10 דברים שמנהלי IT צריכים לדעת כדי להתכונן נכון לעידן ה-AI
כולם מדברים על בינה מלאכותית, אך הדרך שבה כל ארגון ימנף את הנתונים שלו באמצעות AI לטובת הצלחה עסקית תהיה שונה לחלוטין. אם אתם מנהלי IT בארגונים, הגיע הזמן לחשב מסלול מחדש
מאת ארז גל-חן
בינה מלאכותית (AI) היא מרכיב דומיננטי כמעט בכל שיחה על טרנספורמציה דיגיטלית ונתונים ארגוניים, אבל בשיחות הללו כמעט שלא מדברים על הפיל שבחדר: ההשפעה של AI על תשתית IT קיימת. כולם יודעים שהבינה המלאכותית מציבה דרישות חדשות לאחסון הארגוני: שימוש ב-AI דורש ריבוי עננים היברידיים, שבעצמו מייצר דרישות שהולכות וגוברות להגנה על נתונים וחוסן סייבר, וכך אט אט המצב הופך למורכב מאוד. כדי שלא תסתבכו או תשכחו שום דבר אספנו עבורכם כמה נקודות שכל מנהל IT חייב לדעת בהטמעת טכנולוגיית AI.
1. לא מתחילים לפני שמגדירים
לפני שמתחילים בכלל, הנהלת הארגון, בשיתוף מנהל ה-IT, חייבת להבין ולהגדיר בבירור את היעדים העסקיים שאותם ניתן להשיג באמצעות בינה מלאכותית ואת הבעיות שאותן רוצים לפתור באמצעותה. מפת דרכים מובנית ומסודרת מסוג זה תנחה את כל עיצוב תשתיות ה-AI, כולל בחירת החומרה והתוכנה שיידרשו לכך.
2. פשטות ניהול הנתונים
חשוב לזכור שגם בעידן ה-AI, התחרותיות והיעילות של הארגונים מושפעות מהדרך שבה הם מתמודדים עם האתגרים ההולכים וגדלים של ניהול הנתונים שלהם. אם בעבר הארגון ניגש לאחסון על בסיס כל מקרה לגופו, הוא נדרש כעת לחשיבה הוליסטית על נתונים ארגוניים, ולכן פישוט ניהול הנתונים הוא שלב הכרחי בדרך לטרנספורמציה דיגיטלית מתקדמת.
3. 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, ויש גם רבים מהארגונים הממנפים משאבי מחשוב מבוססי ענן, שאותם ניתן להגדיל או להקטין לפי הצורך, מה שמספק גמישות וחסכוניות בשימוש בשירותים.
4. מערכות לעיבוד נתונים
לפני שניתן להשתמש בנתונים ביישומי AI, לרוב יש צורך 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. חשוב להביא אותן בחשבון בבניית מערך AI בארגון.
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, כלומר בעולם ה-AI, כדאי לחשוב על ניהול תשתית נתונים חכמה. 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 אם 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. חשב להבין את היתרונות והחסרונות של כל אחד מהפתרונות ביחס לצורכי ויכולות הארגון.
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 חייבת לדעת 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 לנצל את 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 מאלה שבהם 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
