Cơ Sở Hạ Tầng Của Bạn Có Thực Sự Sẵn Sàng Cho AI?

Đến nay, mọi người đều có một chiến lược AI. Nhưng ít tổ chức hơn có cơ sở hạ tầng để hỗ trợ nó.

Trong hơn một năm qua, tôi đã nói chuyện với hàng chục nhà lãnh đạo CNTT đang chịu áp lực thực sự để cung cấp trải nghiệm được hỗ trợ bởi AI. Họ được yêu cầu có công cụ sản xuất nhanh hơn, tự động hóa thông minh và quản lý điểm cuối thông minh hơn. Và áp lực đó không chỉ dừng lại ở người lao động: các tổ chức hiện đang được yêu cầu cung cấp và quản lý các tác nhân AI cần có khả năng tính toán, môi trường máy tính để bàn và mô hình quản lý riêng của chúng.

Sau khi dành nhiều năm giúp xây dựng Windows 365 và Azure Virtual Desktop tại Microsoft, tôi đã có một bức tranh rõ ràng về những gì phân biệt các tổ chức triển khai AI thành công với những tổ chức bị đình trệ. Nó gần như luôn luôn đến với ba điều: sử dụng đám mây, chất lượng dữ liệu và kỷ luật chi phí.

Bạn Có Đang Sử Dụng Những Gì Bạn Đã Có?

Câu hỏi đầu tiên tôi hỏi bất kỳ nhà lãnh đạo CNTT nào là: làm thế nào bạn tận dụng các khả năng đám mây mà bạn đang trả tiền?

Hầu hết các tổ chức, nếu họ thành thực, đang sử dụng môi trường đám mây của họ không đáng kể. Họ đã di chuyển các khối lượng công việc, nhưng tư duy nâng và chuyển đổi có nghĩa là họ đang chạy các mẫu cũ trong một môi trường hiện đại và bỏ lỡ các tính năng tối ưu hóa được tích hợp vào nền tảng của nhà cung cấp đám mây.

Điều này rất quan trọng đối với AI. Các khối lượng công việc này đòi hỏi tài nguyên và động. Chúng tăng, chúng mở rộng và chúng cần tính linh hoạt. Một môi trường chưa được tối ưu hóa cho hoạt động đám mây gốc sẽ sụp đổ dưới nhu cầu như vậy, hoặc sẽ khiến bạn phải trả nhiều hơn mức cần thiết khi nó không.

Trước khi đầu tư vào các khả năng AI mới, hãy xem xét kỹ môi trường hiện tại của bạn và tự hỏi mình những câu hỏi sau:

• Các máy ảo của bạn có đúng kích thước, hay bạn đang chạy các phiên bản quá lớn?
• Các chính sách tự động hóa có thực sự được điều chỉnh cho các mẫu khối lượng công việc của bạn, hay chúng được thiết lập và quên đi?
• Bạn có sử dụng các phiên bản được予約 và kế hoạch tiết kiệm, hay bạn đang sử dụng giá trên nhu cầu trên toàn bộ?

Các nhà cung cấp đám mây đã đầu tư vào công cụ tối ưu hóa. Sử dụng nó. Và nếu lớp quản lý của bạn không hiển thị những thông tin này, đó là một khoảng trống đáng để đóng lại trước khi bạn tiếp tục.

Dữ Liệu Là Nền Tảng, Và Dữ Liệu Của Hầu Hết Các Tổ Chức Đang Bị Hỏng

Yếu tố sẵn sàng thứ hai, và thực sự quan trọng hơn, là dữ liệu. Không phải chiến lược dữ liệu trong trừu tượng. Trạng thái thực tế của dữ liệu của bạn ngày hôm nay.

Các hệ thống AI chỉ tốt như dữ liệu mà chúng được đào tạo hoặc hoạt động. Đó không phải là một cái nhìn mới, nhưng những ý nghĩa thực tế vẫn chưa được đánh giá cao trong hầu hết các tổ chức CNTT. Khi tôi nói về sự sẵn sàng của dữ liệu cho AI, tôi có nghĩa là ba chiều cụ thể: sạch sẽ, hoàn chỉnh và kịp thời.

Sạch sẽ có nghĩa là dữ liệu của bạn không có bản sao, không nhất quán hoặc lỗi mà sẽ làm hỏng đầu ra. Đối với quản lý điểm cuối, điều này có thể có nghĩa là hồ sơ người dùng có thuộc tính cũ, hồ sơ thiết bị chưa được cập nhật trong vài tháng, hoặc việc gán chính sách không phản ánh cấu trúc tổ chức hiện tại.

Hoàn chỉnh có nghĩa là bạn có phạm vi tín hiệu mà AI cần để đưa ra những suy luận có ý nghĩa. Một động cơ khuyến nghị cho việc phân phối ứng dụng không hữu ích nếu hầu hết telemetry thiết bị của bạn đang thiếu. Một hệ thống phát hiện bất thường không thể thiết lập một đường cơ sở nếu nhật ký của bạn có khoảng trống. Trước khi triển khai các tính năng được hỗ trợ bởi AI, hãy lập bản đồ những gì bạn có so với những gì một khả năng nhất định yêu cầu.

Kịp thời là chiều mà các tổ chức đánh giá thấp nhất. Đó là về thông tin thực tế hoặc gần như thực tế. Dữ liệu cũ sản xuất ra những thông tin cũ, và những thông tin cũ có thể tồi tệ hơn không có thông tin. Nếu các đường ống dữ liệu của bạn đang được xử lý hàng đêm những gì nên chảy liên tục, đó là một vấn đề cấu trúc mà AI sẽ không giải quyết.

Vệ sinh dữ liệu, hiện đại hóa đường ống và công cụ telemetry không tạo ra những bài trình bày hội đồng quản trị thú vị. Nhưng chúng là sự khác biệt giữa các tính năng AI hoạt động và các tính năng AI bị bỏ rơi ba tháng sau khi ra mắt.

Kiểm Soát Chi Phí Không Phải Là Một Yếu Tố Thứ Cấp

Chiều thứ ba của sự sẵn sàng AI là tài chính, và nó xứng đáng được chú ý hơn trong giai đoạn lập kế hoạch.

Các khối lượng công việc AI đắt để chạy, chúng khó dự đoán, và chúng thường mở rộng nhanh hơn ngân sách có thể theo kịp. Tôi đã thấy các tổ chức nhận được giá trị đáng kể từ các thử nghiệm AI đầu tiên, và sau đó xem chi phí tăng vọt khi những thử nghiệm đó chuyển sang sản xuất, vì không ai đã thiết kế một mô hình quản lý chi phí để đi cùng với chúng.

Điều này đặc biệt đúng trong môi trường máy tính để bàn ảo và điểm cuối, nơi các tính năng AI như thông minh phiên, mở rộng dự đoán và khắc phục tự động có thể tạo ra nhu cầu tính toán đáng kể trên hàng nghìn phiên cùng một lúc.

Các tổ chức quản lý điều này tốt chia sẻ một số đặc điểm:

Họ coi hiệu quả cơ sở hạ tầng là một điều kiện tiên quyết, không phải là một tối ưu hóa để làm sau. Họ đã thực hiện công việc của việc đúng kích thước, loại bỏ lãng phí và thiết lập các đường cơ sở chi phí trước khi các khối lượng công việc AI đến.

Họ xây dựng khả năng hiển thị chi phí vào hoạt động. Họ biết chi phí của họ trên mỗi người dùng, mỗi phiên và mỗi khối lượng công việc là bao nhiêu, điều này có nghĩa là họ có thể phát hiện khi các tính năng AI đang thúc đẩy chi tiêu không mong muốn đủ sớm để điều chỉnh.

Và quan trọng là, họ đã chọn một lớp quản lý bề mặt các tín hiệu chi phí một cách chủ động, vì vậy họ không tìm hiểu về việc vượt quá chi phí trong hóa đơn đám mây hàng tháng, mà thông qua các bảng điều khiển thời gian thực cho phép quyết định nhanh hơn.

Khoảng Cách Có Thể Được Đóng, Nhưng Nó Yêu Cầu Sự Thật Thà Đầu Tiên

Các tổ chức tôi lạc quan nhất là những tổ chức sẵn sàng xem xét trung thực về nơi họ đứng.

Khoảng cách giữa tham vọng AI và thực hiện là thực, nhưng nó không phải là vĩnh viễn. Và biên giới tiếp theo đã rõ ràng: khi AI đại lý di chuyển từ thí điểm sang sản xuất, câu hỏi về sự sẵn sàng cơ sở hạ tầng mở rộng ra ngoài người dùng để bao gồm cả các đại lý chính nó.

Điều đó có nghĩa là kiểm tra việc sử dụng đám mây trước khi mở rộng nó và đầu tư vào chất lượng dữ liệu trước khi xếp lớp AI lên trên nó. Điều đó cũng có nghĩa là đối xử với quản lý chi phí như một vấn đề kiến trúc, không phải là vấn đề của nhóm tài chính.

Khoảng cách giữa tham vọng AI và thực hiện là thực, nhưng nó không phải là vĩnh viễn. Đó là một vấn đề kỹ thuật và hoạt động, và những vấn đề đó chính xác là những vấn đề mà cộng đồng CNTT của chúng tôi giỏi giải quyết.