Připravte svou IT infrastrukturu na umělou inteligenci

Zatímco podniky přecházejí od učení k implementaci, vedoucí IT hledají pod pokličku, aby zjistili, zda jejich systémy dokážou spravovat aplikace a data AI.

Od Kena Kaplana

Mnoho podniků je na dobré cestě k implementaci umělé inteligence, zatímco jiné si stále nejsou jisti, jak ji využijí ke svému podnikání. Ať tak či onak, CIO a IT týmy mají mnoho možností, protože AI se neustále vyvíjí rychlostí blesku.

Podle Seana Donahuea, senior manažera pro řešení ve společnosti Nutanix, mají někteří pocit, že vlak opouští nádraží a musí nastoupit.

"AI nepřipadá v úvahu," řekl. "Není to spekulativní trh. Společnosti vědí, že musí přejít na AI; jen nepřišly na to, jaké případy použití budou řešit jako první." Donahue řekl, že je to pravděpodobné, protože mnozí plně nechápou, jak by jejich organizace mohly těžit z používání AI. Přirovnal to k tomu, když Thomas Edison v roce 1888 představil žárovku.

"Bylo to úžasné vidět na první pohled a demo vyvolalo úžas, ale lidé nechápali, jak používat elektřinu, zvláště když neexistovala žádná infrastruktura, která by přiváděla elektřinu do jejich domova."

Přijetí umělé inteligence je výzvou, se kterou se mnozí CIO potýkají při pohledu do budoucnosti. Než se do toho pustí, jejich týmy musí mít praktické znalosti, dovednosti a zdroje k efektivní implementaci umělé inteligence.

Výzvy AI a potřeby infrastruktury

Aby své IT operace připravily na umělou inteligenci, přehodnocují perspektivní lídři celý svůj IT ekosystém, aby vybudovali správnou infrastrukturu pro zvládnutí stávajících i budoucích funkcí využívajících umělou inteligenci.

„Chce to datové vědce, inženýry umělé inteligence a provozní inženýry strojového učení a pak dobré lidi z oblasti infrastruktury spolu s vývojáři, kteří vytvářejí aplikace,“ řekl Rajiv Ramaswami, prezident a generální ředitel společnosti Nutanix. "Sada nástrojů, které potřebujete, abyste dali dohromady aplikace AI a uvedli je na trh, to také není snadné. Navíc je zde nedostatek hardwaru."

Implementace AI je nákladná a školení modelů AI vyžaduje značné investice. "Abyste si uvědomili potenciál, musíte věnovat pozornost tomu, co bude potřeba k tomu, aby to bylo hotové, kolik to bude stát, a ujistit se, že získáte výhodu," řekl Ramaswami. "A pak to musíš jít udělat."

GenAI se rychle transformovala z experimentální technologie na nezbytný obchodní nástroj, přičemž míra přijetí se v roce 2024 více než zdvojnásobila, podle nedávné studie AI ve Wharton, výzkumném středisku na Wharton School of the University of Pennsylvania. Týdenní využití AI mezi obchodními lídry vzrostl z 37 % na 72 % a organizace oznámily 130% nárůst výdajů na AI od roku 2023, uvádí zpráva.

Tradiční IT infrastruktura není vybavena tak, aby zvládla požadavky na vysokou intenzitu umělé inteligence, jako je školení velkých jazykových modelů (LLM) nebo zpracování velkoobjemových datových toků v reálném čase. Podle zprávy Enterprise Cloud Index, kterou společnost Nutanix vydala na začátku roku 2024, odborníci v oblasti IT uvedli, že provozování aplikací AI na jejich současné infrastruktuře IT bude „významnou“ výzvou.

Donahue použil praktickou metaforu auta, která tuto výzvu demonstruje. "Moje auto z roku 1949 neodpovídá dnešním nárokům na výkon," řekl. "Jsem šťastný, že to řídím, ale vím, že to nikdy nebude soutěžit na dálnici. Ve skutečnosti bych to neměl provozovat na dálnici, protože už je tak zastaralý." Jinými slovy, většina stávající IT infrastruktury si zachovává status quo, ale nebude efektivně uspokojovat intenzivní požadavky pracovní zátěže AI.

Jak se vyvíjely návrhy novějších automobilů, aby splňovaly vyšší bezpečnostní standardy, spotřebu paliva a výkon, musí se podnikové IT infrastruktury vyvíjet, aby poskytovaly větší výpočetní výkon, flexibilitu a efektivitu pro práci s aplikacemi AI, řekl Donahue.

Vylepšená bezpečnostní opatření a rámce řízení jsou zásadní, protože podniky se snaží chránit duševní vlastnictví a zákaznická data v rámci modelů umělé inteligence. To vede CIO k hledání infrastruktury, která dokáže AI strategicky a bezpečně spravovat a která je dostatečně agilní, aby zvládla budoucí inovace a výzvy.

Správa IT infrastruktury s umělou inteligencí

Podle Donahue IT týmy zkoumají tři klíčové prvky: výběr jazykových modelů, využití umělé inteligence z cloudových služeb a budování hybridního multicloudového provozního modelu, aby získali to nejlepší z místních a veřejných cloudových služeb.

"Zjišťujeme, že velmi, velmi, velmi málo lidí si vytvoří svůj vlastní jazykový model," řekl. "Je to proto, že postavit jazykový model v domě je jako postavit auto v garáži z náhradních dílů."

Společnosti hledají cloudové jazykové modely, ale musí pečlivě prozkoumat možnosti zabezpečení a správy a zároveň kontrolovat náklady v průběhu času. „Pokud mě tyto věci neodstraší od používání s mou firemní IP a daty, pak si na konci měsíce uvědomím, že platím hyperscalery, protože moje aplikace pro odvozování AI - to malé pole dotazů které mí zaměstnanci používají k kladení otázek - používá cloudová GPU a ty nejsou levné,“ řekl.

To přivádí týmy IT ke třetímu kroku: přemýšlet nad rámec cloudových modelů a zvažovat řešení navržená záměrně a konkrétně tak, aby zvládala funkce umělé inteligence.

Donahue poukázal na GPT-in-a-Box společnosti Nutanix, komplexní, předem nakonfigurované řešení, které kombinuje hardware a software pro podporu nasazení modelů umělé inteligence přímo na místě, v cloudu nebo na okraji. Toto nastavení je navrženo tak, aby zefektivnilo nasazení a provoz modelů GPT tím, že poskytuje všechny potřebné komponenty v jediném integrovaném balíčku pro integraci generativních aplikací AI a AI/ML do IT infrastruktur a zároveň udržuje data a aplikace pod kontrolou týmu IT.

Donahue vysvětlil, že GPT-in-a-Box umožňuje stávajícím IT systémům zefektivnit procesy potřebné pro integraci schopností AI. Snížilo to složitost výběru kompatibilních komponent, konfiguraci softwaru a optimalizaci výkonu.

Díky řízení celého zásobníku, včetně hardwaru, softwaru a vrstev AI, mohou týmy IT implementovat robustní bezpečnostní opatření navržená k ochraně prostředí AI, včetně šifrování dat, řízení bezpečného přístupu k datům a systémů detekce narušení. GPT-in-a-Box také umožňuje týmům řídit výkon využitím optimálních zdrojů pro efektivní přístup k datům na správném místě.

Správa aplikací a dat napříč hybridními multicloudovými systémy

Podle Donahue musí být infrastruktura středem strategie přijímání umělé inteligence a existuje jeden cloudový model, který má být obzvláště úspěšný: hybridní multicloud.

"Hybridní multicloud je tam, kde je," řekl Donahue. "AI prostě mluví s hybridním multicloudem, protože vaše datové sady budou všude. Budete muset použít řešení, jako je jednotné úložiště, abyste je mohli shromažďovat a spravovat pod jednou střechou."

Hybridní multicloudová prostředí integrují různé výpočetní zdroje a typy úložišť dat. Usnadňují efektivní správu a zpracování dat, což je klíčové pro výkon systémů umělé inteligence, zejména při manipulaci s rozsáhlými a různorodými soubory dat rozmístěnými na více místech.

"Lidé, kteří již používají hybridní multicloud, budou mít pravděpodobně snazší začátek s úsilím o umělou inteligenci," řekl Donahue.

Upřednostnění modernizace infrastruktury je zásadní. Efektivní přijetí umělé inteligence vyžaduje, aby podniky přehodnotily a oživily své základní IT systémy, zaměřily se na budoucnost a dosáhly klíčové škálovatelnosti, kapacity, efektivity a analytických schopností, které jsou potřebné k udržení kroku v rychle se měnícím světě IT.

Další informace o možnostech Nutanix Enterprise AI v tomto příspěvku na blogu a videoreporto jeho vydání v listopadu 2024.

Ken Kaplan je šéfredaktorem The Forecast od Nutanix. Najděte ho na X @kenekaplan.