In che modo un database pronto per l'AI aiuta a velocizzare l'innovazione, ridurre i costi e distribuire agenti AI davvero efficaci
L'adozione dell'AI sta iniziando a tradursi in vantaggi concreti. Ma con l'accelerazione degli sforzi, molte organizzazioni si scontrano con lo stesso problema: sistemi troppo costosi, lenti e impossibili da scalare.
Tra le aziende con ambienti di dati frammentati, il 67% indica l'archiviazione, lo spostamento e la duplicazione dei dati come il costo ricorrente più elevato per l'AI, secondo un recente sondaggio condotto su oltre 1.200 leader tecnologici da Economist Enterprise. Per chi dispone di un'architettura dati unificata, questa percentuale scende a poco più della metà.
Questo è il momento di costruire fondamenta a prova di futuro per l'AI. Tuttavia, le migrazioni dei database sono costose e rappresentano una delle principali fonti di frustrazione. Più le organizzazioni si legano a un'architettura legacy, più sarà difficile uscirne. I database aperti e pronti per l'AI offrono alle aziende maggiore flessibilità e controllo sull'uso dei dati, consentendo agli sviluppatori di riorientare il business intorno all'AI in modo rapido, sicuro ed efficiente.
“L'arte sta nel distribuire la velocità senza distribuire il caos”, ha dichiarato nel report Jose Manuel Silva, Vice President for Technology e Chief Digital Officer di Natura.
In questo blog analizzeremo tre considerazioni sull'infrastruttura aziendale che possono aiutare a velocizzare l'innovazione dell'AI, ridurre al minimo i costi e distribuire agenti AI davvero efficaci.
Per il 60% delle aziende, sono necessari fino a 12 mesi per portare i carichi di lavoro AI in produzione, secondo il sondaggio di Economist Enterprise. Gli sviluppatori vogliono muoversi alla velocità dell'AI, ma l'infrastruttura sottostante è ferma a un ritmo analogico.
Quando il codice viene creato in pochi secondi, il provisioning dei database non può richiedere minuti. E poiché gli agenti AI lavorano autonomamente per eseguire i flussi di lavoro, devono poter creare istantaneamente ambienti temporanei e sperimentali separati dal resto dell'ecosistema IT.
La combinazione di innovazione rapida, rollback sicuro e ripristino istantaneo è ciò che spingerà le organizzazioni verso i risultati desiderati, con cicli molto più brevi di 12 mesi.
I motori di AI acquisiscono dati a velocità e volumi che molte aziende non sono strutturate per supportare.
Tutte le preziose informazioni custodite nei database transazionali e in altre fonti aziendali contengono il contesto critico di cui i sistemi di AI hanno bisogno per fornire informazioni fruibili e automatizzare i processi senza interruzioni. Spesso, queste informazioni sono isolate in ambienti proprietari. Spostarle richiede la creazione di nuove pipeline e carichi di lavoro ETL, aumentando complessità e costi.
Un database pronto per l'AI può unificare i dati operativi e analitici. Tutti i dati di cui gli sviluppatori hanno bisogno sono sempre disponibili, archiviati separatamente dal livello di calcolo in uno storage cloud a basso costo.
“Se riesci a integrare l'AI nei tuoi dati e funziona, significa che i tuoi dati sono davvero pronti e seguono il framework FAIR: rintracciabili, accessibili, interoperabili e riutilizzabili”, ha affermato Maria Macuare, Sr. Vice President e Global Chief Data Officer di Mondelēz International.
Le architetture dati legacy impongono un pesante limite strutturale alla crescita aziendale. Poiché l'infrastruttura legacy scala in modo rigido, la leadership è costretta a un compromesso svantaggioso su tutti i fronti: pagare troppo per la capacità inutilizzata solo per gestire i picchi di domanda, oppure sottodimensionare le risorse rischiando l'inefficienza nei momenti di massima attività. Questo attrito operativo blocca i migliori talenti ingegneristici nella manutenzione ordinaria, sottraendo risorse che dovrebbero finanziare la velocità competitiva e l'innovazione strategica.
Con database creati appositamente per l'AI, i dati risiedono in data lake affidabili, elastici e convenienti. Le risorse di calcolo vengono eseguite in modo indipendente, il che scollega i costi dalla crescita, consentendo alle aziende di ottenere una maggiore flessibilità operativa. Gli sviluppatori possono sperimentare più liberamente senza esaurire il budget. Inoltre, i sistemi possono scalare da un'elevata concorrenza a zero in pochi secondi per ottimizzare la spesa. I costi sono allineati all'uso per supportare carichi di lavoro imprevedibili e la rapida attività degli agenti AI. E grazie a funzionalità come il ripristino istantaneo, gli sviluppatori possono muoversi rapidamente senza causare danni.
Leggi il report completo di Economist Enterprise e scopri le strategie che stanno portando i leader in prima linea nella corsa all'AI.
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.