Cloudera ha pubblicato l’indagine globale “The Great AI Re-Architecture”, che rivela un importante cambio di paradigma nell’IT enterprise: se finora l’implementazione dell’intelligenza artificiale veniva eseguita adattandosi alle infrastrutture esistenti, oggi sono sempre più numerose le aziende che stanno riprogettando le proprie architetture dati dalla base per rispondere alle esigenze generate dall’AI.

Sulla base delle risposte di 1.500 Enterprise Architect, Cloud Infrastructure Lead e Data Architect di tutto il mondo, il report evidenzia che, nonostante l’adozione generalizzata dell’AI, le architetture dati legacy limitano la capacità di scalare l’AI in modo sicuro, efficiente e sostenibile dal punto di vista dei costi.

I risultati indicano un cambiamento strutturale in tema di architettura IT enterprise. Se il 77% delle aziende utilizza già attivamente l’AI, quasi tutte (95%) hanno ritardato o cancellato iniziative AI nel corso dell’ultimo anno a causa di sfide legate alla data governance, alla compliance o ai requisiti normativi. Il 72% afferma inoltre che la propria architettura dati richiede una revisione profonda per superare gli ostacoli citati e rispondere alle esigenze future dell’AI, a conferma che i cambiamenti apportati finora non sono stati sufficienti a costruire una base solida per l'intelligenza artificiale su larga scala.

Nel loro insieme, questi dati evidenziano ciò che Cloudera definisce “The Great AI Re-Architecture”: la transizione di massa dalle architetture dati legacy verso ambienti ibridi che permettono alle organizzazioni di portare un’AI affidabile su dati affidabili, ovunque essi risiedano. Dopo una prima fase di progetti pilota isolati, l’AI è oggi in forte espansione e pienamente integrata nelle operazioni aziendali. Questa progettualità comporta una pressione crescente su infrastrutture che non sono mai state pensate per l’AI su larga scala.

Tre quarti (75%) degli intervistati nel report Cloudera hanno affermato che le integrazioni legate all’AI hanno già modificato le pratiche di archiviazione e architettura dati della propria organizzazione. Si tratta però, nella maggior parte dei casi, di interventi reattivi e incrementali: aggiustamenti apportati sotto pressione operativa, non riprogettazioni strutturali. L’84% segnala un aumento dei costi infrastrutturali legato ai carichi di lavoro dell’AI, una conseguenza diretta di questi cambiamenti tattici, che hanno tamponato i problemi senza risolverli alla radice. È proprio questo il motivo per cui il 72% riconosce la necessità di una revisione profonda: non perché nulla sia ancora cambiato, ma perché ciò che è cambiato finora non è bastato. Questi dati suggeriscono che le organizzazioni stanno ripensando non solo a dove portare i dati, ma anche a come gestirli e renderli disponibili ai sistemi di AI in modo strutturale e sostenibile.

In questo contesto di espansione, la governance sta diventando un elemento fondante del successo dell’AI enterprise. All’inizio di quest’anno, il Data Readiness Index di Cloudera aveva rilevato come il 75% delle organizzazioni ritenesse che l’AI stesse mettendo in luce i limiti dei processi di governance legacy. La nuova ricerca evidenzia un’ulteriore intensificazione di queste sfide, legata a un’adozione dell’AI sempre più diffusa e trasversale.

Quasi tre quarti (73%) dei partecipanti afferma che l’AI ha reso la data governance più complessa, e più della metà (55%) dichiara di aver ritardato o cancellato più di sei progetti di intelligenza artificiale negli ultimi 12 mesi a causa di sfide legate a governance, compliance o normative. A queste difficoltà, si aggiunge la crescente distribuzione dei dati: la quasi totalità dei rispondenti (97%) riferisce di spostare dati tra ambienti almeno una volta al mese, rendendo indispensabile una governance coerente tra cloud, cloud privato, ambienti on-premise ed edge per scalare l’AI in sicurezza.

Anche per questo le aziende stanno adottando in misura crescente architetture ibride per bilanciare performance, governance, costi e flessibilità, elementi critici per il successo dell’AI moderna. Due terzi (66%) dei rispondenti affermano di aver riportato workload AI da ambienti cloud pubblici verso infrastrutture cloud private o on-premises nell’ultimo anno, segnalando un cambiamento più ampio verso architetture ibride che ne consentono un’esecuzione dove offrono le migliori performance.

Guardando al futuro, le aziende stanno investendo trasversalmente in ambienti cloud, on-premise, edge e ibridi, anziché puntare su un unico modello di deployment. Un quarto dei rispondenti (25%) afferma di voler adottare un approccio hybrid-first nei prossimi due anni, confermando che il futuro dell’AI enterprise sarà definito dalla flessibilità, non da una singola strategia infrastrutturale.

Infine, l’adozione dell’AI non è più il fattore differenziante: lo è l’ottimizzazione dell’AI. Le organizzazioni che modernizzeranno le proprie architetture dati per governare i dati in modo coerente ed eseguire l’AI ovunque abbia più senso saranno nella posizione migliore per garantire un’AI scalabile e sicura, generando un valore di business duraturo.

“L’attuale era dell’AI sta spingendo le organizzazioni a ripensare la propria infrastruttura tecnologica dalle basi. Molte imprese stanno scoprendo che le architetture costruite per l’analisi tradizionale non sono state progettate per la scala, la governance e la flessibilità che l’AI richiede oggi. Il successo delle iniziative dedicate dipenderà dalla capacità di costruire una base dati che offra alle organizzazioni la libertà di eseguire l’AI dove ha più senso, senza compromettere il controllo o la sicurezza”, commenta Sergio Gago, Chief Technology Officer di Cloudera (nella foto di apertura).