دیوار زیرساخت AI سر راه شرکتهاست
هوش مصنوعیخلاصهٔ کاملتر
نویسنده با این ایده شروع میکنه که تو تقریباً هر موج تکنولوژی یه لحظهای میرسه که هیاهو از خود سختافزار جلو میزنه و الان دقیقاً همون لحظه برای AI ـه. به گفتهی اون تو دو سال گذشته بحث بین شرکای فروش (channel) پر بوده از فرصتهای AI و خیلیها هم به مشتریا کمک کردن پایلوتهای هوش مصنوعی مولد راه بندازن، ولی مشکل اینجاست که پایلوت با محیط تولید فرق داره و زیرساختی که برای بردن AI از آزمایش به سطح کل سازمان لازمه، چیزیه که بیشتر این شرکا هنوز آمادهی ارائهش نیستن.
نویسنده میگه نقطهای که ترکها ظاهر میشن، همون گذار از پایلوت به تولیده. معماریهای ذخیرهسازی قدیمی نمیتونن توان عبور پرسرعتی که بار کاری AI میخواد رو فراهم کنن، آرایههای on-premise موقع آموزش مدل به سقف عملکرد میخورن و هزینهی ابر با رشد حجم داده سر به فلک میکشه. بینش کلیدیای که به گفتهی نویسنده صنعت ازش غافل شده اینه که آمادگی برای AI یعنی آمادگی زیرساخت؛ اگه بحث سر ذخیرهسازی پرسرعت، معماری داده، برق، خنکسازی و توان شبکه نباشه، اصلاً بحث واقعی دربارهی AI نیست.
مهمترین حرف مقاله دربارهی لایهی دادهست. نویسنده میگه حدود ۸۰٪ چالش زیرساخت AI تو لایهی دادهست نه لایهی ابزار؛ میتونی بهترین کلاسترهای GPU رو هم بخری ولی اگه دادهت بیساختار، طبقهبندینشده و عملاً دسترسناپذیر باشه، نتیجه ضعیف میمونه. بخش بزرگی از دادهی شرکتها تو این حالته که بهش dark data میگن یعنی اطلاعاتی که سازمان تئوری داره ولی عملاً نمیتونه بهش دسترسی پیدا کنه یا پردازشش کنه. بدون یه data fabric درست که همهچیز رو بههم وصل کنه، ابزار AI فقط یه زینت گرونقیمته رو پایهای که توان نگهداشتنش رو نداره.
نویسنده تأکید میکنه این مشکل تازه نیست و قبلاً تو پروژههای یادگیری ماشین، مهاجرت به ابر و نوسازی ERP هم دیده شده؛ ولی AI فوریتش رو بیشتر کرده. به گفتهی اون بازار داره به چیزی میرسه که خیلیها تو این صنعت مدتهاست میدونستن: داده عامل تعیینکنندهست. به نقل از یه مطالعهی جهانی شرکتش، حالا ۶۷٪ کسبوکارهای بریتانیا دادهی باکیفیت رو عامل اصلی موفقیت AI میدونن، در حالی که سال قبلش فقط ۴۱٪ اینطور فکر میکردن.
مقاله میگه خدمات مالی و سلامت احتمالاً اول از همه به این دیوار میخورن، چون هم سختگیرانهترین الزامات حریم خصوصی داده رو دارن و هم بزرگترین حجم دادهی قدیمی رو. یه بانک سنتی با سیستمهای چنددههای نمیتونه مثل یه فینتک ابریزاد عمل کنه، و یه شبکهی بیمارستانی با پروندههای پراکندهی بیماران (که بعضیهاشون هنوز فیزیکیان) با یه چالش جدی یکپارچهسازی داده روبهروئه.
نویسنده در آخر میگه مدل تجاری شرکا هم عقب مونده: هنوز حول فروش سختافزار تراکنشی و چرخههای capex پاداش میگیرن، در حالی که مشتریا مدلهای مصرفمحور و منعطف میخوان. ریسک اینه که شرکای صرفاً تراکنشی از بزرگترین پروژههای زیرساختی دههی آینده کنار گذاشته بشن و مشتریا مستقیم برن سراغ hyperscalerها. در عوض، کسایی که بتونن معمای hybrid cloud رو حل کنن و الزامات حاکمیت داده رو جواب بدن، خیلی باارزشتر میشن.
نکات کلیدی:
- آمادگی برای AI در واقع یعنی آمادگی زیرساخت: ذخیرهسازی پرسرعت، معماری داده، برق، خنکسازی و شبکه
- حدود ۸۰٪ چالش زیرساخت AI تو لایهی دادهست نه لایهی ابزار؛ GPU خوب بدون دادهی تمیز فایدهای نداره
- dark data یعنی دادهای که سازمان داره ولی عملاً نمیتونه بهش دسترسی پیدا کنه یا پردازشش کنه
- خدمات مالی و سلامت بهخاطر الزامات حریم خصوصی و دادهی قدیمی، اول به دیوار میخورن
- مدل تجاری تراکنشی شرکا عقب مونده؛ مشتریا مدل مصرفمحور و راهحل hybrid cloud میخوان
