Іан Лейзен, CEO і співзасновник Datadobi — серія інтерв’ю

Ian Leysen, CEO і співзасновник Datadobi, є технологічним керівником з більш ніж трьома десятиліттями досвіду у розробці програмного забезпечення, забезпеченні якості та управлінні корпоративними даними. Він співзаснував Datadobi у 2009 році після восьми років роботи в EMC на посаді старшого менеджера з контролю якості, після керівних ролей у Mediagenix і Wave Research. Протягом кар’єри Лейзен активно будував високоякісні організації з розробки ПЗ, створивши з нуля три команди контролю якості. У Datadobi він очолює компанію, яка допомагає великим підприємствам керувати, регулювати, мігрувати та захищати неструктуровані дані в локальних, хмарних та гібридних середовищах. Компанія вийшла за межі своїх коренів у масштабній міграції даних, пропонуючи StorageMAP — нейтральну до постачальника платформу, створену для надання організаціям більшої видимості та контролю над складними фондами неструктурованих даних, включаючи підготовку корпоративних даних для ініціатив ШІ.

Datadobi допомагає підприємствам отримати більшу видимість і контроль над швидко зростаючими обсягами неструктурованих даних. Її програмне забезпечення може сканувати мільярди файлів, виявляючи застарілі дані, дублікати, прогалини у власності та потенційні ризики, одночасно застосовуючи метадані та теги класифікації, які підтримують управління та автоматизовані політики архівації, видалення та збереження. Це стало ще важливішим, коли організації готують корпоративні дані для генеративного ШІ, де погано зрозуміла або застаріла інформація може створювати шум, проблеми з дотриманням вимог і ризики безпеки. Datadobi також дає змогу компаніям ідентифікувати потенційно цінні набори даних, організовувати їх для подальшого використання та переміщувати вибрану інформацію в озера даних або lakehouse, зберігаючи простежуваність і управління. Платформа також надає уявлення про витрати на зберігання та вуглецевий вплив, допомагаючи організаціям приймати більш обґрунтовані рішення щодо того, які дані зберігати і де їх розміщувати.

Ви провели вісім років, керуючи контролем якості в EMC, перед тим як у 2010 році співзаснувати Datadobi. Що ви помітили у масштабних корпоративних сховищах і середовищах даних, що переконало вас у необхідності створити компанію, і як ця початкова концепція еволюціонувала, коли неструктуровані дані стали дедалі важливішими для ШІ?

У EMC я роками спостерігав, як підприємства інвестували значні кошти в інфраструктуру зберігання, не маючи майже жодної видимості того, що насправді зберігається. Ми були відмінними у допомозі клієнтам зберігати та захищати дані, проте ніхто не ставив складніше питання: що це за дані, хто їх власник, чи хтось їх ще потребує і яку вони мають вартість? Ця розрив між можливостями інфраструктури та розумінням даних був можливістю. Ми створили Datadobi, щоб допомагати організаціям інтелектуально переміщувати та керувати неструктурованими даними, а не просто переносити їх з одного масиву в інший.

Що змінилося, так це важливість питання. П’ятнадцять років тому некерований файловий ресурс був проблемою витрат і відповідності. Сьогодні той самий некерований ресурс стає зобов’язанням в той момент, коли хтось спрямовує на нього модель ШІ або агента. Неструктуровані дані перейшли від того, що просто зберігається, до того, що визначає успішність чи провал ініціатив ШІ. Наша початкова ідея, що інфраструктура зберігання сама по собі не може сказати, що ваші дані означають для бізнесу, залишилася незмінною. Вона лише стала терміновою у спосіб, який раніше не був.

Ви стверджували, що генеративний ШІ не створив проблему корпоративних даних, а лише виявив і прискорив проблеми, які існують десятиліттями. Які найбільші слабкості зараз розкриває ШІ у тому, як організації історично керували своїми даними?

Організації протягом десятиліть борються з розумінням своїх корпоративних даних. ШІ не створив цю боротьбу, він лише усунув місця, де вона ховалася. Коли дані спокійно лежали на файловому ресурсі або в архіві, ніхто не був зобов’язаний відповідати за їхній вміст. У той момент, коли ви спрямовуєте велику мовну модель або конвеєр RAG на них, кожна слабкість стає видимою і має наслідки.

Найбільша проблема полягає в тому, що більшість організацій керують сховищем, а не даними. Вони знають, де їхні томи та бакети, але не знають, що всередині: які файли застарілі, які містять конфіденційну або регульовану інформацію, які дублюються десятками разів у всій інфраструктурі, і хто фактично має до них доступ. ШІ також виявляє, наскільки роздрібнене стало володіння. Дані накопичуються в локальних системах, кількох хмарах та SaaS-репозиторіях, і ніхто не володіє повною картиною. Це не нові проблеми. ШІ просто зробив вартість їх ігнорування миттєвою та видимою.

Організації часто зосереджують інвестиції в ШІ на потужніших моделях, GPU та інфраструктурі. Чому більше обчислювальних ресурсів або сховища не вирішує базову проблему готовності даних, і куди підприємства мають інвестувати замість цього?

Більше обчислень лише прискорює отримання поганої відповіді. Це не робить відповідь точною, безпечною чи відповідною вимогам. GPU та інфраструктура сховища виконують рішення, які вони не приймають. Якщо ви подаєте потужній моделі застарілі, продубльовані, неправильно дозволені або конфіденційні дані, ви отримуєте потужну модель, що генерує ненадійний або ризикований результат у великому масштабі, і робить це швидко.

Ми вважаємо, що ринок досяг важливого переломного моменту: історично організації оптимізували сховище; все частіше вони повинні оптимізувати дані. Це означає інвестування в дисципліну, що знаходиться вище інфраструктурного рівня, здатність бачити весь ваш фонд даних, розуміти, що саме являє собою кожен елемент даних і хто за нього відповідає, вирішувати, що слід зберігати, переміщувати, архівувати чи видаляти, і потім послідовно виконувати це рішення. Витрати на інфраструктуру без цієї дисципліни лише дозволяють організаціям робити неправильне швидше.

Саме це і є проблема, яку наша платформа управління неструктурованими даними створена вирішити. Вона надає організаціям єдину картину сховища в локальних, хмарних та SaaS середовищах, класифікує дані за допомогою тегування та аналітики метаданих, щоб команди могли бачити, що є надлишковим, застарілим або справді цінним, і потім виконує рішення, мігруючи, архівуючи чи видаляючи дані, через політикоорієнтовані робочі процеси, які працюють безперервно, а не як одноразовий проєкт. Поєднання видимості, класифікації та послідовного виконання перетворює «у нас багато даних» на «ми точно знаємо, що маємо і що з цим робити».

«Дані, готові до ШІ» стали поширеним терміном у галузі. З вашої точки зору, що саме робить неструктуровані дані готовими до ШІ, і які критерії мають використовувати організації перед тим, як дозволити дані у генеративний ШІ, конвеєр RAG або процес навчання?

Дані, готові до ШІ, — це дані, які організація вже перевірила, а не просто ті, що вона має. На практиці це означає, що організація може впевнено відповісти на кілька питань ще до того, як дані потраплять у модель або конвеєр: Чи є ці дані точними та актуальними, чи вони лежать без дотику роками? Чи дублюються вони в інших місцях таким чином, що спотворять або суперечать результатам? Чи містять вони конфіденційну, регульовану або персональну інформацію, яку не слід розкривати? Хто має доступ до них, і чи відповідає це тому, хто має мати доступ? Чи додає це дійсно бізнес-цінність до випадку використання, чи це лише шум?

Без відповідей на ці питання подача даних у генеративний ШІ або конвеєр RAG лише переміщує вашу проблему управління даними вниз по ланцюжку, у систему, яка значно краще виявляє знайдене, ніж ваші файлові ресурси коли-небудь були. Готовність до ШІ — це дисципліна інтелекту даних, а не галочка, яку ставлять один раз перед стартом проєкту.

Підприємства можуть мати мільярди файлів, розподілених по локальній інфраструктурі, кількох хмарах, архівах та підрозділах. Як вони можуть визначити, які дані мають значну бізнес-цінність, а які є надлишковими, застарілими, тривіальними або просто шумом, що може погіршити продуктивність ШІ?

У такому масштабі ніхто не зможе відповідати на це питання файл за файлом, а ручний перегляд не є життєздатною стратегією. Організаціям спочатку потрібна всебічна видимість: єдина, точна картина сховища в локальних, хмарних та SaaS репозиторіях, бо без видимості даних не можна приймати рішення. Далі йдеться про застосування інтелекту даних для класифікації того, що дійсно знаходиться в середовищі, щоб дані ROT (надлишкові, застарілі та тривіальні) були виявлені та відокремлені від даних, які дійсно мають бізнес-цінність.

Тут дисципліна має вийти за межі простої видимості. Побачити дані — необхідно, але недостатньо. Організаціям потрібно пройти шлях розуміння того, що це за дані і що вони означають, вирішити, що з ними робити — зберігати, переміщати, архівувати, видаляти або використовувати їх для живлення ШІ, і потім послідовно виконувати це рішення по мільярдах об’єктів. Перехід безпосередньо від видимості до інжесту ШІ саме той шлях, яким шум підриває продуктивність моделей і як дійсно цінні дані зникають у ньому.

Безпека та управління стають особливо важливими, коли системи ШІ можуть виявляти інформацію, яку раніше було важко знайти працівникам. Як організації повинні оцінювати дозволи, конфіденційну інформацію, власність та регуляторний ризик перед тим, як відкривати корпоративні дані системам ШІ?

Це одна з областей, де ШІ найбільше змінив розрахунок ризику. Файл з надмірними або застарілими дозволами раніше був теоретичною вразливістю, бо реалістично людина повинна була знати про його існування і шукати його. Система ШІ з широким доступом може одразу показати цей файл будь-кому, хто поставить правильне запитання. Непомітність ніколи не була справжнім контролем, а ШІ усунув останній шматок захисту, який випадково забезпечував.

Перш ніж будь-які дані будуть відкриті для системи ШІ, організації потребують чіткої картини того, хто має до них доступ і чи цей доступ ще виправданий, яку конфіденційну або регульовану інформацію вони містять, хто є їх власником і несе відповідальність, а також які регуляторні зобов’язання до них застосовуються — серед них вимоги щодо резидентності даних, їх збереження та конфіденційності. Така оцінка не може бути одноразовим аудитом перед запуском. Корпоративні дані постійно змінюються, тому дозволи, власність та ризики мають переглядатися постійно, а не лише в момент запуску проєкту ШІ.

Datadobi пропонує перенести розмову з управління інфраструктурою сховища на управління даними як бізнес-активом. Як виглядає цей перехід на практиці і як він змінює взаємовідносини між ІТ‑командами, командами даних, керівниками безпеки та підрозділами бізнесу?

На практиці це означає, що розмова перестає бути про місткість, рівні та час безвідмовної роботи, а переходить до результатів: скорочення витрат, зниження ризиків, дотримання регуляторних вимог та забезпечення ШІ. Раніше це розглядалося як окремі ініціативи, кожна зі своїми інструментами та власниками. Ми вважаємо, що такий підхід все більше застаріває. Всі вони залежать від розуміння одних і тих самих базових корпоративних даних, і потрібна нова операційна модель, орієнтована на дані, яка їх поєднує, а не розглядає кожну ініціативу як залежну від окремої, ізольованої системи. Наша платформа — це спосіб втілити цю операційну модель у практику.

Це природно змінює склад учасників. ІТ більше не є єдиним власником розмови, бо рішення про те, які дані зберігати, переміщати або відкривати для ШІ, є бізнес‑рішеннями, сформованими на основі інтелекту даних, а не інфраструктурними рішеннями. Керівники безпеки та відповідності потребують видимості того ж ландшафту даних, яким керує ІТ. Підрозділи бізнесу повинні мати голос у тому, які дані дійсно важливі для їхніх результатів. Управління даними перестає бути функцією бек‑офісу ІТ і стає спільною операційною дисципліною, де ІТ, безпека та бізнес приймають рішення, спираючись на одну і ту ж інформацію.

Одним із викликів корпоративного ШІ є те, що дані постійно змінються. Чи може готовність до ШІ бути досягнута один раз, чи це вимагає постійного процесу виявлення, класифікації, управління, архівації та переміщення даних у міру їх еволюції?

Це безперервний процес, без виключень. Корпоративні дані постійно змінюються: створюються нові файли, змінюються дозволи, працівники приходять і йдуть, регуляції еволюціонують, тому управління даними має стати безперервною операційною можливістю, а не послідовністю незалежних проєктів. Розгляд готовності до ШІ як одноразового прибирання перед запуском проєкту схожий на оголошення будівлі безпечною після одного візиту слюсаря і більше ніколи не перевіряти двері.

Організаціям потрібна операційна дисципліна, яка безперервно проходить етапи видимості, розуміння, прийняття рішення та виконання, виявляючи, які дані існують, класифікуючи та розуміючи їх, вирішуючи, що з ними робити, і потім діючи згідно з цим рішенням на постійній основі. Організації, які випереджають своїх конкурентів, будуть тими, хто зможе безперервно проходити цей цикл у масштабах підприємства, а не тими, хто розглядає готовність до ШІ як проєкт з кінцевою датою.

У міру того, як підприємства все частіше впроваджують AI‑агенти, які можуть шукати по системах і виконувати автономні дії, чи стає управління неструктурованими даними ще важливішим? Які нові ризики виникають, коли AI‑агент може отримати доступ до інформації, розкиданої по організації, а не лише реагувати на запит користувача?

Це стає значно важливішим, бо агент змінює характер експозиції. Чат‑бот, який відповідає на один запит, обмежений тим, що запитує і бачить одна людина. Агент, який може шукати по системах і виконувати автономні дії, може охопити значно більшу частину середовища, ніж будь‑який окремий співробітник, і може діяти на знайдену інформацію, переміщуючи, поширюючи чи використовуючи дані, без необхідності, щоб людина переглядала кожен крок.

Це створює ризик, який виходить за межі простого виявлення. Якщо агент має доступ до даних, які не повинен мати (файли з неправильними дозволами, застарілі конфіденційні записи, інформація, яку слід було архівувати чи видалити роками тому), він може діяти з цією інформацією зі швидкістю машини та у масштабах, а не лише показувати її одному зацікавленому користувачеві. Організації, які успішно впроваджують агентів, — це ті, хто розглядає управління даними як передумову, а не післядум, бо агент буде точно використовувати будь‑які прогалини у вашій інтелектуальній системі даних.

Для підприємства, яке накопичило десятиліття неструктурованих даних і хоче масштабувати свої ініціативи ШІ, які практичні кроки ви рекомендуєте здійснити спочатку і яких помилок слід уникати лідерам, коли вони починають контролювати свій фонд даних?

Почніть з видимості. Ви не можете приймати правильні рішення щодо даних, які не бачите, тому перший практичний крок — отримати точну, всебічну картину того, які дані існують у локальних, хмарних та SaaS середовищах. Далі перейдіть до розуміння та класифікації цих даних, щоб знати, що цінне, що конфіденційне, а що просто шум, перед тим як приймати рішення щодо збереження, міграції, архівації або видалення.

Існує також реальність бюджету, яку лідери не можуть ігнорувати. Більшість CIO не отримують окремий, необмежений бюджет на ШІ, вони працюють з фіксованим пулом коштів, у який ШІ тепер конкурує з усім іншим, що підтримує роботу бізнесу. Інстинкт фінансувати ШІ, скорочуючи інвестиції в існуючу інфраструктуру, — це помилковий крок, бо саме ця інфраструктура, сховище, конвеєри даних, управління — це те, від чого ШІ залежить для успіху. Більш стійким шляхом є створення резерву в межах існуючого фонду: підвищення видимості та зменшення марнотратства сховища за допомогою оптимізації даних, для якої створений StorageMAP, звільняє реальний бюджет, не торкаючись місткості, яку справді потребуватимуть ініціативи ШІ.

Найбільша помилка, яку я бачу, — це коли організації переходять одразу до виконання, спрямовуючи ШІ на свій фонд даних, або запускають проєкт прибирання, не спочатку створивши основу у вигляді видимості та розуміння. Друга помилка — розглядати це як одноразову ініціативу, а не як операційну можливість; дані постійно змінюються, тому дисципліна має бути безперервною. Третя — залишати це лише технічним завданням. Організації, які досягають успіху, розглядають це як бізнес‑рішення, де ІТ, безпека та бізнес‑стейкхолдери узгоджені щодо вартості даних і того, що з ними робити, а не лише як проєкт міграції чи сховища, переданий лише ІТ.

Дякуємо за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Datadobi.