Az Appen mesterséges intelligencia szakcég nemrégiben készült "State of AI" jelentése szerint a vállalatok 55 százaléka gyorsította fel az AI bevezetését 2020-ban, és 67 százalékuk arra számít, hogy idén tovább növeli az ütemet. Ahogy az AI bevezetése fokozódik, a rezsiköltségek is fontos szemponttá válnak, és fennáll a veszélye, hogy ezek a kiadások hógolyószerűen növekedhetnek, ha a szervezetek nem terveznek előre.
Ezt a tendenciát erősítette meg az IDC AI- és automatizálási kutatásért felelős csoportvezető alelnöke, Ritu Jyoti, aki szerint a világjárvány "a vállalati napirend élére helyezte az AI-t, ami lehetővé teszi az üzleti rugalmasságot és relevanciát. Mostanra beléptünk az AI által támogatott munka és döntéshozatal területére a vállalat minden funkcionális területén. A gyors érzékelésre, előrejelzésre, reagálásra és alkalmazkodásra képes AI-megoldások felelős létrehozása és használata fontos üzleti szükségszerűség" - idézte a szakértőt a DCD portál. Jyoti megjegyzéseit az IDC piaci becslései mellett tette közzé. Ezek szerint a globális AI-piac idén 15,2 százalékkal, 341,8 milliárd dollár értékűre nő, és 2024-re várhatóan meghaladja az 500 milliárd dollárt.
Az infrastruktúrát illetően a vállalkozásoknak alkalmazkodniuk és rugalmasnak kell lenniük. Ez a rugalmassági igény teszi a felhőt, különösen a hibrid felhőt az AI alapjává, mivel a jelentős adatmennyiségek iránti igény egyre nagyobb. A hibrid felhő használatával a vállalatok az AI technológiai igényeit a vállalkozásuknak és a munkaterhelésüknek megfelelő költségszinten elégíthetik ki.
Az Infrastructure-as-a-Service (IaaS) lehetővé teszi a szervezetek számára, hogy a teljesítmény feláldozása nélkül használhassák, fejleszthessék és valósíthassák meg az AI-programjukat. Van azonban számos olyan infrastrukturális elem, amelyet a szervezeteknek szem előtt kell tartaniuk, amikor a potenciális IaaS-szolgáltatókat értékelik.
Számítási teljesítmény
A vállalkozásoknak jelentős nagyságú számítási erőforrásokhoz, köztük CPU-khoz és GPU-khoz kell hozzáférniük ahhoz, hogy teljes mértékben ki tudják használni az AI által kínált lehetőségeket. A gépi tanulási algoritmusoknak sebességre és teljesítményre van szükségük a nagyszámú számítás lebonyolításához. Míg a CPU-alapú környezet képes kezelni az alapvető AI-munkaterhelést, a mélytanulás több nagy adathalmazt és a skálázható neurális hálózati algoritmus telepítésének képességét igényli.
A CPU-alapú számítástechnika nem biztos, hogy képes megfelelni ezeknek a céloknak, és a GPU-k jobb választást jelenthetnek. A GPU-k által nyújtott nagyobb teljesítmény jelentősen felgyorsíthatja a mélytanulást a CPU-khoz képest. Ez a sebesség azonban magasabb költséggel jár, és bizonyos esetekben nem biztos, hogy költséghatékony a CPU-ról GPU-ra való átállás. Fontos megtalálni a szükséges feladatokhoz a megfelelő egyensúlyt.
Tárolási kapacitás
A tárolás skálázásának képessége az adatmennyiség növekedésével sok vállalkozás számára alapvetően fontos. A szervezeteknek meg kell állapítaniuk, hogy milyen típusú tárolókra van szükségük, és számos tényezőt kell figyelembe venniük. Többek között meg kell vizsgálniuk, hogy milyen szintű mesterséges intelligenciát érdemes vagy szükséges használni, illetve hogy valós idejű döntéseket kell-e hozniuk. Például egy olyan FinTech vállalatnak, amely AI-rendszereket használ valós idejű kereskedési döntésekhez, gyors all-flash tárolási technológiára lehet szüksége, míg más vállalatoknak jobban megfelelhet a nagyobb kapacitású, de kevésbé gyors tárolás.
A vállalkozásoknak ki kell számolniuk, hogy az AI-alkalmazásaik mennyi adatot fognak generálni, mivel ezek jobb döntéseket hoznak, ha több adattal szembesülnek. Az adatbázisok idővel növekednek, ezért figyelemmel kell kísérni a tárolókapacitásokat, és ennek megfelelően kell megtervezni a bővítést.
Hálózati infrastruktúra
A hálózatépítés az AI-infrastruktúra másik kulcsfontosságú eleme. A jó, gyors és megbízható hálózatok elengedhetetlenek az eredmények maximalizálásához. A mélytanulási algoritmusok nagymértékben függenek a kommunikációtól, ezért a hálózatoknak lépést kell tartaniuk az AI-törekvések bővülése miatt megjelenő igényekkel. A skálázhatóság kiemelten fontos, az AI nagy sávszélességű, alacsony késleltetésű hálózatot igényel. Lényeges az is, hogy a szolgáltatáscsomagolás és a technológiai stack minden régióban egységes legyen.
Biztonság
A mesterséges intelligencia olyan érzékeny adatok kezelésével járhat, mint a betegnyilvántartások, pénzügyi információk és személyes adatok. Ezért elengedhetetlen, hogy az infrastruktúra végponttól végpontig a legmodernebb technológiával legyen védve. Az adatok megsértése katasztrófát jelentene bármely szervezet számára, de az AI esetében a rossz adatok beáramlása miatt a rendszer hibás következtetéseket vonhat le, ami hibás döntésekhez vezethet.
Költséghatékonyság
Ahogy az AI-modellek egyre összetettebbé válnak, úgy válik drágábbá a futtatásuk is, ezért kritikus, hogy az infrastruktúra extra teljesítményt nyújtson a költségek kordában tartása érdekében. Ahogy a vállalatok egyre nagyobb mértékben használják az AI-t, egyre nagyobb terhet rónak a hálózati, szerver- és tárolási infrastruktúrákra. A vállalkozásoknak körültekintően kell választaniuk, és meg kell találniuk azokat az IaaS-szolgáltatókat, amelyek költséghatékony dedikált szervereket kínálnak a teljesítmény növelése érdekében, és lehetővé teszik számukra, hogy a költségvetésük növelése nélkül folytassák a mesterséges intelligenciába való beruházást.
