Altyapınız Gerçekten Yapay Zeka İçin Hazır mı?

Şimdi herkesin bir yapay zeka stratejisi var. Ancak çok daha az organizasyon gerçekten destekleyebilecek altyapıya sahip.

Geçtiğimiz yıl, AI güçlendirilmiş deneyimler sunmak için gerçek baskı altında olan düzinelerce BT lideri ile konuştum. Daha hızlı üretkenlik araçları, akıllı otomasyon ve daha akıllı uç nokta yönetimi bekliyorlar. Ve bu baskı insan işçilerle sınırlı değil: organizasyonlar artık kendi hesaplama, masaüstü ortamları ve yönetim modelleri olan AI ajanlarını sağlama ve yönetme konusunda talep edilmektedir.

Microsoft’ta Windows 365 ve Azure Sanal Masaüstü’nü inşa etmeye yardımcı olmak için yıllarını harcayan biri olarak, başarılı bir şekilde AI’yi dağıtan organizasyonları, duraklayanlardan ayıran şeyi net bir şekilde gördüm. Bu genellikle üç şeye iner: bulut kullanımı, veri kalitesi ve maliyet disiplini.

Kullanmakta Olduğunuz Şeyleri Kullanıyor musunuz?

Herhangi bir BT liderine sorduğum ilk soru: zaten ödediğiniz bulut olanaklarını ne kadar iyi kullanıyorsunuz?

Çoğu organizasyon, eğer dürüst olurlarsa, bulut ortamlarını önemli ölçüde underutilizing ediyor. İş yüklerini göç ettirdiler, ancak kaldırma ve taşıma mantalitesi, modern bir ortamda eski desenleri çalıştırdıkları ve bulut sağlayıcılarının platformuna entegre edilen optimizasyon özelliklerini kaçırdıkları anlamına geliyor.

Bu, AI için çok önemlidir. Bu iş yükleri kaynak yoğundur ve dinamiktir. Pik yapar, ölçeklenir ve esneklik gerektirir. Bulut yerel işlem için optimize edilmemiş bir ortam, bu tür bir talebi karşılayacak veya gerekli olmadıkça daha fazla maliyet çıkaracaktır.

Yeni AI yeteneklerine yatırım yapmadan önce, mevcut ortamınıza bir göz atın ve kendinize bu soruları sorun:

• Sanal makineleriniz doğru boyuta göre ayarlandı mı, yoksa aşırı büyütülmüş örnekler çalıştırıyor musunuz?
• Otomatik ölçeklendirme ilkeleri gerçekten iş yükü modellerinize ayarlandı mı, yoksa ayarlandıktan sonra unutuldu mu?
• Ayrılmış örnekleri ve tasarruf planlarını kullanıyor musunuz, yoksa her şeyi talep üzerine fiyatlandırıyor musunuz?

Bulut sağlayıcıları, optimize etme aracı yatırımı yaptı. Bunu kullanın. Ve eğer yönetim katmanınız bu içgörülerin yüzeyini vermiyorsa, bu, daha ileri gitmeden önce kapatmanız gereken bir boşluk.

Veri Temeldir ve Çoğu Organizasyonun Verisi Bozuktur

İkinci ve açıkçası daha kritik hazırlık faktörü veridir. Soyut olarak veri stratejisi değil. Verinin gerçek durumu bugün.

AI sistemleri, eğitim aldıkları veya karşılaştıkları verilerin kalitesiyle sınırlıdır. Bu, yeni bir fikir değil, ancak pratik sonuçlar hala çoğu BT organizasyonunda underappreciated. AI için veri hazırlığından bahsettiğimde, üç özel boyutu kastediyorum: temizlik, tamamlık ve zamanında olma.

Temizlik, verilerinizi yinelenen, tutarsızlıklar veya hataların olmadığı anlamına gelir. Uç nokta yönetimi için bu, eski özniteliklere sahip kullanıcı kayıtları, aylarca güncellenmemiş cihaz profilleri veya güncel org yapısını yansıtmayan ilke atamaları anlamına gelebilir.

Tamamlık, AI’nin anlamlı çıkarımlar yapması için gereken sinyal genişliğine sahip olduğunuz anlamına gelir. Uygulama teslimatı için bir öneri motoru, çoğu cihaz telemetrisi eksikse faydasızdır. Bir anomali algılama sistemi, günlüklerde boşluklar varsa bir temel oluşturamaz. AI güçlendirilmiş özellikler dağıtmadan önce, hangi verilere sahip olduğunuzu ve hangi yeteneklerin gerektiğini haritalayın.

Zamanında olma, en çok organizasyonların underappreciated olduğu boyuttur. Gerçek zamanlı veya neredeyse gerçek zamanlı istihbarattan bahsediyorum. Eski veriler, eski içgörüler üretir ve eski içgörüler, hiç içgörü olmamasından daha kötü olabilir. Veri borularınız, AI’yi katmanlaştırmanızdan önce gecikmeli olarak akan şeylerse, bu, AI’nin çözmediği bir yapısal sorundur.

Veri hijyeni, boru hattı modernizasyonu ve telemetri enstrümantasyonu heyecan verici sunumlar yapmaz. Ancak bunlar, çalışan AI özelliklerinin ve terk edilen AI özelliklerinin arasındaki farktır.

Maliyet Kontrolü Son Düşünülmez

AI hazırlığının üçüncü boyutu mali ve planlama aşamasında daha fazla dikkat hak ediyor.

AI iş yükleri pahalıdır, öngörülemezler ve genellikle bütçelerin takip edebileceğinden daha hızlı ölçeklenirler. AI pilotlarından anlamlı değer alan, ancak pilotlar üretime geçtiğinde maliyetlerin spiral şeklinde arttığı organizasyonları gördüm, çünkü kimse bunlarla birlikte bir maliyet yönetim modeli tasarlamamıştı.

Bu, özellikle sanal masaüstü ve uç nokta ortamlarında doğrudur, burada AI özellikleri gibi oturum zekası, öngörülü ölçekleme ve otomatik düzeltme, binlerce oturum boyunca önemli bir hesaplama talebi oluşturabilir.

Bu durumu iyi yöneten organizasyonlar beberapa ortak özelliklere sahiptir:

Altyapı verimliliğini bir ön koşul olarak ele alırlar, değil de sonra optimize edecek bir şey olarak. AI iş yükleri gelmeden önce zaten doğru boyuta getirme, israfı ortadan kaldırma ve maliyet bazlarını oluşturma işini yapmışlardır.

Maliyet görünürlüğünü operasyonlara entegre ederler. Kullanıcı başına, oturum başına ve iş yükü başına maliyetlerini bilirler, bu da AI özelliklerinin beklenmedik harcamalara neden olduğunu erken tespit etmelerine ve rotayı düzeltmelerine olanak tanır.

Ve ayrıca, maliyet sinyallerini proaktif olarak yüzeyleyen bir yönetim katmanını seçtiler, böylece aylık bulut faturasında değil, daha hızlı kararlar alabilmelerini sağlayan gerçek zamanlı panellerde maliyet aşımını keşfederler.

Uçurum Kapatılabilir, Ancak İlk Önce Samimiyet Gerekir

En iyimser olduğum organizasyonlar, nerede olduklarına dürüstçe bakmaya istekli olanlar.

AI hırsı ile yürütme arasındaki uçurum gerçek, ancak kalıcı değil. Ve önümüzdeki sınır already visible: AI ajanlarını da içerecek şekilde altyapı hazırlığının insan kullanıcılarından öteye geçtiği bir yer.

Bu, bulut kullanımını genişletmeden önce bulut kullanımını denetlemek ve AI’yi katmanlamadan önce veri kalitesine yatırım yapmak anlamına gelir. Ayrıca, maliyet yönetimini bir mimari endişe olarak, mali takım sorunu olarak değil, ele almak anlamına gelir.

AI hırsı ile yürütme arasındaki uçurum gerçek, ancak kalıcı değil. Bu, bir mühendislik ve operasyonel sorundur ve bunlar, BT topluluğumuzun çözme konusunda uzmanlaştığı tam sorunlardır.