AI gir foretakene unnskyldningen de trengte for å fikse år med teknisk gjeld

Alle foretak vil snakke om AI. Hvor mye skal vi investere? Hvor skal vi kjøre det? Hvilke nye applikasjoner kan vi bygge? Hvor raskt kan vi få dem i produksjon?

Men noe annet skjer under all den begeistringen. Når organisasjoner strømmer penger inn i AI, får mange et hardt blikk på infrastrukturen som har kjørt virksomheten stille i årevis. Og det de oppdager er ikke alltid pent:

• Eldre operativsystemer
• Gamle databaser
• Applikasjoner som har modernisert seg desproportionalt i forhold til infrastrukturen  

Organisasjoner observerer miljøer bygget rundt beslutninger tatt for år siden. Det er teknisk gjeld som alle vet eksisterer, men ingen har hatt nok grunn eller budsjett til å håndtere.

Ironisk nok kan AI endelig endre dette.

AI åpner infrastrukturbudsjettet

En av de største hindringene for modernisering av infrastruktur har i årevis vært bemerkelsesverdig enkel: hvis den ikke er ødelagt, hvorfor bruke millioner av dollar på å endre den?

Det er et vanskelig argument for et infrastrukturteam å overvinne. Et ti år gammelt system kan være utdatert, dyrt og lite fleksibelt, men hvis applikasjoner kjører og kundene ikke klager, kan det være vanskelig å selge erstatning eller modernisering til økonomidirektøren.

AI har omskrevet den samtalen.

For å støtte sine AI-strategier gjør organisasjoner betydelige nye investeringer i infrastruktur. Denne utgiften kan skape en mulighet til å takle andre infrastrukturproblemer samtidig. Prosjekter som tidligere hadde problemer med å få finansiering, kan plutselig bli en del av en mye større diskusjon om hvordan bedriftens teknologistabel bør se ut for det neste tiåret.

AI-æraen kolliderer med legacy-æraen

Mange virksomheter er fortsatt sterkt avhengige av Windows-basert infrastruktur og eldre versjoner av SQL Server, mens teknologibransjen allerede har brukt år på å snakke om cloud-native arkitekturer og containere.

Applikasjonsutviklingen har gått frem samtidig. Utviklingsteam har tatt i bruk Linux, containere og skyplattformer mens databaser og annen kritisk infrastruktur ofte har blitt der de var. Det skaper en stadig mer klønete splittelse i bedriften: moderne applikasjoner på den ene siden og legacy-infrastruktur på den andre. AI skaper ikke dette problemet. Men hastverket med å bygge en AI-klargjort virksomhet gjør det mye vanskeligere å ignorere.

Organisasjoner bør derfor unngå å se AI-infrastruktur som et isolert teknologikjøp. Det kan være en mulighet til å stille et mye større spørsmål: Hvis vi redesigner en del av infrastrukturen for AI, hva annet bør vi fikse mens vi er her?

Modernisering trenger ikke bety en stor eksplosjon

En grunn til at teknisk gjeld vedvarer er antakelsen om at modernisering krever en massiv migrasjon. Det gjør den ikke.

Når du for eksempel går fra Windows til Linux, trenger ikke hver applikasjon, database og operasjonsprosess å endres samtidig. Og å ta i bruk Kubernetes betyr ikke at en organisasjon umiddelbart må forkaste alt som kom før. For å gjøre det på mest mulig praktisk måte, bør modernisering gjøres trinnvis.

Organisasjoner kan beholde eksisterende Windows-arbeidsbelastninger samtidig som de introduserer Linux eller Kubernetes ved siden av. De kan modernisere individuelle komponenter når forretningscaset gir mening, og gradvis flytte arbeidsbelastninger i stedet for å satse alt på ett enormt transformasjonsprosjekt.

Dette er spesielt viktig for databaser. Kritiske SQL Server-miljøer kan ha fungert vellykket i årevis. Det faktum at de er gamle betyr ikke at organisasjoner bør erstatte dem uforsiktig.

Målet bør være å skape en vei fremover.

Ikke moderniser bare fordi AI er trendy

Det er en viktig distinksjon her.

AI-utgifter kan skape muligheten til å modernisere infrastruktur, men organisasjoner bør ikke migrere arbeidsbelastninger bare fordi de tror alt plutselig må bli «AI-klart». Forretningscaset for infrastrukturmodernisering bør stå på egne ben.

Kan vi senke kostnadene?

Kan vi forbedre tilgjengeligheten?

Kan vi redusere vår avhengighet av en bestemt plattform?

Kan vi gjøre arbeidsbelastningene mer flyttbare?

Kan vi gi virksomheten større fleksibilitet i hvor applikasjoner og data kjører?

Det er verdifulle resultater uansett hva som skjer med en organisasjons AI‑veikart.

Faktisk er en av feilene bedrifter kan gjøre å la AI bli begrunnelsen for hver teknologisk beslutning. Det er ulike krav til AI‑arbeidsbelastninger og tradisjonelle transaksjonsarbeidsbelastninger. Bare fordi en organisasjon investerer tungt i AI, er det ingen grunn til å anta at hver eldre arbeidsbelastning plutselig hører hjemme på Kubernetes.

Modernisering bør løse et reelt infrastrukturproblem.

AI endrer også økonomien i infrastruktur

Det er en annen grunn til at fleksibilitet betyr mer i AI‑æraen: infrastrukturøkonomien blir stadig mer dynamisk. Organisasjoner har flere valg enn noen gang om hvor arbeidsbelastninger kjøres… på stedet, i private skyer, i offentlige skyer og på tvers av flere sky‑leverandører. Det beste miljøet for én arbeidsbelastning kan faktisk være helt feil for en annen. Det gjør infrastrukturportabilitet stadig mer verdifull.

Bedrifter bør ikke måtte ta alle fremtidige infrastrukturbeslutninger basert på et valg de gjorde for år siden. De bør kunne vurdere hvor en arbeidsbelastning gir mest operasjonell og økonomisk mening, og foreta endringer uten å redesigne hele applikasjonsmiljøet. Dette blir enda viktigere etter hvert som AI øker infrastrukturutgiftene. Når teknologibudsjettene vokser, kan relativt små forskjeller i beregning, lisensiering og sky‑kostnader bli svært store tall.

Evnen til å velge blir en økonomisk fordel.

Den reelle AI‑infrastrukturmuligheten kan være større enn AI

Det er en tendens til å tenke på AI‑infrastrukturboomen hovedsakelig i form av GPU‑er, akseleratorer og enorme datasentre. Disse investeringene er definitivt viktige. Hva som skjer med resten av bedriftsinfrastrukturen som følge av dette, kan faktisk være den mest varige effekten.

AI tvinger organisasjoner til å tenke på hvor applikasjonene deres kjører, hvor dataene deres lagres, hvordan infrastrukturen administreres, og hvor mye eldre teknologi de er villige til å beholde.

Det skaper en sjelden mulighet.

I stedet for bare å legge den nyeste teknologien oppå tiår med gamle infrastrukturbeslutninger, kan bedrifter bruke denne investeringssyklusen til å begynne å nedbetale teknisk gjeld og skape et mer fleksibelt grunnlag for det som kommer neste.

Fordi det viktigste spørsmålet kanskje ikke er om dagens infrastruktur kan kjøre AI.

Det kan være om dagens AI‑investering endelig kan gi organisasjoner grunnen til å bygge den infrastrukturen de hele tiden burde ha bygget.