick ha trascorso sei anni in Naviga, più recentemente come Chief Operating Officer, dove ha guidato più di 600 professionisti nei settori prodotto, ingegneria, marketing, R&D, supporto clienti e servizi professionali. All’inizio della sua carriera, ha fondato e ricoperto il ruolo di CEO di Patheos, facendo crescere la piattaforma di media digitali a circa 15 milioni di visitatori mensili prima di una uscita di successo, e ha trascorso otto anni come Chief Product Officer presso la società di gestione dei contenuti aziendali Vignette. Il suo background include anche consulenza tecnologica presso Andersen Consulting e servizio come ufficiale di fanteria del U.S. Marine Corps.
Cloudera è un’azienda di dati aziendali e IA focalizzata ad aiutare le organizzazioni a gestire, governare, analizzare e applicare l’IA ai dati, ovunque essi risiedano — su cloud pubblici, data center privati e ambienti edge. La sua piattaforma ibrida combina gestione dei dati, analisi, apprendimento automatico, IA generativa e, sempre più, capacità di IA agente, ponendo l’accento su sicurezza aziendale, governance, privacy e portabilità dei carichi di lavoro. La strategia di piattaforma attuale dell’azienda comprende Cloudera Anywhere Cloud, un’architettura progettata per offrire alle imprese un’esperienza cloud coerente su diversi ambienti infrastrutturali, insieme a un data lakehouse aperto, un data fabric unificato, elaborazione dati in tempo reale e strumenti per sviluppare e distribuire modelli e agenti IA. Cloudera afferma che la sua tecnologia gestisce più di 25 exabyte di dati ed è utilizzata da grandi imprese globali che cercano di modernizzare l’infrastruttura dati senza richiedere che tutti i carichi di lavoro o i dati sensibili vengano spostati in un cloud pubblico.
La tua carriera ha spaziato dalla consulenza tecnologica, alla guida di organizzazioni di prodotto presso Vignette e Naviga, alla fondazione e scalatura di Patheos, e ora al ruolo di Chief Product Officer presso Cloudera. In che modo queste esperienze hanno influenzato il tuo modo di pensare alla costruzione di piattaforme tecnologiche aziendali in un periodo in cui l’IA sta cambiando radicalmente il modo in cui le organizzazioni utilizzano i loro dati?
In tutte queste situazioni, si applica lo stesso principio. La tecnologia è più preziosa quando rende qualcosa di complesso più facile da usare per le persone. Questo aspetto è ancora più importante ora, poiché l’IA crea opportunità significative aggiungendo al contempo un ulteriore livello di complessità per le aziende che già navigano dati cloud, data center e ambienti sempre più sovrani.
Mentre costruiamo questa nuova era in Cloudera, rifletto spesso su come possiamo consentire alle organizzazioni di trarre vantaggio dalle nuove tecnologie senza costringerle a ripensare tutto ciò che hanno già costruito. Negli ultimi anni, le imprese hanno sviluppato i loro data estate, le applicazioni, i modelli di governance e i processi operativi. Non sarebbe ragionevole abbandonare tutto ciò ogni volta che emerge una nuova tecnologia. Le piattaforme che avranno successo nell’era dell’IA si baseranno su ciò che le organizzazioni già possiedono, offrendo al contempo flessibilità e controllo per adattarsi all’evoluzione delle loro esigenze.
Cloudera ha recentemente introdotto Cloudera Anywhere Cloud per aiutare le imprese a costruire e gestire l’IA su cloud pubblici, infrastrutture private, cloud sovrani, ambienti on-premises e edge. Quale problema osservavi tra i clienti che ha convinto Cloudera della necessità di questo tipo di architettura unificata?
Cresce la pressione sui clienti per mettere in pratica l’IA, anche se i loro dati e la loro infrastruttura sono distribuiti su più ambienti che mai. I dati possono risiedere su cloud pubblici, data center privati, ambienti sovrani e edge, ognuno con i propri requisiti di sicurezza, normativa, prestazioni ed economici. Gestire tutti questi ambienti può generare un onere operativo significativo per le organizzazioni.
L’idea alla base di Anywhere Cloud è che le aziende non debbano scegliere tra l’agilità del cloud e il mantenimento di controllo, sicurezza e governance sui propri dati. Le organizzazioni hanno bisogno di un modo coerente per distribuire, governare e scalare i servizi dati e IA, ovunque abbia più senso per il business. Con un unico piano di controllo, le aziende possono dedicare meno tempo alla gestione dell’infrastruttura sottostante e più tempo a concentrarsi sui risultati che desiderano ottenere con i loro dati e l’IA, indipendentemente dall’ambiente in cui risiedono.
Hai affermato che l’IA aziendale ha “superato il modello solo cloud pubblico”. Quali sono le principali limitazioni che le imprese incontrano nel tentativo di eseguire l’IA in produzione interamente in ambienti cloud pubblici, e quali carichi di lavoro si stanno spostando sempre più altrove?
Le piattaforme che avranno successo nell’era dell’IA si baseranno su ciò che le organizzazioni già possiedono, offrendo loro la flessibilità di adattarsi man mano che le esigenze evolvono. Il cloud pubblico rimane una parte importante della strategia tecnologica aziendale, ma non è l’unica opzione. Man mano che l’IA entra in produzione, le aziende devono determinare dove i loro dati e carichi di lavoro dovrebbero essere eseguiti, tenendo conto di fattori quali regolamentazione, sicurezza e costo.
Ciò dimostra che le decisioni su dove collocare i carichi di lavoro vengono ora prese in modo più deliberato. Alcune applicazioni di IA sarebbero certamente appropriate nel cloud pubblico, mentre i carichi di lavoro che coinvolgono dati altamente sensibili o regolamentati potrebbero dover rimanere in un data center privato o in un ambiente sovrano. In altri casi, i carichi di lavoro saranno più adatti al edge, poiché la latenza è un fattore importante. L’obiettivo non è allontanarsi dal cloud pubblico; piuttosto, è consentire alle imprese la flessibilità di eseguire ogni tipo di carico di lavoro nella sede più adatta, senza essere costrette a creare un modello operativo separato per ciascun ambiente.
Cloudera Anywhere Cloud include un copilota agente che può tradurre richieste in linguaggio naturale in flussi di dati e operazioni di infrastruttura. Quanto autonomi prevedi che diventeranno questi sistemi e dove le imprese dovrebbero mantenere la supervisione umana man mano che gli agenti acquisiscono un maggiore controllo sull’infrastruttura dati critica?
Gli agenti continueranno a occuparsi del lavoro operativo ripetitivo che attualmente occupa il tempo dei team di dati e infrastruttura. Se un agente può esprimere un risultato in linguaggio naturale e poi convertirlo in un flusso di lavoro o in un’azione di infrastruttura, ridurrà notevolmente gli attriti e renderà le capacità avanzate di dati disponibili a un numero più ampio di persone.
La maggiore autonomia genera anche una maggiore necessità di una governance efficace. Le aziende devono avere politiche chiare che specifichino a cosa un agente può accedere, quali azioni può eseguire autonomamente e quando è richiesta l’approvazione umana. Quanto maggiore è l’impatto potenziale di un’azione, tanto più cruciali diventano questi controlli. Autonomia e governance dovrebbero progredire in parallelo per fornire agli agenti la libertà sufficiente a ottenere reali guadagni di produttività, garantendo al contempo che l’organizzazione mantenga supervisione e controllo sui dati e sull’infrastruttura chiave.
Cloudera sta collaborando con NVIDIA per introdurre l’accelerazione GPU nativa tramite cuDF nei carichi di lavoro Apache Spark 4.1, con potenziali miglioramenti delle prestazioni fino a 4x senza richiedere alle organizzazioni di riscrivere le applicazioni PySpark o SQL esistenti. Perché eliminare la necessità di riscrivere il codice è così importante per accelerare l’adozione dell’IA aziendale?
Le aziende hanno effettuato investimenti significativi nelle loro applicazioni, competenze e pipeline di dati esistenti. Passare a una nuova tecnologia richiede più del semplice lavoro di ingegneria. Può introdurre rischi, ritardare i risultati e creare interruzioni nei sistemi già operativi.
L’accelerazione zero‑code aiuta a affrontare questa sfida. Le organizzazioni possono utilizzare le loro pipeline PySpark e SQL esistenti per ottenere i vantaggi dell’accelerazione GPU senza modificare fondamentalmente il modo in cui i loro team operano. Questo rende la tecnologia più facile da adottare, migliorando al contempo le prestazioni delle pipeline di dati che supportano analisi e IA e proteggendo gli investimenti esistenti.
Le GPU vengono sempre più utilizzate oltre l’addestramento e l’inferenza dei modelli, includendo la preparazione dei dati e l’analisi. Prevedi che l’accelerazione GPU diventi una componente standard dello stack dati aziendale e in che modo ciò potrebbe modificare l’economia della preparazione di enormi dataset per l’IA?
Secondo me, le imprese diventeranno molto più esperte nell’abbinare la loro infrastruttura ai carichi di lavoro. Le GPU hanno già cambiato il modo in cui vengono eseguiti l’addestramento e l’inferenza dei modelli, e l’ingegneria dei dati è il prossimo ambito ovvio per l’innovazione, poiché la preparazione di grandi dataset può rappresentare un collo di bottiglia importante quando si porta l’IA in produzione.
L’impatto economico è altrettanto significativo, poiché un’elaborazione più rapida può fare più che semplicemente completare un job Spark più velocemente. Ridurre i tempi di calcolo può abbassare i costi di infrastruttura, aiutando i team di dati a iterare più rapidamente, considerazione sempre più importante con la crescita dei carichi di lavoro IA. Secondo la nostra ricerca, il 84 % degli intervistati ha osservato che i carichi di lavoro IA aumentano i costi di infrastruttura, rendendo più importante per le imprese esaminare l’intera pipeline dati alla ricerca di opportunità per migliorare sia le prestazioni sia i costi. L’elaborazione dei dati accelerata da GPU potrebbe diventare una parte importante di questa equazione.
Una delle promesse di Cloudera Anywhere Cloud è consentire alle organizzazioni di collocare i carichi di lavoro ovunque i requisiti normativi, economici o operativi lo richiedano, senza dover spostare o copiare continuamente i dati. Quanto è importante portare il calcolo IA ai dati, anziché portare tutti i dati aziendali all’IA?
Questo è fondamentale perché le imprese hanno trascorso anni a costruire enormi quantità di dati in ambienti diversi, e spostare tutti quei dati in un unico luogo per l’IA è spesso impraticabile. Può essere costoso e richiedere molto tempo, mentre requisiti di sicurezza, privacy o sovranità possono impedire alle organizzazioni di spostare certi dati del tutto.
Al momento, non è pratico per le imprese spostare in modo sicuro tutti i propri dati verso le diverse applicazioni e ambienti in cui l’IA viene distribuita. Portare l’IA ai dati consente alle organizzazioni di utilizzare una parte più ampia dei dati già disponibili, mantenendoli dove è necessario. Offre inoltre la flessibilità di eseguire i carichi di lavoro dove ha più senso in base a requisiti aziendali e tecnici. Man mano che l’IA diventa più integrata in tutta l’impresa, la capacità di operare in modo coerente ovunque risiedano i dati diventerà sempre più importante.
La sovranità dei dati è diventata una preoccupazione importante man mano che governi e settori regolamentati adottano l’IA. Come stanno cambiando i requisiti di IA sovrana l’architettura di cui le imprese hanno bisogno, e ti aspetti che i cloud sovrani e le infrastrutture private di IA diventino significativamente più importanti nei prossimi anni?
Assolutamente. La sovranità sta diventando un requisito architettonico, non semplicemente una questione di conformità. Le organizzazioni devono sapere dove sono archiviati i loro dati e dove vengono eseguiti i carichi di lavoro IA, nonché chi vi ha accesso e come vengono protetti la proprietà intellettuale e le informazioni sensibili.
Le organizzazioni non possono più presumere che tutto possa essere centralizzato in un unico cloud pubblico. Hanno bisogno della flessibilità di operare tra cloud sovrani, infrastrutture private, cloud pubblici e sistemi on-premise, applicando una governance coerente in ogni ambiente. Questi requisiti diventeranno ancora più importanti man mano che l’IA si diffonde nei settori regolamentati e nei processi aziendali critici. Le organizzazioni che riescono a innovare mantenendo il controllo sui propri dati e sugli ambienti IA saranno meglio posizionate per scalare l’IA in modo responsabile.
Man mano che gli agenti IA autonomi ottengono accesso ai dati, alle applicazioni e all’infrastruttura aziendale, la governance tradizionale dei dati potrebbe non essere più sufficiente. Come deve evolvere la governance quando gli utenti che accedono e agiscono sui dati aziendali sono sempre più agenti IA piuttosto che esseri umani?
In passato, la governance si basava principalmente su persone e applicazioni in grado di accedere ai dati. Gli agenti aggiungono un nuovo aspetto, poiché possono accedere alle informazioni, ragionarci sopra e agire in base a ciò che trovano.
Per questo motivo, le aziende devono applicare concetti come identità, permessi, lineage, osservabilità e accesso zero‑trust agli agenti per garantire la sicurezza e la governance dei propri dati. Le organizzazioni dovrebbero sapere quale agente ha acceduto a quali dati, cosa ha fatto con quelle informazioni, quali azioni ha intrapreso e se tali azioni sono conformi alle politiche aziendali. La governance non può essere introdotta dopo che un agente ha agito; deve essere integrata nell’ambiente in modo che le politiche e le salvaguardie si spostino insieme ai dati e vengano applicate continuamente, indipendentemente dal fatto che l’entità in questione sia una persona, un’applicazione o un agente autonomo.
Cloudera sta puntando su standard aperti come Apache Iceberg, Polaris, Spark, Kafka e Trino, piuttosto che richiedere ai clienti di operare interamente all’interno di uno stack proprietario. Man mano che l’infrastruttura IA si consolida attorno a grandi piattaforme, quanto sarà importante che standard aperti e interoperabilità prevengano una nuova generazione di lock‑in dei fornitori di IA?
Più l’IA diventa parte dell’infrastruttura aziendale, più gli standard aperti diventano cruciali. L’IA evolve rapidamente e le organizzazioni devono evitare di prendere decisioni architettoniche oggi che potrebbero limitare i modelli, i motori, l’infrastruttura o le tecnologie che potranno utilizzare in futuro.
Tecnologie come Apache Iceberg, Spark, Kafka, Trino e cataloghi aperti offrono alle organizzazioni la flessibilità di utilizzare strumenti diversi per carichi di lavoro differenti, mantenendo l’interoperabilità nei loro ambienti dati. Questo è particolarmente importante man mano che le imprese operano sempre più su cloud pubblici, infrastrutture sovrane e data center privati, dove hanno la libertà di decidere dove far girare i dati e i carichi di lavoro IA senza dover ricostruire tutto intorno a un unico fornitore.
Un approccio aperto facilita anche l’adozione di nuove capacità IA costruendo su investimenti esistenti, anziché spostare o copiare continuamente i dati man mano che la tecnologia evolve. Con il continuo mutamento del panorama IA, gli standard aperti offrono alle organizzazioni la flessibilità di far evolvere la loro architettura nel tempo, mantenendo scelta e controllo su dati, infrastruttura e decisioni tecnologiche.
Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare Cloudera.
