การพัฒนา AI ที่จะเกิดขึ้นต่อไปซ่อนอยู่ในแบ็คอัพของคุณ

ลองนึกถึงความเป็นไปได้ของบริษัทประกันที่สามารถแยกข้อเรียกร้องค่าเสียหายจากไฟในพื้นที่ Pacific Northwest ในช่วงสิบปีที่ผ่านมาได้ภายในไม่กี่นาที หรือหากแผนกขายสามารถรวบรวมข้อเสนอแนะจากผู้ใช้พร้อมกับอารมณ์ที่เฉพาะเจาะจงเพื่อปรับปรุงคุณสมบัติก่อนที่จะสูญเสียลูกค้า ผลลัพธ์ที่ดีสำหรับการมีส่วนร่วมในการใช้ข้อมูลทางประวัติศาสตร์เพื่อเลี้ยง AI นั้นไม่มีที่สิ้นสุด แต่เฉพาะในกรณีที่แบ็คอัพหยุดทำงานเหมือนแบ็คอัพ

มานานหลายปีแล้วที่บริษัทต่างๆ ทั่วทุกอุตสาหกรรม ตั้งแต่ประกันภัยถึงความบันเทิง ได้รักษาข้อมูลเก่าของตนเหมือนกับกรมธรรม์ประกันภัยที่คุณเก็บไว้และหวังว่าจะไม่ต้องใช้ บริษัทเหล่านี้ได้สร้างและนั่งอยู่บนภูเขาของบันทึกข้อมูล ไฟล์ และวิดีโอที่แทบจะไม่เห็นแสงสว่างและให้คุณค่าเพียงเล็กน้อยนอกเหนือจากการใช้เป็นกรมธรรม์ประกันภัยหรือเพื่อความต้องการด้านการปฏิบัติตามกฎระเบียบและกฎข้อบังคับ

มีปัญหาอย่างไรถ้าข้อมูลนี้ยังคงอยู่ที่ด้านหลังของตู้เสื้อผ้าดิจิทัล? ส่วนใหญ่ถูกเก็บไว้เพราะเหตุผลบางอย่าง ใช่ไหม?

ทัศนคติ “ไม่มีปัญหา” นี้มองข้ามความเป็นจริงของยุค AI ซึ่งได้เปลี่ยนแปลงความคาดหวังของลูกค้าสำหรับบริการและประสบการณ์ต่างๆ ในโลกที่ธุรกิจต้องดำเนินการตามข้อมูลในเวลาจริงที่ได้รับการสนับสนุนจาก AI และส่งมอบประสบการณ์ที่มีบริบทและเป็นส่วนตัวที่มีคุณค่า ข้อมูล “ไม่มีการใช้งาน” เหล่านี้กลายเป็นทรัพย์สินเชิงกลยุทธ์ที่มีคุณค่ามากที่สุดในองค์กร

แบ็คอัพยังคงอยู่ในอดีต

ในโลกที่เร่งรีบและเป็นมืออาชีพในปัจจุบัน แบ็คอัพถูกมองว่าเป็นกรมธรรม์ประกันภัยที่คงที่ ซึ่งบริษัทต่างๆ สามารถตั้งค่า ลืมไป และหวังว่าจะไม่ต้องสัมผัส

ความเป็นจริงคือยุ่งยากและแพงกว่านั้น

ความสามารถในการมองเห็นเป็นจุดอ่อนแรก ในระบบแบ็คอัพแบบกระจาย การกระจายทรัพยากร เทคโนโลยีเงา และการกำหนดแท็กที่ไม่ถูกต้อง ทำให้ยากที่จะพิสูจน์ว่าอะไรได้รับการคุ้มครองหรือค้นหาเมื่อไม่ได้รับการคุ้มครอง เครื่องมือแบ็คอัพแบบคลาวด์ยังเพิ่มความท้าทาย เนื่องจากแม้ว่าเครื่องมือเหล่านี้จะง่ายต่อการเปิดใช้งาน แต่ thườngไม่มีความสามารถสำคัญ เช่น การค้นหาที่แท้จริงและการกู้คืนรายการที่เดียว เครื่องมือของบุคคลที่สามพยายามที่จะเติมช่องว่างเหล่านี้ แต่ทำให้เกิดความซับซ้อนของตนเอง โดยต้องใช้ตัวแทนและเครื่องจักรเพิ่มเติมที่ติดตั้งในสภาพแวดล้อมของลูกค้า การกำหนดค่าแบ็คอัพแบบซับซ้อน และรูปแบบการกำหนดราคาที่ซ่อนอยู่ ซึ่งบริษัทต่างๆ จ่ายไม่เพียงแต่สำหรับใบอนุญาตเท่านั้น แต่ยังจ่ายสำหรับหน่วยข้อมูลที่เก็บไว้หรือถูกส่งด้วย

เมื่อต้องการข้อมูล – สำหรับการปฏิบัติตามกฎระเบียบ กฎหมาย หรือความต้องการในการดำเนินงาน – ขั้นตอนการกู้คืนของแบบจำลองดั้งเดิมเหล่านี้ไม่เพียงพอ เครื่องมือส่วนใหญ่ต้องการการกู้คืนแบบสแนปช็อตเต็มรูปแบบ ซึ่งจะทำให้เกิดการกู้คืนแบบเต็มรูปแบบแม้ว่าจะต้องการเพียงชิ้นส่วนเล็กๆ ของข้อมูลเท่านั้น ในอีกคำหนึ่ง ทีมงานถูกบังคับให้กู้คืนฐานข้อมูลทั้งหมดเมื่อต้องการเพียงตารางหรือแม้แต่แถวเดียว ผลลัพธ์คือการทำงานหนักมากในด้านเวลา กำลังประมวลผล และต้นทุน ระบบแบ็คอัพของบริษัทส่วนใหญ่ไม่มีความสามารถในการกู้คืนแบบละเอียดเพื่อทำงานรอบกระบวนการเหล่านี้ที่ซ้ำซ้อนและเปล่าประโยชน์

ความต้องการด้านการปฏิบัติตามกฎระเบียบเปิดเผยจุดอ่อนอีกจุดหนึ่ง ไม่มีทีม nàoที่สามารถพิสูจน์ความสำเร็จของแบ็คอัพในเวลาจริงระหว่างการตรวจสอบหรือแสดงว่านโยบายการเก็บรักษาข้อมูลที่ไวต่อความปลอดภัย การเข้ารหัส และการควบคุมการเข้าถึงถูกใช้อย่างเหมาะสม ในโลกที่มีคลาวด์แบบไดนามิก สิ่งนี้อาจนำไปสู่การเก็บรักษาแบบผ้าห่มและการบวมของการเก็บข้อมูลขนาดใหญ่ในทางที่ดีที่สุด และในทางที่เลวร้ายที่สุด คือช่องว่างที่ข้อมูลที่ไวต่อความปลอดภัยถูกทิ้งไว้โดยไม่ได้รับการตรวจสอบและไม่มีการรักษาความปลอดภัย

องค์กรที่ปฏิบัติต่อแบ็คอัพในลักษณะเดียวกับที่พวกเขาเคยปฏิบัติต่อคลังเก็บข้อมูลแบบพาสซีฟ เช่น LTO หรือ Glacier ต้องเผชิญกับช่องว่างที่เพิ่มขึ้นระหว่างความเร็วของคลาวด์และความพร้อมของแบ็คอัพ โดยไม่มีการค้นหาอัตโนมัติหรือการจำแนกประเภท ข้อมูลสามารถหลุดออกจากช่องว่างได้แม้ในสภาพแวดล้อมที่มีการเปลี่ยนแปลงอย่างรวดเร็ว แบ็คอัพยังคงไม่สมบูรณ์หรือไม่สอดคล้องกัน ในขณะที่ค่าใช้จ่ายยังคงเพิ่มขึ้นเพื่อดับไฟที่ตามมา

จากแบ็คอัพไปยังทะเลสาบข้อมูล: การปลดล็อกขอบเขตใหม่ของ AI

การ “ปรับปรุง” การจัดเก็บข้อมูลเพียงอย่างเดียวจะไม่นำไปสู่ยุคใหม่ของกลยุทธ์ข้อมูล แทนที่จะเปลี่ยนแปลงแบ็คอัพขององค์กรให้กลายเป็นทะเลสาบข้อมูลที่สามารถค้นหาและวิเคราะห์ได้ – ไม่เพียงแต่เพื่อตอบสนองความต้องการด้านการกู้คืนและความต้องการด้านการปฏิบัติตามกฎระเบียบเท่านั้น แต่ยังเพื่อเลี้ยงชุดข้อมูลที่มีคุณภาพสูงซึ่งจำเป็นต่อการเรียนรู้และดำเนินการของโมเดล AI ในระดับใหญ่

ในแบบจำลองทะเลสาบข้อมูล แบ็คอัพไม่ได้ถูกเก็บไว้เป็นภาพถ่ายที่คงที่ แต่กลายเป็นคลังข้อมูลที่มีการปรับปรุงด้วยเมตาดาต้าที่มีบริบท การทำดัชนีสำหรับการค้นหาที่ละเอียด และเชื่อมต่อกับเครื่องมือวิเคราะห์ แทนที่จะเพียงแต่ตอบสนองความต้องการด้านการกู้คืนและความต้องการด้านการปฏิบัติตามกฎระเบียบเท่านั้น แต่ยังช่วยให้ธุรกิจมีส่วนร่วมในการวิเคราะห์ธุรกิจ การสร้างสรรค์ผลิตภัณฑ์ และการมีส่วนร่วมของลูกค้าอย่างแข็งขัน

ตัวช่วยหลักในการเปลี่ยนแปลงนี้ ได้แก่:

• การค้นหาข้อมูลโดยอัตโนมัติพร้อมบริบท: ด้วยการระบุและประมวลผลภาษาธรรมชาติอัตโนมัติ บันทึกทางประวัติศาสตร์ เอกสาร ภาพ และวิดีโอสามารถมีคำอธิบายที่สามารถค้นหาได้
• ความสามารถในการกู้คืนแบบละเอียด: แทนที่จะกักขังชุดข้อมูลทั้งหมด บริษัทต่างๆ สามารถกู้คืนไฟล์ รายการธุรกรรม ตาราง หรือคลิปวิดีโอได้ภายในไม่กี่วินาที โดยไม่ทำให้ชุดข้อมูลที่ใหญ่กว่านั้นหยุดชะงัก
• การผสานเข้ากับเครื่องมือวิเคราะห์: เมื่อแบ็คอัพสามารถค้นหาและสอบถามได้แล้ว สามารถเลี้ยงชุดข้อมูลการฝึกอบรม AI ได้โดยตรง รวมถึงแดชบอร์ดแบบเรียลไทม์และการวิเคราะห์แนวโน้ม

ผลกระทบนี้เปลี่ยนแปลงทุกอย่าง ธนาคารตัวอย่างเช่น สามารถฝึกโมเดลการตรวจจับการฉ้อโกงโดยใช้ข้อมูลธุรกรรมที่ไม่เปลี่ยนแปลงมานานกว่าทศวรรษ โดยสามารถระบุความผิดปกติที่ไม่สามารถมองเห็นได้ในตัวอย่างที่เล็กกว่า ผู้ให้บริการด้านการดูแลสุขภาพสามารถกู้คืนกรณีของผู้ป่วยที่ตรงกับเครื่องหมายพันธุกรรมที่เฉพาะเจาะจงเพื่อสนับสนุนการวิจัย หรือบริษัทด้านความบันเทิงสามารถแสดงข้อมูลอารมณ์ของผู้ชมในอดีตเพื่อชี้นำการผลิตเนื้อหาด้วย

สิ่งที่เคยเป็น “ข้อมูลที่ตายแล้ว” กลายเป็นทรัพย์สินเชิงกลยุทธ์ที่เติบโตอย่างต่อเนื่อง แทนที่จะเป็นศูนย์กำไร แบ็คอัพพัฒนาไปสู่ความได้เปรียบในการแข่งขัน – ส่งเสริมนวัตกรรมทั่วทุกอุตสาหกรรม

การขุด “ข้อมูลที่ตายแล้ว” เพื่อความเป็นไปได้ทางธุรกิจ

幸นั้น สถานะ quo กำลังเปลี่ยนแปลง ระบบจัดเก็บข้อมูลสมัยใหม่สามารถรวมการเก็บข้อมูลตามวัตถุและหัวข้อ การทำดัชนีแบบอัตโนมัติ และการค้นหาข้อมูลโดยอัตโนมัติเพื่อทำให้คลังเก็บข้อมูลสามารถค้นหาและพร้อมสำหรับธุรกิจได้ทันที

ตัวอย่างเช่น Google Cloud ได้ทำงานร่วมกับบริษัทผู้ผลิตและบริษัทยานยนต์รายใหญ่ๆ เช่น Ford และ Kyocera เพื่อเชื่อมต่อทรัพย์สินที่เคยแยกจากกัน ประมวลผลและมาตรฐานข้อมูล และปรับปรุงความสามารถในการมองเห็นจากโรงงานไปยังคลาวด์ สถาบันการเงิน ซึ่งสะสมข้อมูลธุรกรรมและข้อมูลการโต้ตอบกับลูกค้าเป็นปีตะบัน ต้องการเข้าถึงแหล่งข้อมูลนี้เพื่อฝึกโมเดล AI ที่เฉพาะเจาะจงด้านการเงิน ซึ่งเน้นย้ำถึงความสำคัญของข้อมูลทางประวัติศาสตร์ที่ลึกซึ้ง

แม้ในด้านสื่อและความบันเทิง ก็ยังมีกรณีการใช้งานที่น่าประทับใจ ตัวอย่างเช่น Netflix ซึ่งมีการใช้จ่ายกับเนื้อหาทั้งแบบดั้งเดิมและแบบได้รับอนุญาตที่จะถึง 18,000 ล้านดอลลาร์ ในปีนี้ ในอีกคำหนึ่ง Netflix นั่งอยู่บนภูเขาของแบ็คอัพข้อมูล สื่อ เมตาดาต้า ข้อมูลการระบุวิดีโอ และอื่นๆ ที่ต้องผ่านกฎระเบียบด้านการปฏิบัติตามกฎระเบียบในภูมิภาคที่แตกต่างกัน มาตรฐานการเข้าถึงที่หลากหลาย และผู้ให้บริการคลาวด์ที่แตกต่างกัน การค้นหาเนื้อหาดังกล่าวในภาพถ่ายการกู้คืนแบ็คอัพเพียงครั้งเดียวเป็นสิ่งที่ไม่สามารถทำได้ ลองนึกถึงว่ามันจะง่ายแค่ไหนที่จะค้นหาในข้อมูลด้วยความสามารถในการกู้คืนแบบละเอียดและค้นหาที่รวดเร็ว

นั่นคือสิ่งที่การเปลี่ยนแปลงไปยังทะเลสาบข้อมูลทำให้เกิดขึ้น

หลักฐานอยู่ในผลลัพธ์: ด้วยเครื่องมือที่ถูกต้องและทัศนคติเชิงกลยุทธ์ที่ถูกต้อง การจัดเก็บแบ็คอัพกลายเป็นเครื่องยนต์สร้างสรรค์ที่เพิ่มมูลค่า ไม่ใช่แค่กรมธรรม์ประกันภัย

การแบ็คอัพที่ดีขึ้นหมายถึงผลลัพธ์ทางธุรกิจที่ดีขึ้น

องค์กรในปัจจุบันถูกกำหนดโดยข้อมูลและความเร็ว ระบบแบ็คอัพแบบเก่ากำลังถือครองทีมในสองด้าน

แบ็คอัพไม่ควรได้รับการปฏิบัติเหมือนห้องเก็บของหรือกลไกการอยู่รอดที่เลวร้ายที่สุด แทนที่จะเป็นเครื่องยนต์สำหรับการเติบโต ความสร้างสรรค์ และความได้เปรียบในการแข่งขัน และโซลูชันเทคโนโลยีใหม่ๆ กำลังจะช่วยให้การเปลี่ยนแปลงนี้เกิดขึ้น บริษัทที่ปรับปรุงโครงสร้างแบ็คอัพของตนในปัจจุบันจะเป็นบริษัทที่ขับเคลื่อนการเปิดตัวในอนาคตในด้านการเงิน การดูแลสุขภาพ สื่อ และอื่นๆ