Cloud -tjenester giver ressourcer i massiv skala til at understøtte kunstig intelligens og maskinlæring, men en hybrid tilgang kan i mange tilfælde være det bedste forløb. Det kræver en virksomhedsarkitektur tilgang for at få alt rigtigt.
Foto: Joe McKendrick
“Vi ser mange virksomheder gøre en slags pause med skyen,” ifølge Bill Wong, AI- og dataanalyseleder med Dell Technologies, der havde hovedtalen for den seneste Business Transformation & amp; Operational Excellence Summit & amp; Industry Awards (BTOES) begivenhed arrangeret af Proqis. “Mange virksomheder har mandat til, at alt skal gå i skyen. Hvad folk finder er, mens der er nogle fordele ved at placere alt på et centralt sted, synes fordelen ved at spare penge faldet ved siden af. I nogle sager, især med AI, er omkostningerne ret dramatiske for, hvor du placerer dataene. Så hvis du træner en AI -model til at lave billedgenkendelse … kan det være mindst en ti gange forskel. ”
Wong indikerer, at mange virksomheder skal træde tilbage og spørge, hvad der giver mening med hensyn til håndtering af sofistikerede applikationer og store mængder følsomme data. Når det kommer til AI-initiativer, så vælger de fleste virksomheder en hybrid tilgang. Mange kan godt lide at udvikle sig i skyen, men hvis de har mange data, sætter de udviklingen på stedet, og når de er færdige med deres model de udfører produktion i skyen. ”
Sådan et hybridmiljø kræver en arkitektur-drevet tilgang til opbygning af en dataplatform, der gør det muligt for en organisation at dele data og maksimere fordelene ved deres investeringer i avanceret analyse. Målet er at opbygge en datadrevet kultur bygget på platforme, der leverer agile, åbne økosystemer for dataforskere og udviklere til at arbejde sammen.
“Hvor starter vi?” Wong fortsætter. “Det er ligesom cloud var, da den blev introduceret for første gang. Direktører på C-niveau har brug for at kende deres strategi. Fra en virksomhedsarkitektur tilgang skal du opbygge en strategi.” Denne strategi starter i det små og “stiller op med en udøvende interessent. Vælg en use case, der får høj synlighed med lav risiko.”
Wong erkender, at det i mange organisationer kræver meget at stille op til ledelsesstøtte og identificere den lavthængende frugt til AI-brugssager. Dette er ikke en let opgave. Men se efter de anvendelsessager, hvor du kan få en hurtig succeshistorie, og det vil hjælpe med at få folk om bord bag det. Så for bank, noget med kundeoplevelse kundeindsigt. Med sundhedspleje, noget, en frontlinie person en kliniker ville have gavn af eller en patient. Og det behøver ikke at være svært rigtigt komplekst . Dette er en af de mest udfordrende tekniske ting, du kan gøre derude. Men belønningerne er det hele værd. “
Den ultimative tilgang, der anvender arkitektonisk tænkning, er at bevæge sig mod “et model-drevet miljø,” fortsætter Wong. “Det, vi kommer til at se, er flere og flere værktøjer, der ikke kræver kodning, for at få flere borgertyper af dataforskere til at kunne oprette disse applikationer.” Tilbud såsom maskinlæring som en service hjælper med at reducere udviklingstiden fra “måneder til uger”. han siger. Tilføj værktøjer såsom datakatalogisering til at styre de data, der driver AI-baseret transformation. “Du vil prøve at fjerne it fra ligningen og have en selvbetjeningsportal,” forklarer han. En sådan selvbetjeningsmetode skal gøre dataforskere, analytikere og andre brugere i stand til at “se på en menu og vælge data med en beskrivelse af ordbogen, hvad dataene betyder. Og derefter Platform som en tjeneste-hvordan man kan implementere infrastruktur, som inkluderer hardware, software, der bruger og udnytter Kubernetes, der har alt containeriseret. “
Vi er gået ind i en gør-det-selv-virksomheds æra sammen med gør-det-selv-it, hvor folk kan række ud og få fat i de ressourcer, de har brug for gennem brugervenlige onlinetjenester, det være sig interne eller offentlige SaaS eller skybaserede . Dette er demokratiseringen af AI. Men som Wong påpeger, er AI stadig for kompleks, med for mange sikkerhedsproblemer, til at blive fuldstændig frigjort gennem cloud -tjenester. Bag hver DIY -service er en elegant arkitektur, der sikrer, at computere og dataressourcer forbruges sikkert. DIY AI er nogle veje væk, men bygningen er begyndt.
Relaterede emner:
Cloudprioriteter Digital Transformation CXO Internet of Things Innovation Enterprise Software 