Przygotuj swoją infrastrukturę IT na sztuczną inteligencję

W miarę jak przedsiębiorstwa przechodzą od etapu uczenia się do wdrożenia, liderzy IT zaglądają pod maskę, aby sprawdzić, czy ich systemy mogą zarządzać aplikacjami i danymi AI.

Autor: Ken Kaplan

Wiele przedsiębiorstw jest już na dobrej drodze do wdrożenia sztucznej inteligencji, inne zaś wciąż nie są pewne, w jaki sposób wykorzystają ją do prowadzenia swojej działalności. Tak czy inaczej, dyrektorzy ds. IT i zespoły IT mają wiele możliwości wyboru, ponieważ sztuczna inteligencja ewoluuje w błyskawicznym tempie.

Zdaniem Seana Donahue, starszego menedżera ds. rozwiązań w Nutanix, niektórzy uważają, że pociąg odjeżdża ze stacji i muszą już teraz wsiąść na pokład.

„Sztuczna inteligencja nie wchodzi w grę” - powiedział. „To nie jest rynek spekulacyjny. Firmy wiedzą, że muszą przejść na sztuczną inteligencję, po prostu nie wiedzą, z jakimi przypadkami użycia zajmą się w pierwszej kolejności”. Donahue stwierdził, że jest to prawdopodobne, ponieważ wiele osób nie w pełni rozumie, jakie korzyści ich organizacje mogą zyskać dzięki wykorzystaniu sztucznej inteligencji. Porównał to do chwili, gdy Thomas Edison wprowadził żarówkę w 1888 roku.

„Od pierwszego wejrzenia było to niesamowite, a demonstracja wywołała zachwyt, ale ludzie nie rozumieli, jak korzystać z energii elektrycznej, zwłaszcza że nie było infrastruktury dostarczającej energię elektryczną do ich domów”.

Wdrożenie sztucznej inteligencji to wyzwanie, z którym boryka się wielu CIO, patrząc w przyszłość. Zanim wkroczą do akcji, ich zespoły muszą posiadać praktyczną wiedzę, umiejętności i zasoby, aby skutecznie wdrażać sztuczną inteligencję.

Wyzwania związane ze sztuczną inteligencją i potrzeby infrastrukturalne

Aby przygotować swoje operacje IT na sztuczną inteligencję, myślący przyszłościowo liderzy ponownie oceniają cały swój ekosystem IT w celu zbudowania odpowiedniej infrastruktury do obsługi zarówno istniejących, jak i przyszłych funkcji opartych na sztucznej inteligencji.

„Potrzebni są analitycy danych, inżynierowie AI i inżynierowie operacyjni zajmujący się uczeniem maszynowym, a następnie potrzebni są dobrzy specjaliści od infrastruktury oraz programiści tworzący aplikacje” - powiedział Rajiv Ramaswami, prezes i dyrektor generalny Nutanix. „Zestaw narzędzi potrzebnych do skompletowania aplikacji AI i wprowadzenia ich na rynek też nie jest łatwy. Do tego brakuje sprzętu”.

Wdrożenie sztucznej inteligencji jest kosztowne, a szkolenie modeli sztucznej inteligencji wymaga znacznych inwestycji. „Aby wykorzystać potencjał, należy zwrócić uwagę na to, czego potrzeba, aby to osiągnąć, ile to będzie kosztować i upewnić się, że odniesie się korzyści” - powiedział Ramaswami. - A potem musisz to załatwić.

Jak wynika z niedawnego badania przeprowadzonego przez sztuczną inteligencję w Wharton, ośrodku badawczym w Wharton School na Uniwersytecie Pensylwanii, GenAI szybko przekształciła się z technologii eksperymentalnej w niezbędne narzędzie biznesowe, a wskaźniki jej wykorzystania w 2024 r. wzrosną ponad dwukrotnie. wśród liderów biznesu wzrósł z 37% do 72%, a organizacje odnotowały 130% wzrost wydatków na sztuczną inteligencję od 2023 r. - wynika z raportu.

Tradycyjna infrastruktura IT nie jest przystosowana do obsługi wymagań związanych ze sztuczną inteligencją o dużej intensywności, takich jak szkolenie dużych modeli językowych (LLM) lub przetwarzanie dużych ilości strumieni danych w czasie rzeczywistym. Jak wynika z raportu Enterprise Cloud Index opublikowanego przez firmę Nutanix na początku 2024 r., specjaliści IT wskazali, że uruchamianie aplikacji AI w ich obecnej infrastrukturze IT byłoby „znaczącym” wyzwaniem.

Donahue użył praktycznej metafory samochodu, która ilustruje to wyzwanie. „Mój samochód z 1949 r. nie spełnia dzisiejszych wymagań pod względem osiągów” - powiedział. „Jestem szczęśliwy, mogąc nim jeździć, ale wiem, że nigdy nie będzie konkurował na autostradzie. Właściwie nie powinienem jeździć nim na autostradzie, ponieważ jest już przestarzały”. Innymi słowy, większość istniejącej infrastruktury IT utrzymuje status quo, ale nie jest w stanie skutecznie sprostać intensywnym wymaganiom ze strony obciążeń AI.

W miarę ewolucji nowszych projektów samochodów w celu spełnienia wyższych standardów bezpieczeństwa, zużycia paliwa i wydajności, infrastruktura informatyczna przedsiębiorstw musi ewoluować, aby zapewnić większą moc obliczeniową, elastyczność i wydajność w obsłudze aplikacji AI, powiedział Donahue.

Ulepszone środki bezpieczeństwa i ramy zarządzania mają kluczowe znaczenie, ponieważ przedsiębiorstwa starają się chronić własność intelektualną i dane klientów w ramach modeli sztucznej inteligencji. To skłania CIO do poszukiwania infrastruktury, która może strategicznie i bezpiecznie zarządzać sztuczną inteligencją oraz która będzie wystarczająco elastyczna, aby sprostać przyszłym innowacjom i wyzwaniom.

Zarządzanie infrastrukturą IT obsługującą sztuczną inteligencję

Według Donahue zespoły IT badają trzy kluczowe elementy: wybór modeli językowych, wykorzystanie sztucznej inteligencji z usług w chmurze oraz budowanie hybrydowego modelu operacyjnego w wielu chmurach, aby uzyskać najlepsze wyniki z usług w chmurze lokalnej i publicznej.

„Odkryliśmy, że bardzo, bardzo, bardzo niewiele osób zbuduje własny model językowy” - powiedział. „Dzieje się tak, ponieważ budowanie modelu językowego we własnym zakresie przypomina budowanie samochodu w garażu z części zamiennych”.

Firmy poszukują modeli języków opartych na chmurze, ale muszą dokładnie przeanalizować możliwości w zakresie bezpieczeństwa i zarządzania, jednocześnie kontrolując koszty w czasie. „Jeśli te rzeczy nie odstraszą mnie od używania go z moim firmowym adresem IP i danymi, pod koniec miesiąca zdam sobie sprawę, że płacę hiperskalerom za moją aplikację wnioskowującą AI - to małe okienko zapytań których moi pracownicy używają do zadawania pytań - wykorzystuje procesory graficzne w chmurze, a te nie są tanie” - powiedział.

To prowadzi zespoły IT do trzeciego kroku: wyjścia poza modele oparte na chmurze i rozważenia rozwiązań zaprojektowanych celowo i specjalnie z myślą o obsłudze funkcjonalności sztucznej inteligencji.

Donahue wskazał na GPT-in-a-Box firmy Nutanix, kompleksowe, wstępnie skonfigurowane rozwiązanie, które łączy sprzęt i oprogramowanie w celu wspierania wdrażania modeli sztucznej inteligencji bezpośrednio lokalnie, w chmurze lub na krawędzi. Ta konfiguracja ma na celu usprawnienie wdrażania i działania modeli GPT poprzez zapewnienie wszystkich niezbędnych komponentów w jednym, zintegrowanym pakiecie do integracji generatywnych aplikacji AI i AI/ML z infrastrukturą IT, przy jednoczesnym zachowaniu danych i aplikacji pod kontrolą zespołu IT.

Donahue wyjaśnił, że GPT-in-a-Box umożliwia istniejącym systemom IT usprawnienie procesów niezbędnych do wdrożenia funkcji sztucznej inteligencji. Zmniejszyło to złożoność wyboru kompatybilnych komponentów, konfiguracji oprogramowania i optymalizacji wydajności.

Kontrolując cały stos, w tym sprzęt, oprogramowanie i warstwy sztucznej inteligencji, zespoły IT mogą wdrożyć solidne środki bezpieczeństwa mające na celu ochronę środowisk sztucznej inteligencji, w tym szyfrowanie danych, bezpieczną kontrolę dostępu do danych i systemy wykrywania włamań. GPT-in-a-Box umożliwia także zespołom zarządzanie wydajnością poprzez wykorzystanie optymalnych zasobów w celu wydajnego dostępu do danych we właściwej lokalizacji.

Zarządzanie aplikacjami i danymi w hybrydowych systemach wielochmurowych

Według Donahue infrastruktura musi znajdować się w centrum strategii wdrażania sztucznej inteligencji, a jeden model chmury może odnieść szczególny sukces: hybrydowy multicloud.

„Hybrydowy tryb wielochmurowy jest tam, gdzie jest” - powiedział Donahue. „Sztuczna inteligencja po prostu przemawia do hybrydowego środowiska wielochmurowego, ponieważ Twoje zbiory danych będą wszędzie. Będziesz musiał użyć rozwiązania takiego jak ujednolicona pamięć masowa, aby je gromadzić i zarządzać nimi w jednym miejscu”.

Hybrydowe środowiska wielochmurowe integrują różnorodne zasoby obliczeniowe i typy przechowywania danych. Ułatwiają efektywne zarządzanie danymi i ich przetwarzanie, co ma kluczowe znaczenie dla wydajności systemów sztucznej inteligencji, szczególnie w przypadku obsługi rozległych i zróżnicowanych zbiorów danych rozproszonych w wielu lokalizacjach.

„Osoby, które już korzystają z hybrydowego środowiska wielochmurowego, prawdopodobnie będą miały łatwiejszy start w pracach nad sztuczną inteligencją” - powiedział Donahue.

Niezbędne jest nadanie priorytetu modernizacji infrastruktury. Skuteczne wykorzystanie sztucznej inteligencji wymaga, aby przedsiębiorstwa ponownie oceniły i zrewitalizowały swoje podstawowe systemy informatyczne, koncentrując się na przyszłości i osiągnięciu kluczowej skalowalności, pojemności, wydajności i zdolności analitycznych niezbędnych do dotrzymania kroku szybko zmieniającemu się światu IT.

Dowiedz się więcej o możliwościach Nutanix Enterprise AI w tym poście na blogu i relacja wideo z premiery w listopadzie 2024 r.

Ken Kaplan jest redaktorem naczelnym The Forecast firmy Nutanix. Znajdź go na X @kenekaplan.