AI กำลังให้เหตุผลแก่ธุรกิจในการแก้ไขหนี้เทคนิคที่สะสมมานานหลายปี

ทุกองค์กรต้องการพูดถึง AI. เราควรลงทุนเท่าไหร่? เราควรรันมันที่ไหน? เราจะสร้างแอปพลิเคชันใหม่อะไรได้บ้าง? เราจะนำไปสู่การผลิตได้เร็วแค่ไหน?

แต่มีสิ่งอื่นกำลังเกิดขึ้นเบื้องหลังความตื่นเต้นทั้งหมดนี้. เมื่อองค์กรทุ่มเงินเข้าไปใน AI หลายองค์กรเริ่มมองอย่างจริงจังไปที่โครงสร้างพื้นฐานที่ทำงานอย่างเงียบ ๆ ให้ธุรกิจดำเนินไปมาหลายปี. และสิ่งที่พวกเขาพบไม่ใช่เรื่องสวยงามเสมอ:

• ระบบปฏิบัติการรุ่นเก่า
• ฐานข้อมูลที่เก่า
• แอปพลิเคชันที่ได้รับการอัปเดตอย่างไม่สมดุลกับโครงสร้างพื้นฐาน  

องค์กรกำลังสังเกตสภาพแวดล้อมที่สร้างขึ้นจากการตัดสินใจเมื่อหลายปีก่อน. นั่นคือ หนี้เทคนิค ที่ทุกคนรู้ว่ามีอยู่, แต่ไม่มีใครมีเหตุผลหรืองบประมาณเพียงพอที่จะจัดการกับมัน.

อย่างขัดแย้ง, AI อาจในที่สุดเปลี่ยนแปลงสิ่งนั้น.

AI กำลังเปิดกระเป๋าเงินโครงสร้างพื้นฐาน

หนึ่งในอุปสรรคที่ใหญ่ที่สุดต่อการปรับปรุงโครงสร้างพื้นฐานมานานหลายปีคือเรื่องที่ค่อนข้างง่าย: ถ้ามันไม่เสีย, ทำไมต้องใช้เงินหลายล้านดอลลาร์ในการเปลี่ยนแปลงมัน?

นั่นเป็นข้อโต้แย้งที่ทีมโครงสร้างพื้นฐานยากจะเอาชนะ. ระบบอายุสิบปีอาจล้าสมัย, มีค่าใช้จ่ายสูง, และไม่มีความยืดหยุ่น, แต่หากแอปพลิเคชันทำงานและลูกค้าไม่ได้ร้องเรียน, การแทนที่หรือปรับปรุงมันอาจเป็นการขายที่ยากต่อ CFO.

AI ได้เขียนทบทวนการสนทนานั้นใหม่.

เพื่อสนับสนุนกลยุทธ์ AI ของพวกเขา, องค์กรกำลังทำ การลงทุนใหม่ที่สำคัญในโครงสร้างพื้นฐาน. การใช้จ่ายนั้นสามารถสร้างโอกาสในการแก้ไขปัญหาโครงสร้างพื้นฐานอื่น ๆ พร้อมกัน. โครงการที่เคยขาดแคลนเงินทุนสามารถกลายเป็นส่วนหนึ่งของการสนทนาที่ใหญ่กว่ามากเกี่ยวกับว่าตะกั่วเทคโนโลยีขององค์กรควรเป็นอย่างไรในทศวรรษต่อไป.

ยุค AI กำลังชนกับยุคระบบเก่า

หลายธุรกิจยังคงพึ่งพาอย่างมากกับโครงสร้างพื้นฐานที่ใช้ Windows-และเวอร์ชันเก่าของ SQL Server, ในขณะที่อุตสาหกรรมเทคโนโลยีได้ใช้เวลาหลายปีพูดถึงสถาปัตยกรรม คลาวด์เนทีฟ และ คอนเทนเนอร์.

การพัฒนาแอปพลิเคชันได้ก้าวหน้าในเวลาเดียวกัน. ทีมพัฒนาได้ยอมรับ Linux, คอนเทนเนอร์, และแพลตฟอร์มคลาวด์ในขณะที่ฐานข้อมูลและโครงสร้างพื้นฐานสำคัญอื่น ๆ มักยังคงอยู่เช่นเดิม. สิ่งนี้ทำให้เกิดความแยกที่ยิ่งแย่ขึ้นภายในองค์กร: แอปพลิเคชันสมัยใหม่อยู่ด้านหนึ่งและโครงสร้างพื้นฐานเก่าอยู่ด้านอื่น. AI ไม่ได้เป็นสาเหตุของปัญหานั้น. แต่ความเร่งรีบในการสร้างองค์กรที่พร้อม AI ทำให้ยากต่อการละเลยมากขึ้น.

ดังนั้นองค์กรควรหลีกเลี่ยงการมองโครงสร้างพื้นฐาน AI เป็นการซื้อเทคโนโลยีแยกส่วน. มันอาจเป็นโอกาสในการตั้งคำถามที่ใหญ่กว่า: หากเรากำลังออกแบบโครงสร้างพื้นฐานบางส่วนสำหรับ AI, เราควรแก้ไขอะไรเพิ่มเติมขณะอยู่ที่นี่?

การปรับปรุงไม่จำเป็นต้องเป็นการระเบิดครั้งใหญ่

หนึ่งในสาเหตุที่หนี้เทคนิคยังคงอยู่คือความเชื่อว่าการปรับปรุงต้องการการย้ายข้อมูลขนาดใหญ่. ไม่เป็นเช่นนั้น.

เมื่อคุณย้ายจาก Windows ไปยัง Linux, ตัวอย่างเช่น, ไม่จำเป็นต้องเปลี่ยนแปลงทุกแอปพลิเคชัน, ฐานข้อมูล, และกระบวนการปฏิบัติการพร้อมกัน. และการนำ Kubernetes มาใช้ไม่ได้หมายความว่าองค์กรต้องละทิ้งทุกอย่างที่มีมาก่อนทันที. เพื่อทำอย่างเป็นจริงที่สุด, การปรับปรุงควรทำเป็นขั้นตอน.

องค์กรสามารถรักษางานที่ใช้ Windows อยู่ในขณะเดียวกันกับการแนะนำ Linux หรือ Kubernetes ควบคู่กันได้. พวกเขาสามารถปรับปรุงส่วนประกอบแต่ละส่วนเมื่อกรณีธุรกิจสมเหตุสมผล, และค่อย ๆ ย้ายงานแทนที่จะเสี่ยงทั้งหมดในโครงการการเปลี่ยนแปลงขนาดใหญ่หนึ่งครั้ง.

เรื่องนี้สำคัญเป็นพิเศษสำหรับฐานข้อมูล. สภาพแวดล้อม SQL Server ที่สำคัญอาจทำงานได้อย่างประสบความสำเร็จมาหลายปี. ความจริงที่ว่าพวกมันเก่าไม่ได้หมายความว่าองค์กรควรแทนที่อย่างไม่มีเหตุผล.

เป้าหมายควรเป็นการสร้างเส้นทางต่อไป.

อย่าปรับปรุงเพียงเพราะ AI เป็นที่นิยม

ที่นี่มีความแตกต่างที่สำคัญ.

การใช้จ่ายใน AI อาจสร้างโอกาสในการปรับปรุงโครงสร้างพื้นฐาน, แต่องค์กรไม่ควรย้ายงานเพียงเพราะเชื่อว่าทุกอย่างต้องกลายเป็น “พร้อม AI” อย่างกะทันหัน. กรณีธุรกิจสำหรับการปรับปรุงโครงสร้างพื้นฐานควรยืนหยัดด้วยตัวเอง.

เราสามารถลดต้นทุนได้หรือไม่?

เราสามารถปรับปรุงความพร้อมใช้งานได้หรือไม่?

เราสามารถลดการพึ่งพาแพลตฟอร์มใดแพลตฟอร์มหนึ่งได้หรือไม่?

เราสามารถทำให้งานมีความพกพาได้มากขึ้นหรือไม่?

เราสามารถให้ธุรกิจมีความยืดหยุ่นมากขึ้นเกี่ยวกับที่ที่แอปพลิเคชันและข้อมูลทำงานได้หรือไม่?

สิ่งเหล่านั้นเป็นผลลัพธ์ที่มีคุณค่าไม่ว่าอะไรจะเกิดขึ้นกับแผนงาน AI ขององค์กร

ในความเป็นจริง หนึ่งในข้อผิดพลาดที่องค์กรอาจทำได้คือการปล่อยให้ AI กลายเป็นเหตุผลอธิบายสำหรับการตัดสินใจเทคโนโลยีทุกอย่าง มีความต้องการที่แตกต่างกันระหว่างงานโหลด AI กับงานโหลดการทำธุรกรรมแบบดั้งเดิม เพียงเพราะองค์กรลงทุนอย่างหนักใน AI ก็ไม่ได้หมายความว่าทุกงานโหลดระบบเดิมจะต้องย้ายไปยัง Kubernetes ทันที

การปรับปรุงควรแก้ไขปัญหาโครงสร้างพื้นฐานที่แท้จริง

AI ยังเปลี่ยนแปลงเศรษฐศาสตร์ของโครงสร้างพื้นฐาน

มีเหตุผลอีกประการที่ความยืดหยุ่นสำคัญยิ่งขึ้นในยุค AI คือเศรษฐศาสตร์ของโครงสร้างพื้นฐานกำลังกลายเป็นแบบไดนามิกมากขึ้น องค์กรมีตัวเลือกมากกว่าที่เคยเกี่ยวกับสถานที่ที่งานโหลดทำงาน…บนเครื่องของตนเอง ในคลาวด์ส่วนตัว ในคลาวด์สาธารณะ และข้ามผู้ให้บริการคลาวด์หลายราย สภาพแวดล้อมที่ดีที่สุดสำหรับงานโหลดหนึ่งอาจไม่เหมาะกับอีกงานโหลดหนึ่งเลย ซึ่งทำให้ความสามารถในการพกพาโครงสร้างพื้นฐานมีคุณค่ามากขึ้น

องค์กรไม่ควรต้องตัดสินใจโครงสร้างพื้นฐานในอนาคตทั้งหมดโดยอิงจากการเลือกที่ทำหลายปีที่ผ่านมา พวกเขาควรสามารถประเมินว่าตำแหน่งใดของงานโหลดที่ให้ประโยชน์เชิงปฏิบัติและเศรษฐกิจมากที่สุดและทำการเปลี่ยนแปลงได้โดยไม่ต้องออกแบบสภาพแวดล้อมแอปพลิเคชันทั้งหมดใหม่ สิ่งนี้ยิ่งสำคัญยิ่งขึ้นเมื่อ AI ทำให้การใช้จ่ายโครงสร้างพื้นฐานเพิ่มขึ้น เมื่องบประมาณเทคโนโลยีขยายใหญ่ ความแตกต่างเล็กน้อยในค่าใช้จ่ายคอมพิวต์ ใบอนุญาตและคลาวด์ก็อาจกลายเป็นตัวเลขที่ใหญ่มาก

ความสามารถในการเลือกกลายเป็นข้อได้เปรียบทางเศรษฐกิจ

โอกาสด้านโครงสร้างพื้นฐาน AI ที่แท้จริงอาจใหญ่กว่า AI

มีแนวโน้มที่จะมองการบูมของโครงสร้างพื้นฐาน AI เป็นหลักในแง่ของ GPU, ตัวเร่งประมวลผลและศูนย์ข้อมูลขนาดใหญ่ การลงทุนเหล่านี้แน่นอนว่ามีความสำคัญ สิ่งที่เกิดขึ้นกับส่วนที่เหลือของโครงสร้างพื้นฐานองค์กรอาจเป็นผลกระทบที่ยั่งยืนกว่า

AI กำลังบังคับให้องค์กรต้องพิจารณาว่าแอปพลิเคชันของพวกเขาทำงานที่ไหน ข้อมูลอยู่ที่ไหน โครงสร้างพื้นฐานถูกจัดการอย่างไร และองค์กรยินดีจะคงเทคโนโลยีเดิมไว้เท่าใด

สิ่งนั้นสร้างโอกาสที่หายาก

แทนที่จะเพียงแค่วางเทคโนโลยีใหม่บนการตัดสินใจโครงสร้างพื้นฐานเก่าหลายทศวรรษ องค์กรสามารถใช้รอบการลงทุนนี้เพื่อลดหนี้เทคนิคและสร้างฐานที่ยืดหยุ่นมากขึ้นสำหรับสิ่งที่ตามมาถัดไป

เพราะคำถามที่สำคัญที่สุดอาจไม่ใช่ว่าโครงสร้างพื้นฐานในวันนี้สามารถรัน AI ได้หรือไม่

อาจเป็นว่าการลงทุน AI ในวันนี้จะสามารถให้เหตุผลแก่องค์กรในการสร้างโครงสร้างพื้นฐานที่ควรสร้างมาตลอดหรือไม่