Nel suo intervento Paul Mackay, Vicepresidente Cloud – Emea & Apac di Cloudera ha ricordato come AI, analytics ed edge stiano cambiando il modo di gestire i dati introducendo un nuovo utilizzo del cloud.
Lo scenario dei dati sta subendo una trasformazione significativa. I progressi nell’analisi, nell’intelligenza artificiale (AI) e nell’edge computing non solo stanno ridisegnando il modo in cui pensiamo ai dati, ma stanno anche aprendo una nuova era nell’utilizzo del cloud da parte delle aziende. Anche il cloud sta cambiando pelle. Visto da sempre come un modo flessibile e agile per esternalizzare l’archiviazione dei dati, oggi sta assumendo il ruolo di base per complete strategie aziendali. Se il cloud ha il potere di trasformare i processi in una vasta gamma di settori, presenta anche nuove sfide legate alla gestione dei dati. E l’unico modo per trarre il massimo valore da innovazioni come AI ed edge analytics è sostenerle con una moderna architettura dei dati.
Una strategia hybrid cloud nell’era dell’AI
Man mano che le organizzazioni cercano di trasferire l’intelligenza artificiale dal laboratorio alla produzione, è fondamentale disporre della giusta strategia di cloud ibrido. La decisione se i set di dati siano più adatti agli ambienti on-premise o cloud non spetta più solo all’IT, ma riguarda l’intera azienda. Grazie alla sua natura dinamica e ai prezzi “pay-as-you-go”, le imprese possono utilizzare il cloud per compensare i costi di ottimizzazione dell’AI per i casi d’uso reali. Una volta terminati i test, il modello basato sul cloud può essere semplicemente spento e applicato ai dati dell’azienda in produzione. Al contrario, il costo iniziale dell’esecuzione dello stesso processo in sede è elevatissimo. Una sola GPU all’avanguardia, progettata appositamente per l’esecuzione di modelli linguistici di grandi dimensioni (LLM), costa circa 30.000 dollari. Le aziende possono averne bisogno a migliaia per addestrare ed eseguire un modello, cosa che comporta una spesa di decine di milioni.
Come affrontare le prossime sfide
Tuttavia, con l’imminente introduzione di normative specifiche sull’AI e l’aumento delle direttive sui dati, settori – bancario e telecomunicazioni – si sentiranno obbligati a eseguire i loro modelli di AI internamente, per necessità. L’analisi dei carichi di lavoro e una comprensione più approfondita dei dati sono cruciali per affrontare queste sfide. Ma con la giusta strategia di cloud ibrido, l’esecuzione dell’AI può essere sia conforme che economicamente sostenibile.
Decisioni in tempo reale prese all’edge
Oltre all’intelligenza artificiale, il cloud svolgerà un ruolo fondamentale nel supportare l’edge analytics. La proliferazione dei dispositivi IoT in tutti i settori, combinata con l’analisi ai margini, sta rivoluzionando il modo in cui le aziende ricavano valore dai dati. L’edge analytics ha già dimostrato il suo potenziale in applicazioni critiche, come l’invio automatico di ambulanze per pazienti con pacemaker intelligenti o il miglioramento della sicurezza dei veicoli autonomi. Questo è soltanto un assaggio di ciò che l’edge analytics è in grado di fare. Con la crescita esponenziale dei volumi di dati, la capacità di elaborarli e analizzarli vicino alla fonte acquista un valore inestimabile. Perché questo non solo riduce la latenza, ma apre la strada a un processo decisionale più immediato e d’impatto.
Cloud e gestione dei dati
Tuttavia, la quantità di dati restituiti dai dispositivi IoT varia, rendendo difficile il provisioning on-premise. Le organizzazioni dovrebbero costruire data center vicini all’edge, in più punti della rete. Cosa che comporterebbe un aumento dei costi sia iniziali che a lungo termine. Il cloud pubblico rappresenta quindi un’opzione migliore per le attività di edge analytics. È possibile ottenere valore in tempo reale dai dati in prossimità della rete solo se si è in grado di sfruttare la loro potenza. Una cosa è la raccolta dei dati, un’altra l’elaborazione di informazioni utili e la rapida consegna dei risultati.
Il ruolo fondamentale di un’architettura dati moderna
Il successo dell’intelligenza artificiale e dell’edge analytics dipende dall’efficacia con cui le organizzazioni riescono a integrarli nei loro ecosistemi di dati. Pertanto, le imprese devono adattare le loro strategie cloud per accogliere questi progressi critici. Il primo passo da compiere è quello di gettare le basi di una moderna architettura dati. Sebbene il cloud sarà il fondamento dell’utilizzo dell’AI e dell’edge analytics, alcuni dati dovranno comunque rimanere on premise.
Cloud e gestione dei dati nell’era di AI, analytics, edge computing
Un altro tema rilevante, che le organizzazioni dovranno considerare è l’entità dei dati gestiti, poiché per mostrare un valore reale, AI ed edge analytics richiedono e producono enormi quantità di dati. Naturalmente, più dati si hanno, più diventa difficile gestirli. Unificando i propri dati attraverso una piattaforma dati olistica, è possibile porre le basi necessarie per inaugurare la nuova era dell’utilizzo del cloud e ricavare valore dai propri dati. Indipendentemente dal fatto che si trovino in sede o nel cloud.
Verso una nuova era del cloud
Il cloud continua a evolversi insieme a tecnologie come l’intelligenza artificiale e l’edge analytics, aprendo nuovi casi d’uso per i dati. Queste innovazioni hanno il potere di rimodellare il panorama aziendale, abilitando azioni tempestive o migliorando il processo decisionale. Ma affinché i dati continuino a promuovere un cambiamento innato nelle organizzazioni, deve evolvere anche il modo in cui vengono gestiti. Le organizzazioni che hanno costruito la loro strategia cloud attorno a una moderna architettura dei dati si troveranno in una posizione di vantaggio per trarre vantaggio dall’evoluzione del panorama tecnologico, aprendo la strada a casi d’uso innovativi.
