בינה מלאכותית (AI) היא מרכיב דומיננטי כמעט בכל שיחה על טרנספורמציה דיגיטלית ונתונים ארגוניים, אבל בשיחות הללו כמעט שלא מדברים על ה"פיל שבחדר": ההשפעה של AI על תשתית IT קיימות. כולם יודעים שהבינה המלאכותית מציבה דרישות חדשות לאחסון הארגוני. שימוש ב-AI דורש ריבוי עננים היברידיים ומצב זה מצידו מייצר דרישות שהולכות וגוברות להגנה על נתונים וחוסן סייבר. המצב הופך למורכב מאוד. הנה כמה נתונים שכל מנהל IT חייב לדעת:
1. פשטות ניהול הנתונים - הכישלון בהתמודדות עם האתגרים ההולכים וגדלים של ניהול נתונים ארגוניים יכול להשפיע ישירות על התחרותיות והיעילות של הארגונים גם בעידן ה-AI. לכן חובה לדאוג לפישוט ניהול הנתונים - זהו שלב הכרחי בדרך לטרנספורמציה דיגיטלית מתקדמת. אם בעבר הארגון ניגש לאחסון על בסיס כל מקרה לגופו, הוא נדרש כעת, בעידן ה-AI, לחשיבה הוליסטית על נתונים ארגוניים.
2. משאבי מחשוב וחישוב - משימות AI ומשימות למידת מכונה (Machine Learning) הן אינטנסיביות מאוד מבחינה חישובית ועשויות לדרוש חומרה מיוחדת כמו GPUs או TPUs. משאבים אלו יכולים להימצא בתוך הארגון עצמו, אך כיום יותר ויותר ארגונים ממנפים משאבי מחשוב מבוססי ענן שאותם ניתן להגדיל או להקטין לפי הצורך. הדבר מספק גמישות וחסכוניות בשימוש בשירותים.
3. מערכות לעיבוד נתונים - לפני שניתן להשתמש בנתונים ביישומי AI, יש צורך לעיתים קרובות לעבד אותם קודם לכן: לנקות, לשנות ולבנות אותם. מערכות לעיבוד נתונים יכולות להתמודד עם מערכי נתונים גדולים ולבצע טרנספורמציות מורכבות. הן גם מאפשרות עיבוד מבוזר של הנתונים, מה שמאיץ משמעותית את מהירות משימות העיבוד. אלה מערכות שצריך לקחת אותן בחשבון בבניית מערך AI בארגון.
4. לא מתחילים לפני שמגדירים - הנהלת הארגון, בשיתוף מנהל ה-IT, חייבת להבין ולהגדיר בבירור, עוד לפני שמתחילים, את היעדים העסקיים אותם ניתן להשיג באמצעות בינה מלאכותית ואת הבעיות אותן רוצים לפתור באמצעותה. מפת דרכים מובנית ומסודרת מסוג זה תנחה את כל עיצוב תשתיות ה-AI, כולל בחירת החומרה והתוכנה שיידרשו לכך.
5. דרישות רשת תקשורת נתונים - זרימת נתונים יעילה היא חיונית במערכות AI. הן דורשות רשתות עם רוחב פס גבוה וזמן אחזור נמוך, והן מאפשרות להעביר נתונים במהירות בין המקום שבו הם מאוחסנים למקום שבו הם מעובדים. חשוב לדאוג שרשתות הארגון יהיו מותאמות לכך.
6. בניית תשתית נתונים חכמה (Intelligent Data Infrastructure) - במקום לדבר רק על אחסון בעולם שבו איכות הנתונים קובעת את איכות התוצאות, עולם ה-AI, כדאי לחשוב על ניהול תשתית נתונים חכמה, שכן תשתית כזו מנהלת את מורכבות הנתונים, משפרת את האבטחה ונותנת מענה לצרכי קיימות מתפתחים. היא מאפשרת גמישות והדרגתיות הנדרשות לעולם ניהול הנתונים ארגוניים על פני תשתיות מגוונות, כולל עננים היברידיים ותשתיות המתמקדות בבינה מלאכותית.
7. שימוש בענן או בנייה בתוך הארגון - מנהל ה-IT, יחד עם הנהלת הארגון, צריכים להחליט האם לבנות את תשתיות ה-AI בענן, או בתוך משאבי המחשוב הארגוניים. הענן מציע יתרונות כגון גמישות ויכולת התרחבות, אך פתרונות מקומיים עשויים לספק יותר שליטה וביצועים טובים יותר עבור עומסי עבודה מסוימים.
8. יכולת התרחבות מדורגת - חשוב מאוד לעצב את תשתית הבינה המלאכותית כך שהיא תהיה ניתנת להרחבה. סביר להניח שהמשימות של השנה הראשונה יהיו שונות מהמשימות שיגיעו לאחר מכן, והמערכת צריכה להיות ניתנת להרחבה כדי להתמודד עם נפחי נתונים גדולים ומורכבים יותר של בינה מלאכותית. לכן, גם אם ההחלטה היא לבסס את תשתיות המחשוב הנדרשות בתוך הארגון, כדאי לשלב איתן שימוש במחשוב מבוזר או ניצול המשאבים האלסטיים הזמינים בענן.
9. הטמעת המערכת חייבת לכלול אמצעי אבטחת מידע מובנים - יכול להיות שתשתיות ה-AI הארגוניות החדשות ידרשו אמצעי אבטחת מידע שונים מאלו בהם השתמש הארגון עד כה. חשוב לוודא שתשתית הבינה המלאכותית ואמצעי האבטחה שלה תואמים לכל החוקים, הרגולציות והתקנות הרלוונטיים, במיוחד אם תשתיות אלו כוללות נתונים רגישים או אישיים.
10. ניטור, תחזוקה ובדיקת ביצועים - ברגע שתשתית הבינה מוקמה בתוך הארגון, יש לתחזק ולנטר אותה כדי להבטיח שהיא תמשיך לפעול היטב. מעבר לשלבים ההכרחיים, כמו עדכון שוטף של תוכנה, בדיקת תקינות המערכת וכוונון ביצועים, יש לעקוב אחר המערכת ולוודא שהיא אכן מעניקה את הערך המוסף העסקי אליו היא יועדה מלכתחילה.
הכותב הוא CTO בחברת NetApp ישראל
