Ian Leysen, VD och medgrundare av Datadobi – Intervjuserie

Ian Leysen, VD och medgrundare av Datadobi, är en teknikchef med mer än tre decennier av erfarenhet inom mjukvaruutveckling, kvalitetssäkring och företagsdatamanagement. Han grundade Datadobi 2009 efter åtta år på EMC som Senior Manager för kvalitetssäkring, föregånget av ledande roller på Mediagenix och Wave Research. Genom sin karriär har Leysen starkt fokuserat på att bygga högkvalitativa mjukvaruutvecklingsorganisationer och har byggt upp tre kvalitetssäkringsteam från grunden. På Datadobi ansvarar han för ett företag som hjälper stora företag att hantera, styra, migrera och skydda ostrukturerad data i lokala, moln- och hybridmiljöer. Företaget har utvecklats bortom sina rötter i storskalig datamigrering och erbjuder nu StorageMAP, en leverantörsneutral plattform som ger organisationer större insyn och kontroll över komplexa ostrukturerade datamiljöer, inklusive förberedelse av företagsdata för AI‑initiativ.

Datadobi hjälper företag att få bättre insyn och kontroll över snabbt växande volymer av ostrukturerad data. Programvaran kan skanna miljarder filer för att identifiera föråldrad data, dubbletter, ägandegap och potentiella risker, samtidigt som den tillämpar metadata‑ och klassificeringstaggar som stödjer styrning och automatiserade policyer för arkivering, radering och bevarande. Detta har blivit allt viktigare när organisationer förbereder företagsdata för generativ AI, där dåligt förstådd eller föråldrad information kan skapa brus, efterlevnadsproblem och säkerhetsrisker. Datadobi möjliggör också för företag att identifiera potentiellt värdefulla dataset, organisera dem för vidare användning och flytta utvald information till datalakes eller lakehouses samtidigt som spårbarhet och styrning bevaras. Plattformen ger dessutom insikt i lagringskostnader och koldioxidpåverkan, vilket hjälper organisationer att fatta mer informerade beslut om vilken data som ska behållas och var den bör lagras.

Du tillbringade åtta år med att leda kvalitetssäkring på EMC innan du medgrundade Datadobi 2010. Vad såg du i storskaliga företagslagrings- och datamiljöer som övertygade dig om att det fanns ett företag att bygga, och hur har den ursprungliga visionen utvecklats när ostrukturerad data har blivit allt viktigare för AI?

På EMC tillbringade jag åratal med att se hur företag investerade kraftigt i lagringsinfrastruktur men hade nästan ingen insyn i vad som faktiskt låg där. Vi var exceptionella på att hjälpa kunder att lagra och skydda data, men ingen ställde den svårare frågan: vad är den här datan, vem äger den, behöver någon den fortfarande, och vad är den värd? Det gapet mellan infrastrukturens kapacitet och förståelsen för data var möjligheten. Vi startade Datadobi för att hjälpa organisationer att flytta och hantera ostrukturerad data på ett intelligent sätt, inte bara flytta den från en array till en annan.

Det som har förändrats är insatserna. För femton år sedan var en ohanterad fildelning ett kostnads‑ och efterlevnadsproblem. Idag är samma ohanterade fildelning en skuld så snart någon riktar en AI‑modell eller -agent mot den. Ostrukturerad data har gått från att vara det som organisationer lagrade till att vara det som avgör om deras AI‑initiativ lyckas eller misslyckas. Vår ursprungliga idé, att lagringsinfrastruktur ensam inte kan berätta vad din data betyder för verksamheten, har inte förändrats. Den har bara blivit akut på ett sätt som den aldrig var tidigare.

Du har hävdat att generativ AI inte skapade företagsdataproblemet, utan snarare blottlade och påskyndade problem som har funnits i årtionden. Vilka är de största svagheterna som AI nu avslöjar i hur organisationer historiskt har hanterat sin data?

Organisationer har i årtionden haft svårt att förstå sin företagsdata. AI skapade inte den kampen, den tog bara bort de platser där den brukade gömma sig. När data låg tyst på en fildelning eller i ett arkiv behövde ingen svara för vad som fanns där. Så snart du riktar en stor språkmodell eller en RAG‑pipeline mot den blir varje svaghet synlig och betydelsefull.

Den största utmaningen är att de flesta organisationer har hanterat lagring, inte data. De vet var deras volymer och behållare finns, men inte vad som finns i dem: vilka filer som är föråldrade, vilka som innehåller känslig eller reglerad information, vilka som dupliceras tiotals gånger i hela miljön, och vem som faktiskt har åtkomst. AI blottlägger också hur fragmenterad ägandet har blivit. Data samlas på lokala system, flera moln och SaaS‑arkiv, och ingen äger hela bilden. Det är inga nya problem. AI har helt enkelt gjort kostnaden för att ignorera dem omedelbar och synlig.

Organisationer fokuserar ofta sina AI‑investeringar på kraftfullare modeller, GPU:er och infrastruktur. Varför kan inte mer beräkningskraft eller lagring lösa ett underliggande data‑beredskapsproblem, och var bör företag investera istället?

Mer beräkningskraft får ett dåligt svar snabbare. Det gör inte svaret korrekt, säkert eller i enlighet med regelverk. GPU:er och lagringsinfrastruktur utför beslut, de fattar dem inte. Om du matar en kraftfull modell med föråldrad, duplicerad, felaktigt behörig eller känslig data får du en kraftfull modell som producerar opålitligt eller riskabelt resultat i stor skala, och dessutom snabbt.

Vi tror att marknaden har nått en viktig brytpunkt: historiskt har organisationer optimerat lagring; i allt högre grad behöver de optimera data. Det innebär att investera i den disciplin som ligger ovanför infrastrukturlagret, förmågan att se över hela sin datamiljö, förstå vad varje datapost faktiskt är och vem som är ansvarig för den, besluta vad som ska behållas, flyttas, arkiveras eller raderas, och sedan verkställa det beslutet konsekvent. Infrastrukturutgifter utan den disciplinen innebär bara att organisationer kan göra fel saker snabbare.

Det är just det problemet som vår plattform för hantering av ostrukturerad data är byggd för att lösa. Den ger organisationer en enhetlig vy över lokala, moln- och SaaS‑lagring, klassificerar data med taggning och metadata‑analys så att team kan se vad som är redundant, föråldrat eller verkligen värdefullt, och verkställer sedan beslut – migrering, arkivering eller radering – via policy‑drivna arbetsflöden som körs kontinuerligt snarare än som ett engångsprojekt. Den kombinationen av insyn, klassificering och konsekvent verkställande förvandlar ”vi har mycket data” till ”vi vet exakt vad vi har och vad vi ska göra med den”.

”AI‑klar data” har blivit ett vanligt branschuttryck. Ur ditt perspektiv, vad gör egentligen ostrukturerad data AI‑klar, och vilka kriterier bör organisationer använda innan de tillåter data i en generativ AI, retrieval‑augmented generation (RAG) eller träningspipeline?

AI‑klar data är data som en organisation redan har validerat, inte bara data den äger. I praktiken betyder det att organisationen kan svara på ett antal frågor med säkerhet innan datan någonsin når en modell eller pipeline: Är denna data korrekt och aktuell, eller har den legat orörd i år? Är den duplicerad någon annanstans på ett sätt som kan snedvrida eller motsäga resultat? Innehåller den känslig, reglerad eller personlig information som inte bör exponeras? Vem har behörighet att komma åt den, och stämmer det fortfarande med vem som bör kunna? Tillför den faktiskt affärsvärde för användningsfallet, eller är den bara brus?

Utan svar på dessa frågor innebär det att föra in data i en generativ AI‑ eller RAG‑pipeline bara att flytta ditt styrningsproblem nedströms, till ett system som är mycket bättre på att avslöja vad det hittar än dina fildelningar någonsin var. AI‑beredskap är en data‑intelligensdisciplin, inte en kryssruta du markerar en gång innan ett projekt startar.

Företag kan ha miljarder filer spridda över lokala system, flera moln, arkiv och affärsenheter. Hur kan de avgöra vilken data som har meningsfullt affärsvärde och vilken som är redundant, föråldrad, trivial eller bara brus som kan försämra AI‑prestanda?

På den skalan kommer ingen att svara på den frågan fil för fil, och manuell granskning är ingen hållbar strategi. Organisationer behöver först insyn på företagsnivå: en enhetlig, korrekt vy över lokala, moln‑ och SaaS‑arkiv, eftersom du inte kan fatta beslut om data du inte kan se. Därefter handlar det om att tillämpa data‑intelligens för att klassificera vad som faktiskt finns i miljön, så att ROT‑data (redundant, föråldrad och trivial) identifieras och separeras från den data som verkligen har affärsvärde.

Det är här disciplinen måste gå längre än enbart insyn. Att se din data är nödvändigt men inte tillräckligt. Organisationer måste gå igenom att förstå vad den datan är och betyder, besluta vad som ska ske med den – behålla, flytta, arkivera, radera eller använda den för att driva AI – och sedan verkställa det beslutet konsekvent över miljarder objekt. Att hoppa direkt från insyn till AI‑intag är exakt hur brus slutar försämra modellprestanda och hur verkligt värdefull data blir begravd i det.

Säkerhet och styrning blir särskilt viktiga när AI‑system kan avslöja information som tidigare var svår för anställda att upptäcka. Hur bör organisationer bedöma behörigheter, känslig information, ägande och regulatorisk risk innan de exponerar företagsdata för AI‑system?

Detta är ett av de områden där AI har förändrat riskkalkylen mest. En fil med överdrivna eller föråldrade behörigheter var tidigare en teoretisk exponering, eftersom någon i praktiken skulle ha behövt veta att den existerade och leta efter den. Ett AI‑system med bred åtkomst kan omedelbart visa samma fil för vem som helst som ställer rätt fråga. Ogenomskinlighet var aldrig en verklig kontroll, men AI har tagit bort det sista skyddet som den av misstag gav.

Innan någon data exponeras för ett AI‑system behöver organisationer en tydlig bild av vem som har åtkomst till den och om den åtkomsten fortfarande är rimlig, vilken känslig eller reglerad information den innehåller, vem som äger den och är ansvarig för den, samt vilka regulatoriska skyldigheter som gäller – såsom dataplats, bevarande och integritetskrav. Den bedömningen kan inte vara en engångsrevision inför en lansering. Företagsdata förändras kontinuerligt, så behörigheter, ägande och risk måste granskas löpande, inte bara i det ögonblick ett AI‑projekt sätts i drift.

Datadobi förespråkar att flytta samtalet från att hantera lagringsinfrastruktur till att hantera data som en affärstillgång. Hur ser den övergången ut i praktiken, och hur förändrar den relationen mellan IT‑team, datateam, säkerhetsledare och affärsenheter?

I praktiken innebär det att samtalet slutar handla om kapacitet, tiering och drifttid, och börjar handla om resultat: kostnadsreduktion, riskreduktion, regulatorisk efterlevnad och möjliggörande av AI. Dessa behandlades tidigare som separata initiativ, var och en med egna verktyg och ägare. Vi anser att den synen blir alltmer föråldrad. Alla beror på att förstå samma underliggande företagsdata, och vad som behövs är en ny data‑fokuserad driftsmodell som kopplar dem, snarare än att behandla varje initiativ som om det beror på ett separat, isolerat system. Vår plattform är hur vi omsätter den driftsmodellen i praktiken.

Det förändrar naturligtvis vilka som sitter i rummet. IT är inte längre ensam ägare av samtalet, eftersom beslut om vilken data som ska behållas, flyttas eller exponeras för AI är affärsbeslut, informerade av data‑intelligens, inte infrastrukturbeslut. Säkerhets‑ och efterlevnadsledare behöver insyn i samma datalandskap som IT hanterar. Affärsenheter behöver en röst i vilken data som faktiskt är viktig för deras resultat. Datastyrning slutar vara en back‑office‑funktion för IT och blir en gemensam driftsdisciplin där IT, säkerhet och verksamheten fattar beslut utifrån samma information.

En utmaning med företags‑AI är att data ständigt förändras. Är AI‑beredskap något organisationer kan uppnå en gång, eller kräver det en pågående process för att upptäcka, klassificera, styra, arkivera och flytta data i takt med att den utvecklas?

Det är en pågående process, punkt slut. Företagsdata förändras kontinuerligt, nya filer skapas, behörigheter skiftar, anställda kommer och går, regelverk utvecklas, så datastyrning måste bli en kontinuerlig operativ förmåga snarare än en sekvens av oberoende projekt. Att betrakta AI‑beredskap som en engångsrengöring inför ett projekt är ungefär som att förklara en byggnad säker efter ett enda låssmedsbesök och sedan aldrig kontrollera dörrarna igen.

Vad organisationer behöver är en driftsdisciplin som kontinuerligt går igenom insyn, förståelse, beslut och verkställande, upptäcker vilken data som finns, klassificerar och förstår den, beslutar vad som ska ske med den och sedan agerar på det beslutet på återkommande basis. De organisationer som överträffar sina konkurrenter blir de som kan röra sig genom den cykeln kontinuerligt och i företagsomfattning, inte de som behandlar AI‑beredskap som ett projekt med ett slutdatum.

Allt eftersom företag i allt större utsträckning implementerar AI‑agenter som kan söka över system och utföra autonoma handlingar, blir hantering av ostrukturerad data ännu viktigare? Vilka nya risker uppstår när en AI‑agent kan komma åt information spridd över en organisation snarare än bara svara på en användarprompt?

Det blir avsevärt viktigare, eftersom en agent förändrar exponeringens natur. En chatbot som svarar på en enda prompt är begränsad till vad en person frågar och ser. En agent som kan söka över system och utföra autonoma handlingar kan traversera mycket mer av miljön än någon enskild anställd normalt skulle, och den kan agera på det den hittar – flytta, dela eller använda data – utan att en människa nödvändigtvis granskar varje steg.

Det introducerar risker som går bortom enkel upptäckt. Om en agent har åtkomst till data den inte bör ha (felaktigt behöriga filer, föråldrade känsliga register, information som skulle ha arkiverats eller raderats för år sedan) kan den agera på den datan med maskinhastighet och i skala, inte bara visa den för en nyfiken användare. De organisationer som lyckas bäst med att implementera agenter är de som behandlat datastyrning som en förutsättning, inte som en eftertanke, eftersom en agent troget utnyttjar de luckor som finns i er data‑intelligens.

För ett företag som har samlat på sig årtionden av ostrukturerad data och vill skala sina AI‑initiativ, vilka praktiska steg skulle du rekommendera att ta först, och vilka misstag bör ledare undvika när de börjar få kontroll över sin datamiljö?

Börja med insyn. Du kan inte fatta bra beslut om data du inte kan se, så det första praktiska steget är att få en exakt, företagsomfattande bild av vilken data som finns i lokala, moln‑ och SaaS‑miljöer. Därefter går du vidare till att förstå och klassificera den datan så att du vet vad som är värdefullt, vad som är känsligt och vad som bara är brus, innan du fattar beslut om bevarande, migrering, arkivering eller radering.

Det finns också en budgetrealitet som ledare inte kan ignorera. De flesta CIO:er får ingen separat, obegränsad AI‑budget, de arbetar med en fast pengamängd där AI nu konkurrerar med allt annat som håller verksamheten igång. Instinkten att finansiera AI genom att minska investeringar i befintlig infrastruktur är fel, eftersom samma infrastruktur, lagring, datapipelines och styrning är exakt vad AI är beroende av för att lyckas. Den mer hållbara vägen är att skapa marginaler inom den befintliga miljön: förbättrad insyn och minskat lagringsspill genom den typ av dataoptimering som StorageMAP är byggd för frigör verklig budget, utan att röra den kapacitet som AI‑initiativ faktiskt kommer att behöva.

Det största misstaget jag ser är att organisationer hoppar direkt till verkställande, pekar AI mot sin datamiljö eller startar ett rensningsprojekt utan att först bygga den grund av insyn och förståelse. Det andra misstaget är att behandla detta som ett engångsinitiativ snarare än en operativ förmåga; data förändras ständigt, så disciplinen måste vara kontinuerlig. Det tredje är att lämna det som en rent teknisk övning. De organisationer som lyckas ser detta som ett affärsbeslut, med IT, säkerhet och affärsintressenter som är eniga om vad datan är värd och vad som ska göras med den, inte bara ett migrations‑ eller lagringsprojekt som enbart överlämnas till IT.

Tack för det fantastiska intervjun, läsare som vill lära sig mer bör besöka Datadobi.