Чи готова ваша інфраструктура до штучного інтелекту?

На сьогодні, кожна організація має стратегію штучного інтелекту. Але значно менше організацій мають інфраструктуру, яка能够 підтримувати її.

За останні рік, я розмовляв з десятками керівників ІТ, які перебувають під великим тиском щодо надання можливостей, пов’язаних зі штучним інтелектом. Їм потрібно мати швидші інструменти для підвищення продуктивності, інтелектуальну автоматизацію та розумніше управління кінцевими точками. І цей тиск поширюється не тільки на працівників: організації тепер запитують про надання та управління агентами штучного інтелекту, яким потрібні власні обчислювальні ресурси, власні середовища робочого столу та власна модель управління. Після років роботи над створенням Windows 365 та Azure Virtual Desktop в Microsoft, у мене сформувався чіткий погляд на те, що відрізняє організації, які успішно розгортають штучний інтелект, від тих, які застряють. Це майже завжди залежить від трьох речей: використання хмарних можливостей, якості даних та дисципліни витрат.

Чи використовуєте ви те, що вже маєте?

Перше питання, яке я ставлю будь-якому керівнику ІТ: як добре ви використовуєте хмарні можливості, за які ви вже платите?

Більшість організацій, якщо вони чесні, значно недооцінюють свої хмарні середовища. Вони перенесли свої робочі навантаження, але підхід “підняти і перемістити” означає, що вони працюють у сучасному середовищі з застарілими моделями та пропускають оптимізаційні можливості, побудовані в платформі їхнього хмарного постачальника.

Це має величезне значення для штучного інтелекту. Ці робочі навантаження ресурсоємні та динамічні. Вони зростають, масштабуються та потребують еластичності. Середовище, яке не було оптимізовано для хмарних операцій, буде нестабільним під такою навантаженням або коштуватиме вам набагато більше, ніж необхідно, коли цього не відбувається.

Перед інвестиціями в нові можливості штучного інтелекту, зверніть увагу на ваше поточне середовище та поставте собі ці питання:

• Чи ваші віртуальні машини мають правильний розмір, чи ви використовуєте інстанси, які більші, ніж потрібно?
• Чи налаштовані політики авто-масштабування відповідно до ваших моделей робочих навантажень, чи вони встановлені та забуті?
• Чи використовуєте ви зарезервовані інстанси та плани економії, чи ви використовуєте оплату за запит?

Постачальники хмарних послуг інвестували в інструменти оптимізації. Використовуйте їх. І якщо ваш шар управління не надає цих знань, це розрив, який варто закрити, перш ніж продовжувати.

Дані – це основа, і дані більшості організацій пошкоджені

Другим, і, чесно кажучи, більш критичним, фактором готовності є дані. Не стратегія даних у абстрактному сенсі. Реальний стан ваших даних сьогодні.

Системи штучного інтелекту працюють тільки так добре, як дані, на яких вони тренуються або проти яких працюють. Це не нова ідея, але практичні наслідки все ще недооцінюються в більшості організацій ІТ. Коли я говорю про готовність даних для штучного інтелекту, я маю на увазі три конкретні виміри: чистота, повнота та своєчасність.

Чистота означає, що ваші дані не містять дублікатів, несумісностей чи помилок, які можуть зіпсувати результати. Для управління кінцевими точками це може означати записи користувачів зі застарілими атрибутами, профіль пристроїв, який не був оновлений місяцями, або призначення політики, які не відображають поточну структуру організації.

Повнота означає, що у вас є весь спектр сигналів, яких потребує штучний інтелект, щоб робити значущі висновки. Рекомендаційна система для доставки програм не є корисною, якщо більшість вашої телеметрії пристроїв відсутня. Система виявлення аномалій не може встановити базовий рівень, якщо ваш журнал має пробіли. Перед розгортанням можливостей штучного інтелекту, розіб’jte, які дані у вас є, порівняно з тим, що потрібно певній функції.

Своєчасність – це вимір, який організації недооцінюють найбільше. Це питання реального часу або майже реального часу. Старі дані дають застарілі знання, а застарілі знання можуть бути гіршими, ніж відсутність знань зовсім. Якщо ваші потоки даних агрегуються вночі того, що повинно текти безперервно, це структурна проблема, яку штучний інтелект не вирішить.

Гігієна даних, модернізація конвеєрів та інструментування телеметрії не роблять цікавих презентацій для ради директорів. Але це різниця між можливостями штучного інтелекту, які працюють, та тими, які будуть покинуті через три місяці після запуску.

Контроль витрат не є післяthought

Третім виміром готовності штучного інтелекту є фінансовий, і він заслуговує на більше уваги, ніж отримує на етапі планування.

Робочі навантаження штучного інтелекту дорого коштують, вони важко передбачити, і вони часто зростають швидше, ніж бюджети можуть слідувати. Я бачив організації, які отримали значну вигоду від ранніх пілотних проектів штучного інтелекту, а потім спостерігав, як витрати починають зростати, коли ці пілотні проекти переходять у виробництво, тому що ніхто не розробив модель управління витратами, щоб супроводжувати їх.

Це особливо вірно у віртуальних середовищах робочого столу та управління кінцевими точками, де можливості штучного інтелекту, такі як інтелект сеансу, передбачувальне масштабування та автоматичне виправлення, можуть генерувати суттєвий обчислювальний попит на тисячу сеансів одночасно.

Організації, які керують цим добре, мають кілька спільних ознак:

Вони ставлять ефективність інфраструктури як передумову, а не оптимізацію, яку потрібно зробити пізніше. Вони вже зробили роботу з правільного розміру, ліквідації відходів та встановлення базових рівнів витрат до появи робочих навантажень штучного інтелекту.

Вони будують видимість витрат у свої операції. Вони знають свої витрати на користувача, сеанс та робоче навантаження, що означає, що вони можуть виявити, коли можливості штучного інтелекту спричиняють несподівані витрати досить рано, щоб скоригувати курс.

І, що важливо, вони обрали шар управління, який надає сигнали витрат активно, тому вони не дізнаються про перевитрати у місячному рахунку за хмару, а через панелі у реальному часі, які дозволяють приймати швидші рішення.

Пропуск між амбіціями та виконанням можна закрити, але для цього потрібна чесність

Організації, щодо яких я найбільш оптимістично налаштований, це ті, які готові чесно поглянути на свій стан.

Пропуск між амбіціями штучного інтелекту та виконанням реального є справжнім, але він не постійний. І наступний рубіж вже видно: коли агентний штучний інтелект переходить від пілотного проекту до виробництва, питання про готовність інфраструктури розширюється за межі користувачів людини, щоб включити самих агентів.

Це означає аудит використання хмарних можливостей до їх розширення та інвестицій у якість даних до накладання штучного інтелекту на них. Це також означає ставлення до управління витратами як архітектурної проблеми, а не проблеми фінансової команди.

Пропуск між амбіціями штучного інтелекту та виконанням реального є справжнім, але він не постійний. Це проблема інженерії та операцій, і це саме ті проблеми, які наше ІТ-спільнота успішно вирішує.