Un’infrastruttura IT flessibile e scalabile è un prerequisito per qualsiasi organizzazione data-driven e AI-Driven. Il successo di un’azienda con i dati e l’AI dipende in definitiva dal suo ambiente tecnologico*.
Essere AI-Driven significa migliorare l’anti-fragilità aziendale
La tecnologia può rendere fragili. Noi come esseri umani siamo adattabili, impariamo continuamente dalle nostre esperienze (o, almeno, dovrebbe essere così), sempre desiderosi di percepire il mondo intorno a noi con i nostri sensi, capaci di improvvisare e cambiare i nostri comportamenti, se necessario.
Al contrario, l’informatica tradizionale (cioè l’IT prima dell’AI) è fissa, ripetitiva e programmata nei dettagli, il che significa, in definitiva, che è fragile. Più si introduce l’informatica classica in un’organizzazione, più un’organizzazione può diventare efficiente. Ma la stessa organizzazione può anche essere resa più complessa e più rigida, fallendo quando le cose devono essere modificate, come ci insegnano molti progetti di trasformazione IT.
L’automazione, se realizzata con l’IT classico, nonostante tutti i suoi benefici in termini di efficienza, potrebbe rendere la vostra azienda più fragile. Per diventare resiliente, o addirittura anti-fragile, la vostra organizzazione deve essere in grado di percepire il mondo, essere in grado di personalizzare le interazioni, adattarsi dinamicamente e imparare continuamente dai dati. In breve, la vostra infrastruttura deve essere guidata dall’AI, come la vostra azienda.
I primi passi per l’infrastruttura AI-Driven
Per cominciare, il cloud è il riferimento per qualsiasi carico di lavoro AI ad alta intensità di dati, poiché l’infrastruttura deve essere in grado di adattarsi alle nuove esigenze emergenti in modo estremamente efficiente e rapido.
La fornitura di storage, potenza di calcolo e/o software tramite servizi cloud sta diventando sempre più fondamentale per qualsiasi organizzazione. Il cloud, con la sua enorme capacità ed efficienza, ha infranto il tetto di qualsiasi parametro di qualità in termini di scalabilità, disponibilità e, molto spesso, prezzo.
Particolarmente critico per qualsiasi IA è avere sufficienti risorse di calcolo CPU e GPU.
Il networking è un altro componente chiave per qualsiasi infrastruttura AI-driven. Per fornire l’alta efficienza su scala richiesta dal machine learning, le organizzazioni hanno spesso bisogno di aggiornare le loro reti di comunicazione, insieme al resto della loro IT.
Inoltre, lo sfruttamento del software-defined networking può portare a migliorare la flessibilità dell’infrastruttura fornendo le capacità dell’infrastruttura “come un software”. Un’infrastruttura definita dal software astrae il livello dell’hardware, rendendo invisibili i nodi hardware in uno stack software. Una SDI è spesso progettata per essere gestita quasi senza attività manuali.
Nel creare un’infrastruttura data-driven, le aziende devono considerare molti fattori, tra cui se distribuire i dati nel cloud o on-premise a causa di regolamenti e altre ragioni di business.
Spesso, sarete in grado di memorizzare la maggior parte dei dati nel cloud mentre potenzialmente potrete mantenere in sede alcuni sottoinsiemi specifici di essi. L’accesso e il controllo dei dati sono estremamente importanti per molte priorità di privacy e sicurezza. Per questo motivo, le organizzazioni devono prestare particolare attenzione alla gestione delle identità e degli accessi, così come alla crittografia e alla governance dei dati.
Tutto questo dovrebbe avvenire su quattro livelli di gestione dei dati e delle identità: raccolta dei dati, archiviazione, elaborazione e comunicazione delle intuizioni dai dati.
Infrastruttura AI-Driven: la strategia no-code/low-code
In termini di piattaforme, software, strumenti, i dati e l’IA sono disponibili in molti livelli diversi di complessità e possono eseguire una varietà di funzioni. La funzionalità può variare, dall’automazione di una sola attività specializzata a piattaforme olistiche di uso generale che orchestrano grandi insiemi di attività.
Inoltre, alcuni di essi richiedono esperti e scienziati dei dati, mentre altri sono no-code o low-code, con qualsiasi dipendente (e qualsiasi cittadino) in grado di creare la propria applicazione AI-driven in poche ore o meno. Chiaramente, l’elenco dei fornitori e delle opzioni è enorme, e non entreremo qui nello specifico.
Nella galassia di piattaforme infrastrutturali che potete considerare per sostenere la vostra organizzazione AI-driven, avere una strategia no-code/low-code sta diventando della massima importanza.
Forrester (via Information Age) definisce low-code come “prodotti e/o servizi cloud per lo sviluppo di applicazioni che impiegano tecniche visive e dichiarative invece della programmazione”. E Gartner lo caratterizza come piattaforme che forniscono “caratteristiche di sviluppo rapido di applicazioni (RAD) per lo sviluppo, la distribuzione e l’esecuzione – nel cloud”.
In breve, no-code/low-code rendono la creazione di nuove applicazioni fattibile per tutti, compresi gli stakeholder aziendali e i non programmatori. Con no-code/low-code, è possibile creare applicazioni semplicemente usando la visualizzazione grafica e i metodi drag-and-drop, anche quando si include l’AI.
Inoltre, in un’azienda guidata dall’IA, qualsiasi tempo di inattività si traduce direttamente in gravi impatti sul business e talvolta in una perdita di valore strategico. Per questo motivo, l’uso dell’IA per il funzionamento dell’infrastruttura tecnologica può essere esso stesso un grande abilitatore per ridurre i tempi di inattività.
Con un buon uso di dati e AI, è possibile capire quale componente dell’infrastruttura ha causato il problema e attivare qualsiasi misura necessaria, a volte anche preventivamente, per evitare problemi prima che si verifichino.
Infine, nessuna discussione riguardante le organizzazioni guidate dai dati avrebbe senso senza i dati stessi. L’infrastruttura aziendale, per essere completata, ha bisogno di sensori (IoT), accesso sociale, canali di comunicazione e modi di interagire e raccogliere dati da tutte le parti interessate. L’infrastruttura data-driven deve raccogliere dati da innumerevoli dispositivi, prodotti, sensori, beni, luoghi, veicoli. È qui che il cloud e l’edge spesso collaborano, creando un’infrastruttura ibrida e dinamica.
Conclusioni
Per concludere, avere un’infrastruttura AI-driven è la base tecnologica per qualsiasi azienda AI-driven, su cui i processi operano per servire una strategia, un’organizzazione e una cultura uniche e ben definite.
Tutto questo, tuttavia, non è di alcun beneficio se l’organizzazione non possiede le competenze e le capacità necessarie, come approfondiremo nel prossimo articolo di questa serie.
*Nel primo articolo di questa serie, “Come diventare un’AI-Driven company”, abbiamo descritto cosa significa da una prospettiva strategica, culturale e organizzativa. Nel secondo, abbiamo affrontato la revisione dei processi. Qui condivideremo la necessità di un’infrastruttura AI-driven.
Infine, nel prossimo e ultimo articolo, tratteremo il complesso e diversificato insieme di competenze e capacità necessarie per sostenere i prodotti e servizi AI-driven.
