Generativ AI kan förändra världen – men bara om datainfrastrukturen håller jämna steg

Trots den hype som omger Generative AI, har de flesta branschexperter ännu inte besvarat en viktig fråga: Finns det en infrastrukturplattform som kan stödja denna teknik på lång sikt, och om så är fallet, kommer den att vara tillräckligt hållbar för att stödja de radikala innovationer som Generative AI lovar?

Generative AI-verktyg har redan byggt upp en viss ryktbarhet, med sin förmåga att skriva väl-sammansatta texter med ett knapptryck – uppgifter som annars kan ta timmar, dagar, veckor eller månader att slutföra manuellt.

Det är bra och allt, men utan rätt infrastruktur har dessa verktyg helt enkelt inte den skalbarhet som krävs för att verkligen förändra världen. Snart förväntas överstiga $76 miljarder, Generative-AI:s astronomiska driftskostnader är ett bevis på detta faktum redan, men det finns ytterligare faktorer som spelar in.

Företag måste fokusera på att skapa och ansluta rätt verktyg för att utnyttja det på ett hållbart sätt och måste investera i en centraliserad datainfrastruktur som gör all relevant data sömlöst tillgänglig för deras LLM utan dedikerade pipelines. Med strategisk implementering av rätt verktyg kommer de att kunna leverera det affärs-värde de söker trots de kapacitetsbegränsningar som datacenter för närvarande påtvingar – först då kommer AI-revolutionen att verkligen främja.

En välbekant mönster

Enligt en ny rapport från Capgemini Research Institute, 74% av chefer tror att fördelarna med generativ AI överväger dess problem. En sådan konsensus har redan lett till höga antagande-räntor bland företag – cirka 70% av organisationerna i Asien och Stilla havet har antingen uttryckt sin avsikt att investera i dessa tekniker eller har börjat undersöka praktiska användningsfall.

Men världen har varit på denna väg förut. Ta internet, till exempel, som gradvis drog till sig mer och mer uppmärksamhet innan det överträffade förväntningarna via en mängd olika anmärkningsvärda applikationer. Men trots dess imponerande förmågor, tog det verkligen inte fart förrän dess applikationer började leverera tangible värde till företag i stor skala.

Att se bortom ChatGPT

AI hamnar i en liknande cykel. Företag har snabbt köpt in sig i tekniken, med en uppskattad 93% av företagen redan engagerade i flera AI/ML-användningsfall. Men oavsett den höga antagande-räntan, kämpar många företag fortfarande med distributionen – ett tydligt tecken på oförenlig datainfrastruktur.

Med rätt infrastruktur kan företag se bortom ytan på Generative AI:s förtjusande förmågor och utnyttja dess verkliga potential för att omvandla sina affärslandskap.

Verkligen, Generative-AI kan hjälpa till att skriva ett utkast snabbt och, i de flesta fall, ganska effektivt, men dess potential sträcker sig långt bortom det. Från potentiell läkemedelsupptäckt till hälsovårdbehandlingar till försörjningskedjeoptimering, inga av dessa genombrott är möjliga om datacentren som stödjer och driver AI-applikationer inte är tillräckligt robusta för att hantera deras arbetsbelastningar.

Att övervinna hindret för skalbarhet

Generative AI har ännu inte verkligen levererat betydande värde till företag, eftersom den saknar skalbarhet. Detta beror på att datacenter har kapacitetsbegränsningar – deras infrastruktur var inte ursprungligen utformad för att stödja den massiva utforskningen, orkestreringen och modelljusteringen som stora språkmodeller (LLM) kräver för att köra flera träningscykler effektivt.

Att skörda värde från Generative AI beror därför på hur väl ett företag utnyttjar sin egen data, vilket kan förbättras genom att utveckla en robust dataarkitektur. Detta kan uppnås genom att ansluta strukturerade och ostrukturerade datakällor till LLM eller genom att öka dataflödet i befintlig hårdvara.

Det är essentiellt att företag som vill träna sin LLM på organisatorisk data först kan konsolidera den data på ett enhetligt sätt. Annars kommer data som lämnas i en silo-struktur sannolikt att generera bias i LLM:s inlärningsförmåga.

Ett stödsystem

Generative AI dök inte upp ur tomma intet – det har varit under utveckling under en ganska lång tid, och dess användning och potential kommer bara att växa under de kommande decennierna. Men för närvarande, slår dess affärsapplikationer mot en vägg som inte är skalbar.

Verkligheten är att dessa olika verktyg är lika starka som den dataprocessningsinfrastruktur som stödjer dem. Det är därför kritiskt att företagsledare utnyttjar plattformar som kan processa de petabyte data som dessa verktyg behöver för att leverera det värde de lovar på ett verkligt sätt.