AI ger företag den ursäkt de behövde för att åtgärda år av teknisk skuld

Varje företag vill prata om AI. Hur mycket bör vi investera? Var bör vi köra det? Vilka nya applikationer kan vi bygga? Hur snabbt kan vi få dem i produktion?

Men något annat händer under all den entusiasmen. När organisationer satsar pengar på AI får många en tydlig blick på den infrastruktur som tyst har drivit verksamheten i åratal. Och det de upptäcker är inte alltid snyggt:

• Äldre operativsystem
• Åldrande databaser
• Applikationer som har moderniserats oproportionerligt mycket i förhållande till infrastrukturen  

Organisationer observerar miljöer som byggts kring beslut som fattades för år sedan. Det är teknisk skuld som alla vet finns, men ingen har haft tillräcklig anledning eller budget för att åtgärda det.

Ironiskt nog kan AI äntligen förändra det.

AI öppnar infrastrukturbudgeten

Ett av de största hindren för infrastrukturmodernisering har i åratal varit anmärkningsvärt enkelt: om det inte är trasigt, varför spendera miljoner dollar på att förändra det?

Det är ett svårt argument för ett infrastrukturteam att övervinna. Ett tio år gammalt system kan vara föråldrat, dyrt och oflexibelt, men om applikationer körs och kunderna inte klagar, kan det vara svårt att sälja in ersättning eller modernisering till ekonomichefen.

AI har skrivit om den diskussionen.

För att stödja sina AI-strategier gör organisationer betydande nya investeringar i infrastruktur. Denna satsning kan skapa en möjlighet att samtidigt åtgärda andra infrastrukturproblem. Projekt som tidigare hade svårt att få finansiering kan plötsligt bli en del av en mycket större diskussion om hur företagets teknologistack bör se ut under det kommande decenniet.

AI-eran kolliderar med den äldre eran

Många företag fortsätter att vara starkt beroende av Windows-baserad infrastruktur och äldre versioner av SQL Server, medan teknikindustrin redan i åratal har pratat om molnbaserad arkitekturer och behållare.

Applikationsutveckling har gått framåt samtidigt. Utvecklingsteam har omfamnat Linux, behållare och molnplattformar medan databaser och annan kritisk infrastruktur ofta har förblivit där de var. Det skapar en allt mer obekväm klyfta inom företaget: moderna applikationer på ena sidan och legacy‑infrastruktur på den andra. AI skapar inte det problemet. Men brådet att bygga ett AI‑klart företag gör det mycket svårare att ignorera.

Organisationer bör därför motstå att betrakta AI‑infrastruktur som ett isolerat teknikinköp. Det kan vara en möjlighet att ställa en mycket större fråga: Om vi redesignar en del av vår infrastruktur för AI, vad mer bör vi åtgärda medan vi är här?

Modernisering behöver inte betyda en stor omvälvning

En anledning till att teknisk skuld kvarstår är antagandet att modernisering kräver en massiv migrering. Det gör den inte.

När du till exempel går från Windows till Linux behöver inte varje applikation, databas och operativ process förändras samtidigt. Och att anta Kubernetes betyder inte att en organisation måste omedelbart överge allt som kom före. För att göra det på det mest praktiska sättet bör modernisering ske stegvis.

Organisationer kan behålla befintliga Windows‑arbetsbelastningar samtidigt som de introducerar Linux eller Kubernetes bredvid dem. De kan modernisera enskilda komponenter när affärsfallet motiverar det och gradvis flytta arbetsbelastningar istället för att satsa allt på ett enormt transformationsprojekt.

Detta är särskilt viktigt för databaser. Kritiska SQL Server‑miljöer kan ha fungerat framgångsrikt i åratal. Det faktum att de är gamla betyder inte att organisationer bör ersätta dem vårdslöst.

Målet bör vara att skapa en väg framåt.

Modernisera inte bara för att AI är trendigt

Det finns en viktig skillnad här.

AI‑utgifter kan skapa möjligheten att modernisera infrastrukturen, men organisationer bör inte migrera arbetsbelastningar bara för att de tror att allt plötsligt måste bli “AI‑klart”. Affärsfallet för infrastrukturmodernisering bör stå på egna ben.

Kan vi sänka kostnaderna?

Kan vi förbättra tillgängligheten?

Kan vi minska vårt beroende av en viss plattform?

Kan vi göra arbetsbelastningar mer portabla?

Kan vi ge verksamheten större flexibilitet kring var applikationer och data körs?

Det är värdefulla resultat oavsett vad som händer med en organisations AI‑färdplan.

Faktum är att ett av misstagen som företag kan göra är att låta AI bli förevändningen för varje teknologiskt beslut. Det finns olika krav för AI‑arbetsbelastningar och traditionella transaktionsarbetsbelastningar. Bara för att en organisation investerar kraftigt i AI finns det ingen anledning att anta att varje äldre arbetsbelastning plötsligt bör placeras på Kubernetes.

Modernisering bör lösa ett faktiskt infrastrukturproblem.

AI förändrar också ekonomin för infrastruktur

Det finns en annan anledning till att flexibilitet är ännu viktigare i AI‑eran: infrastrukturens ekonomi blir allt mer dynamisk. Företag har fler val än någonsin när det gäller var arbetsbelastningar körs… på plats, i privata moln, i offentliga moln och över flera molnleverantörer. Den bästa miljön för en arbetsbelastning kan faktiskt vara helt fel för en annan. Det gör infrastrukturportabilitet allt mer värdefull.

Företag bör inte behöva fatta varje framtida infrastrukturbeslut baserat på ett val de gjorde för år sedan. De bör kunna utvärdera var en arbetsbelastning ger mest operativ och ekonomisk mening och göra förändringar utan att omdesigna hela applikationsmiljön. Detta blir ännu viktigare när AI ökar infrastruktursatsningarna. När teknikbudgetar växer kan relativt små skillnader i beräkningskraft, licenser och molnkostnader bli mycket stora tal.

Förmågan att välja blir en ekonomisk fördel.

Den verkliga AI‑infrastrukturmöjligheten kan vara större än AI

Det finns en tendens att betrakta AI‑infrastrukturboom främst i termer av GPU:er, acceleratorer och enorma datacenter. Dessa investeringar är utan tvekan viktiga. Vad som händer med resten av företagsinfrastrukturen som en följd kan faktiskt bli den mest bestående effekten.

AI tvingar organisationer att tänka på var deras applikationer körs, var deras data lagras, hur infrastrukturen hanteras och hur mycket äldre teknik de är villiga att behålla.

Det skapar en sällsynt möjlighet.

Istället för att bara lägga den senaste tekniken ovanpå årtionden av gamla infrastrukturbeslut kan företag använda denna investeringscykel för att börja betala ner teknisk skuld och skapa en mer flexibel grund för vad som än kommer härnäst.

För den viktigaste frågan kanske inte är om dagens infrastruktur kan köra AI.

Det kan vara om dagens AI‑investering äntligen kan ge organisationerna anledningen att bygga den infrastruktur de hela tiden borde ha byggt.