Η τεχνητή νοημοσύνη συχνά παρουσιάζεται ως ένα «κρίσιμο» ζήτημα για τους οργανισμούς. Κατά ειρωνικό τρόπο, πολλοί ηγέτες της τεχνολογίας, παρά τον εμφανή ενθουσιασμό τους και τις σημαντικές επενδύσεις τους στην τεχνολογία, την αντιμετωπίζουν ως ένα απλό πείραμα και όχι ως μια γνήσια επιχειρηματική εφαρμογή.
Αυξάνονται τα στοιχεία που αποδεικνύουν ότι πολλά έργα Τεχνητής Νοημοσύνης δεν καταφέρνουν να προχωρήσουν πέρα από το πειραματικό ή το πρωτότυπο στάδιο. Σύμφωνα με τις προβλέψεις της Gartner, πάνω από το 40% των έργων Τεχνητής Νοημοσύνης θα ακυρωθούν μέχρι το τέλος του 2027, συχνά λόγω αδύναμων ελέγχων κινδύνου και αβέβαιων αποδόσεων των επενδύσεων.Η Gartner προβλέπει ότι περισσότερο από το 40% των έργων τεχνητής νοημοσύνης μέσω proxy θα ακυρωθούν μέχρι το τέλος του 2027.]
Αυτή η αποτυχία κυκλοφορίας όχι μόνο αντιπροσωπεύει απώλεια επενδύσεων, αλλά οδηγεί και σε μείωση της εμπιστοσύνης στην τεχνολογία μακροπρόθεσμα.
Έτσι, δημιουργείται ένα αυξανόμενο χάσμα μεταξύ δύο κατηγοριών οργανισμών: εκείνων που κινούνται σταθερά προς την υιοθέτηση της Τεχνητής Νοημοσύνης σε επίπεδο επιχείρησης και εκείνων που αγωνίζονται να βρουν έναν επιτυχημένο τρόπο για να την αναπτύξουν. Αυτό το χάσμα είναι πιθανό να διευρυνθεί περαιτέρω καθώς μεταβαίνουμε από την εποχή της παραγωγικής Τεχνητής Νοημοσύνης στην εποχή της διαμεσολαβητικής Τεχνητής Νοημοσύνης.
Το να έχετε ένα σαφές όραμα είναι αναμφίβολα το κλειδί για την επιτυχία στην τεχνητή νοημοσύνη, όπως και τα δεδομένα που είναι απαραίτητα για τη διαμόρφωση μιας ξεχωριστής στρατηγικής για τον οργανισμό σας. Αυτό, μαζί με κάποια αρχική επένδυση, μπορεί να είναι αρκετό για να παραδώσετε ένα εντυπωσιακό πρωτότυπο.
Αλλά αρκεί αυτό για να εγγυηθεί την επιτυχία σε ολόκληρο τον οργανισμό; Οι αριθμοί της Gartner απαντούν ξεκάθαρα: Όχι.
Τι λείπει, λοιπόν; Τι πρέπει να κάνουν οι ηγέτες της τεχνολογίας για να διασφαλίσουν ότι η τεχνητή νοημοσύνη δεν θα είναι απλώς ένα εργαλείο για να εντυπωσιάζουν, αλλά ένα πραγματικό μέσο για την επίτευξη αποτελεσμάτων;
Η απάντηση βρίσκεται στην «επιχειρησιακή ετοιμότητα»" Για την τεχνητή νοημοσύνη. Με απλά λόγια: η δυνατότητα ανάπτυξης, διαχείρισης και κλιμάκωσης της τεχνητής νοημοσύνης, ώστε να μετακινείται από τα όρια των εργαστηρίων και των μικρών εργαστηρίων σε όλα τα μέρη του οργανισμού.
Αυτό σημαίνει ότι πρέπει να καταβληθεί η απαραίτητη προσπάθεια για να διασφαλιστεί η μετάβαση του έργου από ένα επιτυχημένο αλλά μεμονωμένο πείραμα σε ένα βασικό, ολοκληρωμένο στοιχείο των λειτουργιών του οργανισμού. Αυτό επιτυγχάνεται με την ανάπτυξη τεχνητής νοημοσύνης σε μια ενοποιημένη και ολοκληρωμένη πλατφόρμα που συνδυάζει υπολογιστικές δυνατότητες, διαχείριση δεδομένων και διακυβέρνηση ασφάλειας. Το κρίσιμο σημείο είναι ότι αυτή η πλατφόρμα έχει σχεδιαστεί για να αναπτύσσεται και να χρησιμοποιείται οπουδήποτε εντός του οργανισμού, είτε σε κέντρα δεδομένων εντός εγκαταστάσεων, είτε μέσω υπηρεσιών cloud, είτε ακόμα και στα όρια του.
Αυτή η έννοια δεν είναι καινούργια για εμάς. Για την επιτυχή λειτουργία οποιουδήποτε ζωτικού εταιρικού συστήματος – όπως τα συστήματα Σχεδιασμού Επιχειρηματικών Πόρων (ERP) ή Διαχείρισης Σχέσεων με Πελάτες (CRM) – η έμφαση πρέπει πρώτα να δοθεί στην ευρωστία της επιχειρησιακής υποδομής. Το ίδιο ισχύει και για την τεχνητή νοημοσύνη, αλλά με μια βασική διαφορά.
Εδώ βρίσκονται μοναδικές προκλήσεις που δεν μπορούν να παραβλεφθούν όταν εφαρμόζουμε αυτή τη λογική στην τεχνητή νοημοσύνη.
Είναι εύκολο να περιορίσουμε την εξίσωση της υποδομής τεχνητής νοημοσύνης σε μόνο GPU, αλλά η πραγματικότητα είναι πολύ ευρύτερη. Η μνήμη υψηλού εύρους ζώνης, η εξαιρετικά γρήγορη αποθήκευση και η ισχυρή δικτύωση είναι εξίσου σημαντικά στοιχεία. Για να μην αναφέρουμε τον ρόλο άλλων επεξεργαστών και επιταχυντών, οι οποίοι ποικίλλουν ανάλογα με το συγκεκριμένο στάδιο της ροής εργασίας.
Το πιο σημαντικό είναι ότι αυτή η υποδομή —είτε είναι εσωτερική, cloud-based είτε υβριδική— πρέπει να είναι σε θέση να αναπτύσσεται και να προσαρμόζεται καθώς το έργο εξελίσσεται. Δεν αρκεί η επιτυχία σε μια περιορισμένη πιλοτική φάση. Πρέπει επίσης να αντέξει στη δοκιμασία όταν το έργο μετατραπεί σε ένα σύστημα παραγωγής πλήρους κλίμακας για ολόκληρη την επιχείρηση. Και η τεχνητή νοημοσύνη, από τη φύση της, είναι πιο διασυνδεδεμένη και πολύπλοκη από τα παραδοσιακά επιχειρηματικά συστήματα.
Αλλά το ζήτημα υπερβαίνει κατά πολύ την επεξεργαστική ισχύ και την χωρητικότητα αποθήκευσης. Όταν μιλάμε για Τεχνητή Νοημοσύνη σε επίπεδο επιχείρησης, η ασφάλεια και η διακυβέρνηση γίνονται μια κόκκινη γραμμή που δεν μπορεί να ξεπεραστεί. Τα δεδομένα και τα ιδιόκτητα μοντέλα ενός οργανισμού αποτελούν το πραγματικό του κεφάλαιο για το μέλλον και πρέπει να παραμείνουν με ασφάλεια στην κατοχή του.
Εδώ, τα πράγματα περιπλέκονται ακόμη περισσότερο με την εμπλοκή των νόμων περί κυριαρχίας δεδομένων και τους αυξανόμενους κανονισμούς που διέπουν την τεχνητή νοημοσύνη. Δεν είναι πλέον αποδεκτό οι ηγέτες της τεχνολογίας να εμπιστεύονται απλώς. Πρέπει να έχουν απόλυτη βεβαιότητα σχετικά με το πού αποθηκεύονται τα δεδομένα τους και ακριβή γνώση του ποιος έχει πρόσβαση σε αυτά και σε ποιον δεν έχει πρόσβαση.
Ενώ οι δυνατότητες της τεχνητής νοημοσύνης είναι απεριόριστες, το ίδιο ισχύει και για το κόστος σε περίπτωση κακής διαχείρισης αυτής της υποδομής. Φανταστείτε να πληρώνετε ένα υψηλό τίμημα για μονάδες επεξεργασίας και κατανάλωση ενέργειας, μόνο και μόνο για να αφήνετε αυτούς τους πόρους αδρανείς. Αυτό όχι μόνο δημιουργεί ένα κενό στην απόδοση της επένδυσης, αλλά υπονομεύει και τις περιβαλλοντικές και κοινωνικές δεσμεύσεις του οργανισμού.
Λειτουργική επέκταση
Οι ηγέτες της τεχνολογίας πρέπει να σχεδιάσουν από την αρχή πώς να επεκτείνουν την τεχνολογική τους δυναμικότητα —και να τη μειώσουν όταν είναι απαραίτητο— και, επιπλέον, πρέπει να είναι σε θέση να διαχειρίζονται και να προβλέπουν με ακρίβεια το κόστος. Για αυτό, χρειάζονται μια πλατφόρμα και εργαλεία που τους δίνουν την αυτοπεποίθηση να κάνουν όλα αυτά ομαλά και εύκολα.
Αυτή η ανάγκη γίνεται ακόμη πιο πιεστική με την εισαγωγή των πρακτόρων Τεχνητής Νοημοσύνης. Η παρουσία αυτών των πρακτόρων σημαίνει ότι τα αυτοματοποιημένα συστήματα θα έχουν πρόσβαση σε δεδομένα, θα δημιουργούν νέες πληροφορίες και θα λαμβάνουν αποφάσεις. Η ασφάλεια, η διακυβέρνηση και η συμμόρφωση πρέπει να παραμείνουν αυστηρές και χωρίς συμβιβασμούς. Η υποδομή πρέπει να είναι ικανή να εξυπηρετεί αυτούς τους πράκτορες και να διαχειρίζεται ξαφνικές αυξήσεις στη ζήτηση καθώς εκτελούν τα καθήκοντά τους. Επιπλέον, πρέπει να δοθεί προσεκτική προσοχή στην τοποθέτηση τεχνικών πόρων για την ελαχιστοποίηση των χρόνων απόκρισης για φόρτους εργασίας συμπερασμάτων σε πραγματικό χρόνο, διατηρώντας παράλληλα την κατανάλωση ενέργειας εντός εύλογων ορίων.
Όταν λάβουμε υπόψη όλες αυτές τις παραμέτρους, η πραγματική εικόνα της επιχειρησιακής ετοιμότητας στην εποχή της τεχνητής νοημοσύνης γίνεται σαφής.
Αυτή η ετοιμότητα απαιτεί μια ολοκληρωμένη, έτοιμη προς χρήση προσέγγιση: μια ισχυρή πλατφόρμα ικανή να φιλοξενήσει GPU και άλλους απαραίτητους επιταχυντές. Αυτή η πλατφόρμα πρέπει να περιλαμβάνει ενσωματωμένες υπηρεσίες δεδομένων που υποστηρίζουν όλες τις μορφές που απαιτούνται από την τεχνητή νοημοσύνη, μαζί με ισχυρούς ελέγχους ασφαλείας και διακυβέρνηση. Θα πρέπει επίσης να υποστηρίζει τόσο εικονικές μηχανές όσο και κοντέινερ, με τη δυνατότητα συντονισμού της λειτουργίας τους.
Ο αγώνας για την ανάπτυξη και το όφελος από την τεχνητή νοημοσύνη είναι αρκετά εξαντλητικός και κανείς δεν θέλει να δώσει ταυτόχρονα τη μάχη της μετάβασης σε υποδομές που βασίζονται στο cloud.
Ενώ τα μεγάλα γλωσσικά μοντέλα (LLM) ενδέχεται να μην παρέχουν πάντα πανομοιότυπες απαντήσεις, η υποκείμενη υποδομή της τεχνητής νοημοσύνης —γενετική και επαγωγική— πρέπει να είναι το αντίθετο: επαναλήψιμη και τυποποιήσιμη. Αυτή είναι μια θεμελιώδης απαίτηση για κάθε εταιρεία που επιδιώκει να επεκταθεί για να καλύψει την αυξανόμενη ζήτηση, είτε στο cloud, είτε στις εγκαταστάσεις της, είτε στα όρια της αγοράς.
Όταν οι ηγέτες της τεχνολογίας διαθέτουν την κατάλληλη πλατφόρμα και τα κατάλληλα εργαλεία, μπορούν να καθοδηγήσουν τις ομάδες τους προς τον τελικό στόχο: τη συνεχή μεγιστοποίηση της αξίας που προκύπτει από τις επενδύσεις στην Τεχνητή Νοημοσύνη, αντί να σπαταλούν χρόνο και πόρους παλεύοντας για να μετατρέψουν ένα επιτυχημένο πιλοτικό έργο σε μια ολοκληρωμένη επιχειρηματική στρατηγική.
Τελικά, είτε ποντάρουν τα πάντα στην τεχνητή νοημοσύνη είτε την αντιμετωπίζουν ως ένα μόνο εργαλείο στην ευρύτερη εργαλειοθήκη τους, ένα πράγμα παραμένει βέβαιο: οι ηγέτες της τεχνολογίας πρέπει να αναγνωρίσουν μια αναπόφευκτη αλήθεια: η Τεχνητή Νοημοσύνη είναι εγγενώς μια επιχειρηματική εφαρμογή. Και οι εταιρικές εφαρμογές δεν ανέχονται εύθραυστες ή προσωρινές λύσεις. Απαιτούν υποδομή σε επίπεδο επιχείρησης ικανή να υποστηρίξει το έργο από την αρχική του πειραματική φάση έως την πραγματική παραγωγή και στο μέλλον.
Επειδή μόνο αυτό θα διασφαλίσει την επιβίωση και τη συνέχιση των θεσμών τους μακροπρόθεσμα.
Από: Ahmed Rashad, Ειδικός Τεχνητής Νοημοσύνης στην Nutanix
https://tafaol.sa/?p=100106
