Come molti altri settori, anche quello delle telecomunicazioni sta vivendo una generale riflessione sul tema dell’utilizzo del cloud computing. Sono poche le aziende che seguono ancora il piano originale di spostare tutto nel cloud pubblico. Con carichi di lavoro diversi che richiedono l’utilizzo di ambienti operativi diversi per soddisfare le esigenze di conformità, sicurezza ed economia, gli scenari ibridi si sono rivelati il modo migliore per raggiungerli.
La migrazione al cloud ibrido
Oggi, molti fornitori di servizi stanno affrontando la stessa discussione. Dopo un periodo di rapida migrazione al cloud, hanno acquisito una migliore comprensione degli aspetti economici delle loro operazioni. Questa consapevolezza, unita all’evoluzione dei requisiti normativi e delle strategie aziendali, sta portando a una frequente rivalutazione dei carichi di lavoro da spostare sui diversi cloud. L’attenzione si concentra sulle strategie di cloud ibrido che forniscono la flessibilità necessaria per adattarsi ai mutevoli requisiti e agli obiettivi finanziari, operativi e di business.
Un modo per ridurre la complessità di un ambiente ibrido è quello di utilizzare una piattaforma orizzontale e unificata che fornisca un insieme coerente di strumenti operativi e funzionalità di sicurezza su più cloud. Le organizzazioni ottengono un controllo centrale utilizzando l’automazione per scalare e spostare i carichi di lavoro dal core all’edge al cloud pubblico e viceversa, cercando massima flessibilità e indipendenza nella scelta delle opzioni cloud attuali o future.
Automazione integrata e intelligenza artificiale
Per integrare al meglio i cloud con una piattaforma scalabile, sono essenziali due elementi: automazione end-to-end e intelligenza artificiale.
L’automazione è utile in diversi modi. Già oggi fornisce dati provenienti da molti dispositivi ed endpoint della rete e dell’IT, che vengono analizzati da applicazioni di intelligenza artificiale che offrono agli strumenti di automazione raccomandazioni per apportare modifiche proattive e reattive. Oltre a fornire una migliore intelligenza su ciò che si automatizza, l’AI può anche accelerare il processo di scrittura dei comandi software per eseguire l’automazione.
Il provisioning dei servizi di connettività è già automatizzato presso molti service provider, ma l’automazione a livello applicativo rimane un’opportunità aperta. Proprio come nel caso del cloud ibrido, i service provider devono adottare un approccio olistico all’automazione, sia a livello di rete e infrastruttura che di applicazioni aziendali. Si tratta di applicare l’automazione su scala più ampia in modo coerente e ripetibile, sia che si tratti del provisioning dell’infrastruttura, dello sviluppo di un servizio o dell’estrazione di dati da un sistema. L’automazione a livello aziendale può essere centralizzata su una piattaforma coerente per evitare isole di automazione e migliorare l’usabilità e la produttività complessive.
Migliorare l’infrastruttura con l’AI
Ad oggi, l’utilizzo dell’AI da parte dei fornitori di servizi tende a riguardare aree specifiche come il servizio clienti (con i chatbot), i controlli di conformità o il rilevamento di malware. L’uso dell’IA nell’ottimizzazione delle infrastrutture è ancora agli inizi, ma è destinato a svolgere un ruolo sempre più importante con lo sviluppo dell’IA generativa e dei modelli linguistici di grandi dimensioni (LLM). In questo contesto, il concetto di retrieval augmented generation (RAG) sarà particolarmente importante: la RAG fornisce agli LLM informazioni aggiuntive provenienti da fonti di conoscenza esterne, come dati attuali in tempo reale, informazioni contestuali, proprietarie o specifiche del dominio. In questo modo è possibile creare un sistema a circuito chiuso in grado di prendere automaticamente decisioni all’interno dell’infrastruttura, in modo da poterla regolare dinamicamente in base alle necessità.
Ciò può riguardare il monitoraggio del traffico, la gestione del carico, la messa a punto, la gestione del ciclo di vita della rete e la gestione dell’energia. Con quest’ultima, ad esempio, i carichi di lavoro possono essere compattati in unità più piccole per utilizzare meno energia nel datacenter, con conseguente riduzione dei costi. Finora questo richiedeva l’accesso a ciascun sistema separatamente e l’esecuzione di scheduler, quindi questo cambiamento è trasformativo. Nella rete di accesso radio (RAN), i modelli di intelligenza artificiale possono essere utilizzati per un controllo più dinamico di frequenze, settori, celle e stazioni base. L’intelligenza artificiale può anche semplificare e snellire le operazioni consentendo l’analisi delle cause in tempo reale per ridurre il tempo necessario a risolvere i problemi, o con l’analisi predittiva per prevenire i problemi prima ancora che si verifichino, offrendo un’esperienza di servizio generalmente migliore.
Trovare il giusto ruolo al cloud ibrido
L’ascesa dell’AI è, a sua volta, l’ascesa del cloud. Le organizzazioni si rendono sempre più conto di aver bisogno di risorse on-premise, sull’edge e nel cloud per ottenere il massimo dai loro progetti AI e quindi stanno lavorando all’integrazione strategica di soluzioni cloud ibride nelle iniziative di AI. Ciò è dovuto alla necessità di combinare la sicurezza e la sovranità dei dati con la potenza di calcolo necessaria per i potenti modelli di AI, tenendo sotto controllo i costi di formazione dei modelli e di inferenza dei modelli. In un certo senso, i servizi cloud e l’AI hanno una relazione simbiotica, con i primi che fungono da base per lo sviluppo continuo e l’adozione diffusa dell’AI. Questa integrazione è fondamentale per sbloccare nuove opportunità di business, come le applicazioni edge aziendali, e per trasformare le pratiche di lavoro tradizionali.
Verso un futuro competitivo
In definitiva, una riprogettazione radicale delle reti aiuterà i fornitori di servizi a impostare l’innovazione e a rimanere competitivi e pronti per il futuro.
È possibile creare un’infrastruttura completamente automatizzata che utilizzi operazioni e implementazione zero-touch, che abbia un controllo intelligente di calcolo, storage e rete e che sia in grado di auto-configurarsi, auto-ripararsi, auto-ottimizzarsi e auto-evolversi. Ma non è possibile farlo creando singoli elementi puntuali che operano in modo diverso o prendendo decisioni in silos.
Conclusioni
Per trarre vantaggio dalla connessione di tutto, dal core all’edge al cloud, crediamo fermamente che il settore abbia bisogno di un modello operativo, di una tecnica di automazione e di una piattaforma cloud comuni. Soprattutto, abbiamo bisogno di un approccio aperto e collaborativo all’ecosistema per costruire, testare e innovare per mettere insieme tutti questi elementi.
