Интервью
Лео Бранник, главный директор по продукту в Cloudera — серия интервью
Добавьте Unite.AI в избранные источники в Google
Leo Brunnick, главный директор по продукту в Cloudera, является опытным технологическим руководителем и предпринимателем с более чем тридцатилетним опытом создания и масштабирования программного обеспечения, цифровых медиа и корпоративных технологических организаций. В Cloudera он возглавляет управление продуктами, инженерные команды и поддержку клиентов, контролируя направление продуктов и технологий компании по мере расширения возможностей её платформы данных и ИИ. До того как присоединиться к Cloudera в 2025 году, Бранник провёл шесть лет в Naviga, последний из которых занимал должность главного операционного директора, где руководил более чем 600 специалистами в областях продукта, инженерии, маркетинга, исследований и разработок, поддержки клиентов и профессиональных услуг. Ранее в своей карьере он основал и был генеральным директором Patheos, вырастив цифровую медиа‑платформу до примерно 15 млн ежемесячных посетителей перед успешным выходом, а также провёл восемь лет в роли главного директора по продукту в компании по управлению корпоративным контентом Vignette. Его опыт также включает технологический консалтинг в Andersen Consulting и службу в пехоте Корпуса морской пехоты США.
Cloudera — компания в сфере корпоративных данных и ИИ, сосредоточенная на помощи организациям в управлении, контроле, анализе и применении ИИ к данным, где бы они ни находились — в публичных облаках, частных дата‑центрах и на периферийных средах. Её гибридная платформа объединяет управление данными, аналитику, машинное обучение, генеративный ИИ и всё более агентные возможности ИИ, при этом делая акцент на корпоративную безопасность, управление, конфиденциальность и переносимость рабочих нагрузок. Текущая стратегия платформы компании включает Cloudera Anywhere Cloud — архитектуру, предназначенную обеспечить предприятиям единый облачный опыт в разных инфраструктурных средах, а также открытый data lakehouse, единый data fabric, обработку данных в реальном времени и инструменты для разработки и развертывания моделей и агентов ИИ. По словам Cloudera, её технологии управляют более чем 25 эксабайтами данных и используются крупными глобальными предприятиями, стремящимися модернизировать инфраструктуру данных без необходимости перемещения всех рабочих нагрузок или конфиденциальных данных в публичное облако.
Ваша карьера охватывала технологический консалтинг, руководство продуктовыми организациями в Vignette и Naviga, основание и масштабирование Patheos, а сейчас вы занимаете должность главного директора по продукту в Cloudera. Как этот опыт сформировал ваш взгляд на построение корпоративных технологических платформ в эпоху, когда ИИ кардинально меняет то, как организации используют свои данные?
Во всех этих ситуациях действует один и тот же принцип. Технология наиболее ценна, когда она упрощает сложные вещи для людей. Этот момент особенно важен сейчас, поскольку ИИ создает значительные возможности, одновременно добавляя ещё один уровень сложности для компаний, уже работающих с облачными данными, дата‑центрами и всё более суверенными средами.
Строя следующую эпоху в Cloudera, я часто задумываюсь, как мы можем позволить организациям извлекать выгоду из новых технологий, не заставляя их переосмысливать всё, что уже построено. За последние несколько лет предприятия создали свои дата‑активы, приложения, модели управления и операционные процессы. Было бы неразумно отбрасывать всё это каждый раз, когда появляется новая технология. Платформы, которые добьются успеха в эпоху ИИ, будут опираться на существующее у организаций, предоставляя им гибкость и контроль для адаптации по мере изменения их потребностей.
Cloudera недавно представила Cloudera Anywhere Cloud, чтобы помочь предприятиям создавать и эксплуатировать ИИ в публичных облаках, частных инфраструктурах, суверенных облаках, локальных средах и на периферии. Какую проблему вы наблюдали у клиентов, которая убедила Cloudera в необходимости такой единой архитектуры?
На клиентов усиливается давление, заставляющее их внедрять ИИ на практике, даже при том, что их данные и инфраструктура распределены по большему количеству сред, чем когда-либо ранее. Данные могут находиться в публичных облаках, частных дата‑центрах, суверенных средах и на периферии, каждая из которых имеет свои требования к безопасности, регулированию, производительности и экономике. Управление всеми этими средами может создавать значительную операционную нагрузку для организаций.
Идея Anywhere Cloud заключается в том, что бизнесу не следует выбирать между гибкостью облака и сохранением контроля, безопасности и управления данными. Организациям нужен единый способ развертывания, управления и масштабирования сервисов данных и ИИ там, где это наиболее целесообразно для бизнеса. С единой плоскостью управления компании могут тратить меньше времени на управление базовой инфраструктурой и больше — на достижение желаемых результатов с помощью своих данных и ИИ, независимо от того, в какой среде они находятся.
Вы заявили, что корпоративный ИИ «перерастил модель только публичного облака». Каковы крупнейшие ограничения, с которыми сталкиваются предприятия, пытаясь полностью запускать производственный ИИ в публичных облачных средах, и какие рабочие нагрузки всё чаще перемещаются в другие места?
Платформы, которые добьются успеха в эпоху ИИ, будут опираться на уже существующее у организаций и предоставлять им гибкость для адаптации по мере изменения их потребностей. Публичное облако остаётся важной частью стратегии корпоративных технологий, но это не единственная опция. По мере перехода ИИ в производство компании должны определять, где должны работать их данные и нагрузки, учитывая такие факторы, как регулирование, безопасность и стоимость.
Это показывает, что решения о том, где размещать нагрузки, теперь принимаются более обдуманно. Некоторые приложения ИИ, безусловно, подходят для публичного облака, тогда как нагрузки, связанные с особо чувствительными или регулируемыми данными, могут потребоваться оставаться в частном дата‑центре или суверенной среде. В других случаях нагрузки будут лучше работать на периферии, поскольку задержка является важным фактором. Цель не в том, чтобы отказываться от публичного облака; скорее, речь идёт о предоставлении предприятиям гибкости запускать каждый тип нагрузки в месте, наиболее подходящем для него, без необходимости создавать отдельную модель эксплуатации для каждой среды.
Cloudera Anywhere Cloud включает агентный копилот, который может преобразовывать запросы на естественном языке в рабочие процессы данных и операции инфраструктуры. Насколько автономными, по вашему мнению, станут эти системы, и где предприятия должны сохранять человеческий контроль, когда агенты получат больший контроль над критической инфраструктурой данных?
Агенты продолжат выполнять повторяющиеся операционные задачи, которые в настоящее время занимают время команд по данным и инфраструктуре. Если агент может сформулировать результат на естественном языке, а затем преобразовать его в рабочий процесс или инфраструктурное действие, это значительно снизит трения и сделает расширенные возможности работы с данными доступными для большего числа людей.
Большая автономия также создает большую потребность в эффективном управлении. Компаниям необходимо иметь четкие политики, определяющие, к чему агент имеет доступ, какие действия он может выполнять самостоятельно и когда требуется человеческое одобрение. Чем выше потенциальное влияние действия, тем более критичными становятся такие контрольные меры. Автономия и управление должны развиваться параллельно, предоставляя агентам достаточную свободу для достижения реального повышения продуктивности, при этом обеспечивая, чтобы организация сохраняла надзор и контроль над своими ключевыми данными и инфраструктурой.
Cloudera сотрудничает с NVIDIA, чтобы предоставить нативное ускорение GPU через cuDF для нагрузок Apache Spark 4.1, с потенциальным повышением производительности до 4‑х раз без необходимости переписывать существующие приложения PySpark или SQL. Почему устранение необходимости в переписывании кода так важно для ускорения внедрения ИИ в предприятиях?
Компании вложили значительные средства в свои текущие приложения, навыки и конвейеры данных. Переход на новую технологию требует не только инженерных усилий. Это может привести к рискам, задержкам результатов и вызвать сбои в уже работающих системах.
Ускорение без кода помогает решить эту проблему. Организации могут использовать свои текущие нагрузки PySpark и SQL, чтобы получить преимущества ускорения GPU, не меняя принципиально способы работы своих команд. Это упрощает внедрение технологии, одновременно повышая производительность конвейеров данных, поддерживающих аналитику и ИИ, и защищая существующие инвестиции.
GPUs всё чаще используются не только для обучения моделей и вывода, но и для подготовки данных и аналитики. Ожидаете ли вы, что ускорение GPU станет стандартной частью корпоративного стека данных, и как это может изменить экономику подготовки огромных наборов данных для ИИ?
На мой взгляд, предприятия станут гораздо более искусными в согласовании своей инфраструктуры с нагрузками. GPUs уже изменили процесс обучения моделей и вывода, а инженерия данных — следующая очевидная область для инноваций, поскольку подготовка больших наборов данных может стать серьезным узким местом при выводе ИИ‑приложений в продакшн.
Экономическое влияние столь же значимо, поскольку более быстрая обработка делает больше, чем просто ускоряет выполнение задачи Spark. Сокращение времени вычислений может снизить затраты на инфраструктуру и одновременно помочь командам данных быстрее итеративно работать, что становится всё более важным фактором по мере роста нагрузок ИИ. Согласно наше исследование, 84 % респондентов заметили рост инфраструктурных расходов из‑за нагрузок ИИ, что делает ещё более важным для компаний анализировать всю цепочку данных в поиске возможностей улучшить как производительность, так и стоимость. Обработка данных с ускорением GPU может стать важной частью этого уравнения.
Одно из обещаний Cloudera Anywhere Cloud — позволить организациям размещать нагрузки там, где того требуют регулятивные, экономические или операционные требования, без постоянного перемещения или копирования их данных. Насколько важно переносить вычисления ИИ к данным, а не перемещать все корпоративные данные к ИИ?
Это имеет решающее значение, поскольку компании годами накапливали огромные объёмы данных в разных средах, и перемещение всех этих данных в одно место для ИИ часто нереализуемо. Это может быть дорого и отнимать много времени, при этом требования к безопасности, конфиденциальности или суверенитету могут полностью препятствовать перемещению определённых данных.
В настоящее время предприятиям нецелесообразно безопасно перемещать все свои данные в различные приложения и среды, где развёртывается ИИ. Перенос ИИ к данным позволяет организациям использовать большую часть уже имеющихся данных, оставляя их там, где это необходимо. Это также предоставляет гибкость запускать нагрузки там, где это имеет наибольший смысл с учётом бизнес‑ и технических требований. По мере того как ИИ всё глубже интегрируется в предприятие, способность работать последовательно там, где находятся данные, станет всё более важной.
Суверенитет данных стал серьезной проблемой, поскольку правительства и регулируемые отрасли внедряют ИИ. Как меняются требования к суверенному ИИ и как это влияет на архитектуру предприятий, и ожидаете ли вы, что суверенные облака и частная ИИ‑инфраструктура станут значительно более важными в ближайшие несколько лет?
Абсолютно. Суверенитет становится архитектурным требованием, а не просто вопросом соответствия. Организациям необходимо знать, где хранятся их данные и где работают их ИИ‑нагрузки, а также кто имеет к ним доступ и как защищаются интеллектуальная собственность и конфиденциальная информация.
Организации больше не могут предполагать, что всё можно централизовать в едином публичном облаке. Им нужна гибкость для работы в суверенных облаках, частной инфраструктуре, публичных облаках и локальных системах при одновременном применении согласованного управления в каждой среде. Эти требования станут ещё более важными по мере того, как ИИ будет всё глубже проникать в регулируемые отрасли и критические бизнес‑процессы. Организации, способные инновационно развиваться, сохраняя контроль над своими данными и ИИ‑окружением, будут лучше подготовлены к ответственному масштабированию ИИ.
По мере того как автономные ИИ‑агенты получают доступ к корпоративным данным, приложениям и инфраструктуре, традиционное управление данными может стать недостаточным. Как должно эволюционировать управление, когда пользователями, получающими доступ к корпоративным данным и действующими с ними, всё чаще становятся ИИ‑агенты, а не люди?
Раньше управление в основном основывалось на том, что люди и приложения могут получать доступ к данным. Агентам добавляется новый аспект: они могут получать информацию, рассуждать над ней и принимать решения на основе найденного.
В связи с этим бизнесу необходимо применять такие идеи, как идентификация, разрешения, прослеживаемость, наблюдаемость и доступ с нулевым доверием к агентам, чтобы обеспечить безопасность и управление данными. Организации должны знать, какой агент получил доступ к каким данным, что он сделал с этой информацией, какие действия предпринял и соответствуют ли эти действия корпоративным политикам. Управление не может быть внедрено после того, как агент совершил действие; оно должно быть встроено в окружение, чтобы политики и средства защиты перемещались вместе с данными и постоянно применялись независимо от того, является ли субъект человеком, приложением или автономным агентом.
Cloudera делает акцент на открытых стандартах, таких как Apache Iceberg, Polaris, Spark, Kafka и Trino, вместо того чтобы требовать от клиентов полностью работать в проприетарном стеке. По мере того как ИИ‑инфраструктура консолидируется вокруг крупных платформ, насколько важными будут открытые стандарты и совместимость для предотвращения нового поколения блокировки поставщиками ИИ?
Чем больше ИИ становится частью корпоративной инфраструктуры, тем важнее становятся открытые стандарты. ИИ быстро развивается, и организациям необходимо избегать архитектурных решений сегодня, которые могут ограничить модели, движки, инфраструктуру или технологии, доступные им в будущем.
Технологии, такие как Apache Iceberg, Spark, Kafka, Trino и открытые каталоги, дают организациям гибкость использовать разные инструменты для разных нагрузок, сохраняя совместимость в их данных. Это особенно важно, поскольку предприятия всё чаще работают в публичных облаках, суверенной инфраструктуре и частных дата‑центрах, где им нужна свобода решать, где размещать данные и ИИ‑нагрузки, без необходимости перестраивать всё вокруг единственного поставщика.
Открытый подход также упрощает внедрение новых возможностей ИИ, опираясь на существующие инвестиции, вместо того чтобы постоянно перемещать или копировать данные по мере развития технологий. По мере того как ландшафт ИИ продолжает изменяться, открытые стандарты предоставляют организациям гибкость развивать свою архитектуру со временем, сохраняя выбор и контроль над данными, инфраструктурой и технологическими решениями.
Спасибо за отличное интервью, читатели, желающие узнать больше, должны посетить Cloudera.
