L'AI vuole nuove architetture dati

Cloudera la chiama "the great AI re-architecture": la rivisitazione tecnologica delle architetture dati aziendali che è necessario attuare per fare in modo che le nuove applicazioni e i nuovi servizi di intelligenza artificiale possano alimentarsi sempre con dati significativi, aggiornati, affidabili. Una riprogettazione architetturale che le aziende già "rodate" in campo AI vedono come indispensabile: senza di essa - e quindi restando legati alle data architecture tradizionali - non si può trarre vero valore dall'AI. E non si possono nemmeno soddisfare i suoi requisiti di governance, performance, costo, sovranità, sicurezza.

Il tema è al centro di una survey che Cloudera stessa e Wakefield Research hanno condotto su un campione di 1.500 professionisti tra Enterprise Architect, Cloud Infrastructure Lead e Data Architect. Un campione abbastanza eterogeneo perché distribuito sulle grandi imprese delle tre principali regioni dell'IT (Americhe, EMEA, Asia-Pacifico), anche se a copertura di sole nove nazioni: Brasile, Canada, Giappone, India, Regno Unito, Singapore, Spagna, Sudafrica, USA.

Dal punto di vista di Cloudera, la "great AI re-architecture" è, in sintesi, una riprogettazione strategica dell'architettura dati aziendale che permetta di far crescere in modo più efficace l'applicazione dell'intelligenza artificiale nei vari processi d'impresa. Una riprogettazione che, all'atto pratico, fa rivedere dove risiedono i dati, dove vengono eseguiti i workload AI, come la data governance si applica tra i diversi ambienti, come vengono gestiti i dati sensibili nei diversi processi. Il tutto, poi, controllando i costi (crescenti) dell'AI e garantendo sempre un buon grado di flessibilità tecnologica.

Fonte: Cloudera

Per il tipo di aziende coinvolte da Cloudera, la necessità di questa riprogettazione è abbastanza evidente. Il 95% del campione indica di avere, nell'ultimo anno, ritardato o cancellato uno o più progetti AI per questioni di data governance, di compliance o di rispetto delle normative. E per una quota comunque maggioritaria (il 55%) i progetti cancellati sono stati più di sei. Come conseguenza, i decisori aziendali già sanno che ci sono interventi "pratici" da fare: il 75% del campione indica che l'integrazione dell'AI ha cambiato la gestione dello storage e dei dati, e il 72% ha compreso che la propria data architecture richiede cambiamenti significativi per poter arrivare agli obiettivi aziendali prefissati in campo AI.

Questa esigenza di cambiamento, sottolinea Cloudera, viene in un certo senso anticipata da tanti indicatori - sintomi, quasi - che si fanno evidenti man mano che si passa dai progetti AI pilota ad integrare l'AI nei processi aziendali "core". È in questa fase che si vede come architetture dati inadeguate diventano un fattore di freno: quello che andava bene per i progetti pilota non è abbastanza per produrre risultati su scala enterprise, uno scenario in cui i modelli di AI richiedono un accesso costante, e corretto, a dati verificati e di alta qualità. Ed ecco i "dolori di crescita" dell'AI: spingere sull'acceleratore dell'intelligenza artificiale porta un aumento dei costi dell'infrastruttura IT (lo indica l'84% del campione Cloudera) e infine a cambiare la gestione dello storage e dei dati a livello aziendale (è già accaduto per il 75% del campione).

Quale sia il singolo fattore che spinge definitivamente a questo cambiamento, una volta che l'AI è davvero "dentro" l'impresa, dipende da azienda ad azienda. Il 42% del campione Cloudera è intervenuto sulle architetture dati e sui sistemi di storage spinto principalmente da questioni di sicurezza, governance e compliance. Il 35% lo ha fatto per avere performance migliori, e una quota analoga per abilitare funzioni di AI in tempo reale o all'edge. Il 33% per seguire la diffusione delle iniziative di AI in azienda, e la stessa percentual per ridurre la dipendenza da un singolo cloud provider.

Quest'ultima indicazione del campione mette in evidenza un altro aspetto che per Cloudera è fondamentale: il futuro dell'AI è ibrido e distribuito, con architetture e processi "sparsi" tra cloud pubblico, cloud privato e buon vecchio on-premise. Ad esempio, il 66% del campione ha indicato di avere già spostato, negli ultimi 12 mesi, workload di AI dal cloud pubblico all'on-premise o ad ambienti private cloud.

Questo non vuol dire che il cloud pubblico non convince più. Vuole però dire che le aziende vogliono poter collocare i workload di AI nell'ambiente che giudicano più indicato, in base a considerazioni di performance, costi, latenza, governance, disponibilità, accessibilità. Ecco perché le architetture ibride diventano già predominanti, sebbene di poco: il 31% del campione indica che la maggioranza dei suoi workload di inferenza gira in ambienti di cloud ibrido, mentre il 30% cita i cloud pubblici, il 22% il private cloud e l'8% l'on-premise.

Fonte: Cloudera

In sintesi, le imprese votate all'AI vogliono tenersi le mani libere su dove organizzare i propri workload. Dipende da caso a caso, in funzione delle esigenze della singola impresa e anche del singolo progetto. Il che spiega come mai le previste future (per i prossimi due anni) spese tecnologiche sono decisamente variegate: il 29% del campione intende aumentare la spesa genericamente in cloud, il 25% soprattutto in ambienti ibridi, il 24% nell'on-premise, il 22% all'edge.

Tutto questo è un segnale positivo, nel complesso, ma pone anche un problema importante: l'eterogeneità architetturale è una gran cosa ma richiede flessibilità e comporta complessità. Tecnologica, di storage e di data governance. Non è facile andare a recuperare, in modo costante e coerente, grandi volumi di dati che possono essere in cloud, on-premise, in applicazioni SaaS, all'edge. E allo stesso tempo garantendo il rispetto delle necessarie policy - di accesso, utilizzo, privacy, qualità, compliance lato dati - quando i "consumatori" di quei dati sono migliaia di agenti AI che intanto dialogano con utenti interni, partner esterni, clienti. 

Le aziende che sono già avanti nell'utilizzo dell'AI tutto questo lo hanno ormai capito: il 29% del campione Cloudera sottolinea che l'integrazione dell'AI ha reso la data governance in generale più complessa. E le imprese non si fanno tante illusioni: il problema è ovunque. Alla domanda su quale ambiente IT giudicassero come il più complesso da governare per i workload di AI, infatti, le imprese non ne hanno salvato nessuno: per il 29% è il private cloud, per il 24% è il cloud ibrido, per il 20% è il public cloud, per il 14% è l'edge, per il 9% è l'on-premise. Con un livello di complessità in più dato dal fatto che i dati non stanno fermi: il 97% li sposta tra tutti questi ambienti IT almeno una volta al mese, il 31% almeno una volta al giorno.