Ian Leysen, CEO i współzałożyciel Datadobi – seria wywiadów

Ian Leysen, CEO i współzałożyciel Datadobi, jest dyrektorem technologicznym z ponad trzydziestoletnim doświadczeniem w inżynierii oprogramowania, zapewnianiu jakości i zarządzaniu danymi przedsiębiorstwa. Współzałożył Datadobi w 2009 roku po ośmiu latach pracy w EMC na stanowisku starszego menedżera ds. zapewniania jakości, po wcześniejszych rolach lidera w Mediagenix i Wave Research. W całej swojej karierze Leysen mocno koncentrował się na budowaniu organizacji inżynierii oprogramowania wysokiej jakości, zakładając od podstaw trzy zespoły zapewniania jakości. W Datadobi nadzoruje firmę, której celem jest pomaganie dużym przedsiębiorstwom w zarządzaniu, nadzorowaniu, migracji i ochronie danych nieustrukturyzowanych w środowiskach lokalnych, chmurowych i hybrydowych. Firma rozwinęła się poza swoje korzenie w migracji danych na dużą skalę, oferując StorageMAP, neutralną wobec dostawcy platformę zaprojektowaną tak, aby zapewnić organizacjom większą widoczność i kontrolę nad złożonymi zasobami danych nieustrukturyzowanych, w tym przygotowanie danych przedsiębiorstwa do inicjatyw AI.

Datadobi pomaga przedsiębiorstwom uzyskać większą widoczność i kontrolę nad szybko rosnącymi wolumenami danych nieustrukturyzowanych. Jego oprogramowanie może skanować miliardy plików, aby zidentyfikować przestarzałe dane, duplikaty, luki w własności i potencjalne ryzyka, jednocześnie stosując metadane i tagi klasyfikacyjne wspierające zarządzanie oraz automatyczne zasady archiwizacji, usuwania i retencji. Stało się to coraz ważniejsze, gdy organizacje przygotowują dane przedsiębiorstwa do generatywnej AI, gdzie słabo zrozumiane lub przestarzałe informacje mogą wprowadzać szum, problemy z zgodnością i ryzyka bezpieczeństwa. Datadobi umożliwia także firmom identyfikację potencjalnie wartościowych zestawów danych, ich organizację do dalszego wykorzystania oraz przenoszenie wybranych informacji do jezior danych lub lakehouse, zachowując możliwość śledzenia i zarządzania. Platforma dodatkowo dostarcza wgląd w koszty przechowywania i wpływ na emisję CO₂, pomagając organizacjom podejmować lepsze decyzje o tym, które dane zachować i gdzie je przechowywać.

Spędziłeś osiem lat kierując zapewnianiem jakości w EMC, zanim współzałożyłeś Datadobi w 2010 roku. Co zauważyłeś w dużych środowiskach przechowywania i danych przedsiębiorstwa, co przekonało Cię, że warto założyć firmę, i jak ta pierwotna wizja ewoluowała, gdy dane nieustrukturyzowane stały się coraz ważniejsze dla AI?

W EMC spędzałem lata, obserwując, jak przedsiębiorstwa intensywnie inwestują w infrastrukturę przechowywania, mając prawie zerową widoczność tego, co faktycznie na niej się znajduje. Byliśmy doskonałi w pomaganiu klientom w przechowywaniu i ochronie danych, ale nikt nie zadawał trudniejszego pytania: czym są te dane, kto jest ich właścicielem, czy ktoś ich nadal potrzebuje i jaka jest ich wartość? Ta luka między możliwościami infrastruktury a zrozumieniem danych była szansą. Rozpoczęliśmy Datadobi, aby pomóc organizacjom inteligentnie przenosić i zarządzać danymi nieustrukturyzowanymi, a nie jedynie przemieszczać je z jednego systemu do drugiego.

Co się zmieniło, to waga problemu. Piętnaście lat temu niezarządzany udział plików był problemem kosztowym i zgodnościowym. Dziś ten sam niezarządzany udział plików staje się zobowiązaniem w momencie, gdy ktoś skieruje na niego model AI lub agenta. Dane nieustrukturyzowane przeszły od bycia tym, co organizacje przechowują, do tego, co decyduje o sukcesie lub porażce ich inicjatyw AI. Nasza pierwotna koncepcja, że sama infrastruktura przechowywania nie może powiedzieć, co twoje dane znaczą dla biznesu, nie uległa zmianie. Stała się po prostu pilna w sposób, jakiego wcześniej nie było.

Twierdzisz, że generatywna AI nie stworzyła problemu danych w przedsiębiorstwie, lecz ujawniła i przyspieszyła problemy istniejące od dziesięcioleci. Jakie są największe słabości, które AI teraz ujawnia w sposobie, w jaki organizacje historycznie zarządzały swoimi danymi?

Organizacje od dziesięcioleci mają trudności ze zrozumieniem swoich danych przedsiębiorstwa. AI nie stworzyło tego problemu, po prostu usunęło miejsca, w których się ukrywały. Gdy dane spokojnie leżały na udziale plików lub w archiwum, nikt nie musiał odpowiadać za to, co w nich jest. W momencie, gdy skierujesz na nie duży model językowy lub pipeline RAG, każda słabość staje się widoczna i ma konsekwencje.

Największym wyzwaniem jest to, że większość organizacji zarządzała przechowywaniem, a nie danymi. Wiedzą, gdzie znajdują się ich wolumeny i koszyki, ale nie co jest w ich wnętrzu: które pliki są przestarzałe, które zawierają wrażliwe lub regulowane informacje, które są zduplikowane dziesiątki razy w całym środowisku i kto faktycznie ma do nich dostęp. AI także ujawnia, jak rozdrobniona stała się własność danych. Dane gromadzą się w systemach lokalnych, wielu chmurach i repozytoriach SaaS, a nikt nie posiada pełnego obrazu. To nie są nowe problemy. AI po prostu uczyniło koszt ich ignorowania natychmiastowym i widocznym.

Organizacje często koncentrują inwestycje w AI na potężniejszych modelach, GPU i infrastrukturze. Dlaczego więcej mocy obliczeniowej lub przechowywania nie rozwiąże podstawowego problemu gotowości danych i w co przedsiębiorstwa powinny zamiast tego inwestować?

Więcej mocy obliczeniowej sprawia, że zła odpowiedź pojawia się szybciej. Nie czyni to odpowiedzi dokładniejszej, bezpiecznej ani zgodnej z przepisami. GPU i infrastruktura przechowywania wykonują decyzje, których same nie podejmują. Jeśli podasz potężnemu modelowi przestarzałe, zduplikowane, źle uprawnione lub wrażliwe dane, otrzymasz potężny model generujący niewiarygodne lub ryzykowne wyniki na dużą skalę i robiący to szybko.

Uważamy, że rynek osiągnął ważny punkt zwrotny: historycznie organizacje optymalizowały przechowywanie; coraz częściej muszą optymalizować dane. Oznacza to inwestowanie w dyscyplinę, która znajduje się powyżej warstwy infrastruktury – zdolność do widzenia całego zasobu danych, zrozumienia, czym jest każda część danych i kto jest za nią odpowiedzialny, decyzję, co powinno być zachowane, przeniesione, zarchiwizowane lub usunięte, a następnie konsekwentne wdrożenie tej decyzji. Wydatki na infrastrukturę bez tej dyscypliny po prostu umożliwiają organizacjom szybciej robić niewłaściwe rzeczy.

To właśnie problem, który nasza platforma do zarządzania danymi nieustrukturyzowanymi została stworzona, aby rozwiązać. Daje organizacjom jednorazowy widok na przechowywanie lokalne, chmurowe i SaaS, klasyfikuje dane przy użyciu tagowania i analiz metadanych, dzięki czemu zespoły widzą, co jest zbędne, przestarzałe lub naprawdę wartościowe, a następnie wykonuje decyzje, migrując, archiwizując lub usuwając dane, poprzez przepływy pracy sterowane politykami, które działają ciągle, a nie jako jednorazowy projekt. To połączenie widoczności, klasyfikacji i spójnego wykonania przekształca „mamy dużo danych” w „wiemy dokładnie, co mamy i co z tym zrobić”.

„Dane gotowe na AI” stały się powszechnym zwrotem w branży. Z twojej perspektywy, co faktycznie czyni dane nieustrukturyzowane gotowymi na AI i jakie kryteria powinny stosować organizacje przed udostępnieniem danych generatywnej AI, systemowi RAG lub pipeline’owi treningowemu?

Dane gotowe na AI to dane, które organizacja już zweryfikowała, a nie tylko posiada. W praktyce oznacza to, że organizacja potrafi z pewnością odpowiedzieć na kilka pytań, zanim te dane trafią do modelu lub pipeline: Czy te dane są dokładne i aktualne, czy może leżą nieużywane od lat? Czy są zduplikowane w innym miejscu w sposób, który może wypaczyć lub sprzeczyć się z wynikami? Czy zawierają wrażliwe, regulowane lub osobiste informacje, które nie powinny być ujawniane? Kto ma do nich dostęp i czy to nadal odzwierciedla, kto powinien mieć dostęp? Czy faktycznie dodają wartość biznesową do konkretnego przypadku użycia, czy są jedynie szumem?

Bez odpowiedzi na te pytania, wprowadzanie danych do generatywnej AI lub pipeline RAG oznacza jedynie przeniesienie problemu zarządzania dalej, do systemu, który jest znacznie lepszy w wykrywaniu tego, co znajdzie, niż dotychczasowe udziały plików. Gotowość na AI to dyscyplina inteligencji danych, a nie pojedyncze zaznaczenie pola kontrolnego przed rozpoczęciem projektu.

Przedsiębiorstwa mogą mieć miliardy plików rozproszonych po infrastrukturze lokalnej, wielu chmurach, archiwach i jednostkach biznesowych. Jak mogą określić, które dane zawierają istotną wartość biznesową, a które są zbędne, przestarzałe, trywialne lub po prostu szumem, który może obniżać wydajność AI?

Na taką skalę nikt nie będzie odpowiadał na to pytanie plik po pliku, a ręczna weryfikacja nie jest wykonalną strategią. Organizacje najpierw potrzebują widoczności na poziomie całego przedsiębiorstwa: jednorazowego, dokładnego widoku na repozytoria lokalne, chmurowe i SaaS, ponieważ nie można podjąć decyzji o danych, których nie widać. Następnie chodzi o zastosowanie inteligencji danych do klasyfikacji tego, co faktycznie znajduje się w środowisku, tak aby dane ROT (redundantne, przestarzałe i trywialne) zostały zidentyfikowane i oddzielone od danych, które naprawdę niosą wartość biznesową.

To jest miejsce, w którym dyscyplina musi wyjść poza samą widoczność. Widzenie danych jest konieczne, ale niewystarczające. Organizacje muszą przejść od zrozumienia, czym te dane są i co oznaczają, poprzez decyzję, co z nimi zrobić – zachować, przenieść, zarchiwizować, usunąć lub wykorzystać do zasilania AI – a następnie konsekwentnie realizować tę decyzję w miliardach obiektów. Pomijanie kroku od widoczności do wprowadzania danych do AI jest dokładnie tym, jak szum degraduje wydajność modelu i jak naprawdę wartościowe dane zostają w nim pogrzebane.

Bezpieczeństwo i zarządzanie stają się szczególnie ważne, gdy systemy AI mogą ujawniać informacje, które wcześniej były trudne do odnalezienia przez pracowników. Jak organizacje powinny oceniać uprawnienia, wrażliwe informacje, własność i ryzyko regulacyjne przed udostępnieniem danych przedsiębiorstwa systemom AI?

To jeden z obszarów, w których AI najbardziej zmieniło kalkulację ryzyka. Plik z nadmiernymi lub przestarzałymi uprawnieniami był kiedyś teoretycznym narażeniem, ponieważ w praktyce osoba musiałaby wiedzieć o jego istnieniu i go szukać. System AI z szerokim dostępem może natychmiast ujawnić ten sam plik każdemu, kto zada odpowiednie pytanie. Niejasność nigdy nie była realną kontrolą, ale AI usunęło ostatni fragment ochrony, który przypadkowo zapewniało.

Zanim jakiekolwiek dane zostaną udostępnione systemowi AI, organizacje potrzebują jasnego obrazu tego, kto ma do nich dostęp i czy ten dostęp nadal ma sens, jakie wrażliwe lub regulowane informacje zawierają, kto jest ich właścicielem i odpowiedzialny, oraz jakie obowiązki regulacyjne się z nimi wiążą – między innymi miejsce przechowywania danych, retencja i wymogi prywatności. Taka ocena nie może być jednorazowym audytem przed uruchomieniem. Dane przedsiębiorstwa zmieniają się nieustannie, więc uprawnienia, własność i ryzyko muszą być przeglądane na bieżąco, a nie tylko w momencie uruchomienia projektu AI.

Datadobi opowiada się za zmianą rozmowy z zarządzania infrastrukturą przechowywania na zarządzanie danymi jako aktywem biznesowym. Jak wygląda ta transformacja w praktyce i jak zmienia relacje między zespołami IT, zespołami danych, liderami bezpieczeństwa a jednostkami biznesowymi?

W praktyce oznacza to, że rozmowa przestaje dotyczyć pojemności, warstwowania i dostępności, a zaczyna się koncentrować na wynikach: redukcji kosztów, redukcji ryzyka, zgodności regulacyjnej i umożliwieniu AI. Kiedyś były traktowane jako odrębne inicjatywy, każda z własnymi narzędziami i właścicielami. Uważamy, że to podejście jest coraz bardziej przestarzałe. Wszystkie zależą od zrozumienia tych samych podstawowych danych przedsiębiorstwa, a potrzebny jest nowy model operacyjny skoncentrowany na danych, który je łączy, zamiast traktować każdą inicjatywę, jakby zależała od oddzielnego, izolowanego systemu. Nasza platforma jest sposobem, w jaki wprowadzamy ten model operacyjny w praktykę.

To naturalnie zmienia skład uczestników. IT nie jest już jedynym właścicielem rozmowy, ponieważ decyzje o tym, jakie dane zachować, przenieść lub udostępnić AI, są decyzjami biznesowymi, opartymi na inteligencji danych, a nie decyzjami infrastrukturalnymi. Liderzy bezpieczeństwa i zgodności potrzebują wglądu w ten sam krajobraz danych, którym zarządza IT. Jednostki biznesowe potrzebują głosu w kwestii, które dane naprawdę mają znaczenie dla ich wyników. Zarządzanie danymi przestaje być funkcją zaplecza IT i staje się wspólną dyscypliną operacyjną, w której IT, bezpieczeństwo i biznes podejmują decyzje na podstawie tych samych informacji.

Jednym z wyzwań w przedsiębiorstwie AI jest to, że dane stale się zmieniają. Czy gotowość na AI jest czymś, co organizacje mogą osiągnąć jednorazowo, czy wymaga ciągłego procesu odkrywania, klasyfikacji, zarządzania, archiwizacji i przemieszczania danych w miarę ich ewolucji?

To proces ciągły, bez wątpienia. Dane przedsiębiorstwa zmieniają się nieustannie, powstają nowe pliki, uprawnienia się zmieniają, pracownicy przychodzą i odchodzą, regulacje ewoluują, więc zarządzanie danymi musi stać się ciągłą zdolnością operacyjną, a nie serią niezależnych projektów. Traktowanie gotowości na AI jako jednorazowego sprzątania przed uruchomieniem projektu jest jak ogłaszanie budynku bezpiecznym po jednorazowej wizycie ślusarza i nigdy nie sprawdzanie drzwi ponownie.

To, czego potrzebują organizacje, to dyscyplina operacyjna, która nieustannie przechodzi przez widoczność, zrozumienie, decyzję i wykonanie, odkrywając, jakie dane istnieją, klasyfikując i rozumiejąc je, decydując, co z nimi zrobić, a następnie realizując tę decyzję w sposób powtarzalny. Organizacje, które przewyższą swoich konkurentów, będą te, które będą w stanie nieustannie przechodzić przez ten cykl na skalę przedsiębiorstwa, a nie te, które traktują gotowość na AI jako projekt z określoną datą zakończenia.

W miarę jak przedsiębiorstwa coraz częściej wdrażają agenty AI, które mogą przeszukiwać systemy i podejmować autonomiczne działania, czy zarządzanie danymi nieustrukturyzowanymi staje się jeszcze ważniejsze? Jakie nowe ryzyka pojawiają się, gdy agent AI może uzyskać dostęp do informacji rozproszonych w całej organizacji, a nie tylko odpowiadać na zapytanie użytkownika?

Staje się to znacznie ważniejsze, ponieważ agent zmienia charakter ekspozycji. Chatbot odpowiadający na pojedyncze zapytanie jest ograniczony do tego, co jedna osoba pyta i widzi. Agent, który może przeszukiwać systemy i podejmować autonomiczne działania, może przemieścić się po znacznie większej części środowiska niż typowy pracownik, i może działać na podstawie tego, co znajdzie, przenosząc, udostępniając lub wykorzystując dane, bez konieczności przeglądania każdego kroku przez człowieka.

Wprowadza to ryzyko wykraczające poza prostą wykrywalność. Jeśli agent ma dostęp do danych, których nie powinien (pliki z niewłaściwymi uprawnieniami, przestarzałe wrażliwe rekordy, informacje, które powinny zostać zarchiwizowane lub usunięte lata temu), może działać na tych danych z prędkością i skalą maszyny, a nie tylko je udostępniać jednemu ciekawemu użytkownikowi. Organizacje, które najskuteczniej wdrażają agenty, to te, które traktują zarządzanie danymi jako warunek wstępny, a nie dodatek, ponieważ agent będzie wiernie wykorzystywać wszelkie luki w inteligencji danych.

Dla przedsiębiorstwa, które zgromadziło dziesięciolecia danych nieustrukturyzowanych i chce skalować swoje inicjatywy AI, jakie praktyczne kroki zaleciłbyś podjąć najpierw i jakich błędów powinni unikać liderzy, rozpoczynając kontrolowanie swojego zasobu danych?

Zacznij od widoczności. Nie możesz podejmować dobrych decyzji o danych, których nie widzisz, więc pierwszym praktycznym krokiem jest uzyskanie dokładnego, przedsiębiorstwa‑w‑szerokim obrazu tego, jakie dane istnieją w infrastrukturze lokalnej, chmurze i środowiskach SaaS. Następnie przejdź do zrozumienia i klasyfikacji tych danych, aby wiedzieć, co jest wartościowe, co wrażliwe, a co po prostu szum, zanim przejdziesz do decyzji o retencji, migracji, archiwizacji lub usunięciu.

Istnieje również rzeczywistość budżetowa, której liderzy nie mogą ignorować. Większość CIO nie otrzymuje oddzielnego, nieograniczonego budżetu na AI, pracują z ustalonym budżetem, w którym AI konkuruje z wszystkim innym, co utrzymuje działalność firmy. Instynkt finansowania AI poprzez wycinanie inwestycji z istniejącej infrastruktury jest niewłaściwy, ponieważ ta sama infrastruktura, przechowywanie, potoki danych, zarządzanie to dokładnie to, od czego AI zależy, aby odnieść sukces. Bardziej zrównoważoną drogą jest stworzenie marginesu w istniejącym zasobie: poprawa widoczności i redukcja marnotrawstwa przechowywania dzięki optymalizacji danych, na którą StorageMAP jest zaprojektowany, uwalnia rzeczywisty budżet, bez dotykania pojemności, której faktycznie będą potrzebować inicjatywy AI.

Największym błędem, który widzę, jest pomijanie budowy podstaw widoczności i zrozumienia i przechodzenie od razu do realizacji, skierowanie AI na zasób danych lub uruchomienie projektu sprzątania. Drugi błąd to traktowanie tego jako jednorazowej inicjatywy, a nie zdolności operacyjnej; dane ciągle się zmieniają, więc dyscyplina musi być ciągła. Trzeci błąd to pozostawienie tego jako czysto technicznego zadania. Organizacje, które odnoszą sukces, traktują to jako decyzję biznesową, z IT, bezpieczeństwem i interesariuszami biznesowymi zgodnymi co do wartości danych i tego, co z nimi zrobić, a nie jedynie projekt migracji lub przechowywania przekazany wyłącznie IT.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Datadobi.