Cloudservices bieden op grote schaal middelen ter ondersteuning van inspanningen op het gebied van kunstmatige intelligentie en machine learning, maar in veel gevallen kan een hybride benadering de beste keuze zijn. Dat vereist een enterprise-architectuurbenadering om alles goed te krijgen.
Foto: Joe McKendrick
“We zien dat veel bedrijven een soort pauze nemen met de cloud”, aldus Bill Wong, leider op het gebied van AI en data-analyse bij Dell Technologies, die de recente Business Transformation & Operational Excellence Summit & Industry Awards (BTOES) evenement georganiseerd door Proqis. “Veel bedrijven hebben het mandaat gegeven dat alles in de cloud moet. Wat mensen ontdekken is dat, hoewel er enkele voordelen zijn om alles op een centrale plek te plaatsen, het voordeel van het besparen van geld lijkt te zijn weggevallen. gevallen, vooral met AI, zijn de kosten behoorlijk dramatisch voor waar je de gegevens plaatst. Dus als je een AI-model traint om beeldherkenning uit te voeren… kan het op zijn minst een tienvoudig verschil zijn.”
Wong geeft aan dat veel bedrijven een stap terug moeten doen en zich afvragen wat zinvol is in termen van het omgaan met geavanceerde applicaties en grote hoeveelheden gevoelige gegevens. Als het gaat om AI-initiatieven, “kiezen de meeste bedrijven voor een hybride aanpak. Velen ontwikkelen graag in de cloud, maar als ze veel gegevens hebben, zetten ze de ontwikkeling op locatie en wanneer ze klaar zijn met hun model zij voeren de productie uit in de cloud.”
Zo'n hybride omgeving vereist een architectuurgedreven benadering voor het bouwen van een dataplatform dat een organisatie in staat stelt data te delen en de voordelen van hun investeringen in geavanceerde analyses te maximaliseren. Het doel is om een datagestuurde cultuur op te bouwen die is gebouwd op platforms die flexibele, open ecosystemen opleveren voor datawetenschappers en ontwikkelaars om samen te werken.
“Waar beginnen we?” Wong gaat verder. “Het is net zoals de cloud was toen het voor het eerst werd geïntroduceerd. C-level executives moeten hun strategie kennen. Vanuit een enterprise-architectuurbenadering moet je een strategie bouwen.” Die strategie begint klein en “in de rij staan met een uitvoerende belanghebbende. Kies een use-case die een hoge zichtbaarheid krijgt met een laag risico.”
Wong erkent dat binnen veel organisaties het opstellen van uitvoerende ondersteuning en het identificeren van het laaghangende fruit voor AI-gebruikscases “veel vraagt. Dit is geen gemakkelijke taak. Maar zoek naar die use-cases waar u snel een succesverhaal kunt krijgen, en dat zal mensen helpen erachter te komen. Dus voor bankieren, iets met klantervaring, klantinzicht. Met gezondheidszorg, iets waar een eerstelijnsmedewerker, een arts of een patiënt baat bij zou hebben. En het hoeft niet moeilijk te zijn, echt complex . Dit is een van de meest uitdagende technische dingen die je kunt doen, maar de beloningen zijn het waard.”
De ultieme benadering, waarbij architectonisch denken wordt gebruikt, is om te evolueren naar 'een modelgestuurde omgeving', vervolgt Wong. “Wat we gaan zien, zijn steeds meer tools die geen codering vereisen, om meer burgertypes datawetenschappers ertoe te brengen deze applicaties te maken.” Aanbiedingen zoals Machine Learning as a Service helpen de ontwikkelingstijd te verkorten van 'maanden tot weken'. hij zegt. Voeg tools toe zoals data catalogisering om de data te beheren die AI-gebaseerde transformatie stimuleren. “Je wilt IT uit de vergelijking halen en een selfserviceportal hebben”, legt hij uit. Een dergelijke selfservice-aanpak moet datawetenschappers, analisten en andere gebruikers in staat stellen om “naar een menu te kijken en gegevens te kiezen, met een woordenlijst met beschrijvingen van wat de gegevens betekenen. En dan Platform as a Service – hoe de implementatie van de infrastructuur, inclusief hardware en software die Kubernetes gebruikt en benut om alles in containers te stoppen.”
We zijn het tijdperk ingegaan van de doe-het-zelf-onderneming, samen met doe-het-zelf-IT, waarin mensen de middelen die ze nodig hebben kunnen bereiken en pakken via gebruiksvriendelijke onlinediensten, of het nu interne of openbare SaaS of cloudgebaseerde diensten zijn. . Dit is de democratisering van AI. Maar zoals Wong opmerkt, is AI nog steeds te complex, met te veel beveiligingsproblemen, om volledig te worden ontketend via cloudservices. Achter elke doe-het-zelfservice zit een elegante architectuur die ervoor zorgt dat reken- en databronnen veilig worden verbruikt. DIY AI is nog een eindje weg, maar het bouwen is begonnen.
Verwante onderwerpen:
Cloud Prioriteiten Digitale transformatie CXO Internet of Things Innovatie Enterprise Software 