Skytjenester gir ressurser i massiv skala for å støtte kunstig intelligens og maskinlæring, men en hybrid tilnærming kan i mange tilfeller være det beste kurset. Det krever en virksomhetsarkitekturtilnærming for å få alt riktig.
Foto: Joe McKendrick
“Vi ser mange selskaper som gjør en pause med skyen,” ifølge Bill Wong, AI- og dataanalyseleder med Dell Technologies, som hadde hovedtalen i den siste Business Transformation & amp; Operational Excellence Summit & amp; Industry Awards (BTOES) -arrangement arrangert av Proqis. “Mange bedrifter har gitt mandat til at alt må gå i skyen. Det folk finner er at mens det er noen fordeler med å sette alt sentralt, ser det ut til at fordelen med å spare penger har falt langs veien. I noen tilfeller, spesielt med AI, er kostnadene ganske dramatiske for hvor du plasserer dataene. Så hvis du trener en AI -modell for å gjøre bildegjenkjenning … kan det være minst en tidobling. ”
Wong indikerer at mange selskaper må gå tilbake og spørre hva som er fornuftig når det gjelder håndtering av sofistikerte applikasjoner og store mengder sensitiv data. Når det gjelder AI-initiativer, så velger de fleste bedrifter en hybrid tilnærming. Mange liker å utvikle seg på skyen, men hvis de har mye data, legger de utviklingen på plass, og når de er ferdige med modellen sin de utfører produksjon i skyen. ”
Et slikt hybridmiljø krever en arkitekturdrevet tilnærming til å bygge en dataplattform som gjør det mulig for en organisasjon å dele data og maksimere fordelene ved sine investeringer i avansert analyse. Målet er å bygge en datadrevet kultur bygget på plattformer som leverer smidige, åpne økosystemer for dataforskere og utviklere til å jobbe sammen.
“Hvor skal vi begynne?” Wong fortsetter. “Det er som om skyen var da den ble introdusert. Lederne på C-nivå må kjenne strategien sin. Fra en tilnærming til virksomhetsarkitektur må du bygge en strategi.” Denne strategien begynner i det små, og “stiller opp med en utøvende interessent. Velg en brukstilfelle som vil få høy synlighet og lav risiko.”
Wong erkjenner at det i mange organisasjoner er å spørre mye om å stille opp ledelsesstøtte og identifisere den lavthengende frukten for AI-brukstilfeller. Dette er ikke en lett oppgave. Men se etter de brukstilfellene der du kan få en rask suksesshistorie, og det vil bidra til å få folk om bord bak det. Så for bank, noe med kundeopplevelse av kundeinnsikt. Med helsevesen, noe en person i frontlinjen en kliniker ville ha fordel av eller en pasient. Og det trenger ikke være vanskelig, veldig komplekst . Dette er en av de mest utfordrende tekniske tingene du kan gjøre der ute. Men belønningene er verdt det. “
Den ultimate tilnærmingen, ved å bruke arkitektonisk tenkning, er å gå mot “et modelldrevet miljø”, fortsetter Wong. “Det vi kommer til å se er flere og flere verktøy som ikke krever koding, for å få flere typer datavitenskapere til å kunne lage disse programmene.” Tilbud som maskinlæring som en tjeneste bidrar til å redusere utviklingstiden fra “måneder til uker.” han sier. Legg til verktøy som datakatalogisering for å administrere dataene som driver AI-basert transformasjon. “Du vil prøve å fjerne IT fra ligningen og ha en selvbetjent portal,” forklarer han. En slik selvbetjeningsmetode må gjøre dataforskere, analytikere og andre brukere i stand til å “se på en meny og velge data, med en ordliste med beskrivelse av hva dataene betyr. Og deretter Plattform som en tjeneste-hvordan distribuere infrastruktur, som inkluderer maskinvare, programvare som bruker og utnytter Kubernetes som har alt containerisert. “
Relaterte emner:
Cloud Priorities Digital Transformation CXO Internet of Things Innovation Enterprise Software 