Molntjänster tillhandahåller resurser i massiv skala för att stödja artificiell intelligens och maskininlärningsinsatser, men en hybridmetod kan vara den bästa kursen i många fall. Det kräver en strategi för företagsarkitektur för att få allt att stämma.
Foto: Joe McKendrick
“Vi ser många företag som gör en paus med molnet”, enligt Bill Wong, AI- och dataanalytiksledare med Dell Technologies, som höll nyheten om den senaste affärstransformationen & amp; Summit för operativ excellens & amp; Industry Awards (BTOES) -evenemang som arrangeras av Proqis. “Många företag har gett uppdraget att allt måste gå i molnet. Vad folk hittar är att medan det finns vissa fördelar med att placera allt på en central plats, verkar fördelen med att spara pengar ha sjunkit. I vissa fall fall, särskilt med AI, är kostnaderna ganska dramatiska för var du placerar data. Så om du tränar en AI -modell för att göra bildigenkänning … kan det vara minst en tiofaldig skillnad. ”
Wong indikerar att många företag måste gå tillbaka och fråga vad som är vettigt när det gäller att hantera sofistikerade applikationer och stora mängder känslig data. När det gäller AI-initiativ, “väljer de flesta företag en hybridstrategi. Många gillar att utvecklas på molnet, men om de har mycket data sätter de utvecklingen på plats och när de slutar med sin modell de kör produktion i molnet. ”
En sådan hybridmiljö kräver en arkitekturdriven strategi för att bygga en dataplattform som gör det möjligt för en organisation att dela data och maximera fördelarna med sina investeringar i avancerad analys. Målet är att bygga en datadriven kultur byggd på plattformar som levererar smidiga, öppna ekosystem för datavetenskapare och utvecklare att arbeta tillsammans.
“Var börjar vi?” Wong fortsätter. “Det är som att molnet var när det först introducerades. Chefer på C-nivå behöver känna till sin strategi. Från en företagsarkitekturstrategi måste du bygga en strategi.” Den strategin börjar i det lilla och “ställer upp med en verkställande intressent. Välj ett användningsfall som kommer att få hög synlighet och låg risk.”
Wong medger att det inom många organisationer kräver mycket att ställa upp ledningsstöd och identifiera den lågt hängande frukten för AI-användningsfall. Detta är ingen lätt uppgift. Men leta efter de användningsfall där du kan få en snabb framgångssaga, och det hjälper till att få folk ombord bakom det. Så för bank, något med kundupplevelse av kundinsikt. Med sjukvård, något som en frontlinje person som en kliniker skulle gynna eller en patient. Och det behöver inte vara svårt riktigt komplext . Detta är en av de mest utmanande tekniska sakerna du kan göra där ute. Men belöningarna är värda det. “
Det ultimata tillvägagångssättet, med hjälp av arkitektoniskt tänkande, är att gå mot “en modelldriven miljö”, fortsätter Wong. “Det vi kommer att se är fler och fler verktyg som inte kräver kodning, för att få fler medborgartyper av datavetenskapare att kunna skapa dessa applikationer.” Erbjudanden som maskininlärning som en tjänst hjälper till att minska utvecklingstiden från “månader till veckor”. han säger. Lägg till verktyg som datakatalogisering för att hantera data som driver AI-baserad transformation. “Du vill försöka ta bort IT från ekvationen och ha en självbetjäningsportal”, förklarar han. Ett sådant självbetjäningssätt måste göra det möjligt för datavetenskapare, analytiker och andra användare att “titta på en meny och välja data, med en ordlista för beskrivning av vad data betyder. Och sedan Plattform som tjänst-hur man distribuerar infrastruktur, som inkluderar hårdvara, programvara som använder och utnyttjar Kubernetes som har allt containeriserat. “
Vi har gått in i gör-det-själv-företagets era, tillsammans med DIY IT, där människor kan nå ut och ta tag i de resurser de behöver genom lättanvända onlinetjänster, oavsett om de är interna eller offentliga SaaS eller molnbaserade . Detta är demokratiseringen av AI. Men som Wong påpekar är AI fortfarande för komplext, med för många säkerhetsproblem, för att helt kunna släppas loss genom molntjänster. Bakom varje DIY -tjänst finns en elegant arkitektur som säkerställer att beräknings- och dataresurser förbrukas säkert. DIY AI är några vägar bort, men byggnaden har börjat.
Relaterade ämnen:
Molnprioriteringar Digital Transformation CXO Internet of Things Innovation Enterprise Software 