AI e edge analytics: l’importanza di un’architettura cloud moderna

Negli ultimi anni, la faccia di tecnologie in uso già da tempo sta cambiando drasticamente. Infatti, i rapidi progessi nell’ambito dell’AI e dell’edge analytics stanno portando a grandi cambiamenti nello scenario del cloud e della gestione dei dati. Ce ne parla Paul Mackay, Vicepresidente Cloud, EMEA & APAC di Cloudera.

Il cloud, da sempre tecnologia flessibile e agile per l’archiviazione dei dati, si sta evolvendo molto rapidamente e sta assumendo un ruolo di fondamentale importanza nelle strategie aziendali. La rapida evoluzione, però, presenta anche molte sfide legate alla gestione dei dati. E l’unico modo per trarre il massimo valore da innovazioni come AI ed edge analytics è sostenerle con una moderna architettura dei dati.

L’importanza di una strategia di cloud ibrido nell’era dell’intelligenza artificiale

Una delle decisioni più importanti che un’azienda all’avanguardia nell’adozione di tecnologie di intelligenza artificiale deve compiere oggigiorno è la scelta della giusta strategia di cloud ibrido. Soprattutto perché la decisione se i set di dati siano più adatti agli ambienti on-premise o cloud non spetta più solo ai team IT, ma riguarda l’intera azienda.

Sempre più aziende stanno prediligendo il cloud. Esso infatti offre vantaggi economici e di gestione, particolarmente rilevanti per le aziende che si stanno approcciando al mondo dell’intelligenza artificiale. Infatti, grazie alla sua natura dinamica e ai prezzi “pay-as-you-go”, le imprese possono utilizzare il cloud per compensare i costi di ottimizzazione dell’intelligenza artificiale per i casi d’uso reali.

Una volta terminati i test, il modello basato sul cloud può essere semplicemente spento e applicato ai dati dell’azienda in produzione. Compariamo questo approccio con quello “fatto in casa”. Dato che per addestrare un modello linguistico di grandi dimensioni (LLM) servono centinaia (se non migliaia) di GPU apposite, e una sola di queste costa circa 30.000 dollari, è chiaro il motivo per cui le aziende si stiano orientando verso l’outsourcing per addestrare i loro modelli.

C’è però un problema. Con l’imminente introduzione di normative specifiche sull’intelligenza artificiale e l’aumento delle direttive sui dati, settori come quello bancario e delle telecomunicazioni si sentiranno obbligati a eseguire i loro modelli internamente, per necessità.

Fortunatamente, grazie all’analisi dei carichi di lavoro, una comprensione più approfondita dei dati e cloud ibrido è possibile giungere a un compromesso tra conformità e sostenibilità economica.

Non solo intelligenza artificiale: il ruolo dell’edge analytics

Il cloud ricoprirà un ruolo di fondamentale importanza nel supporto alle tecnologie edge. Si tratta di una tematica sempre più importante, in quanto la proliferazione dei dispositivi IoT in tutti i settori, combinata con l’analisi ai margini, sta rivoluzionando il modo in cui le aziende ricavano valore dai dati.

L’edge analytics si sta già mostrando come una tecnologia dall’immenso potenziale, come dimostrato già in applicazioni critiche, ad esempio l’invio automatico di ambulanze per pazienti con pacemaker intelligenti o il miglioramento della sicurezza dei veicoli autonomi.

Le aziende stanno scoprendo man mano ciò che l’edge è in grado di fare. E con la crescita esponenziale dei volumi di dati, la capacità di elaborarli e analizzarli vicino alla fonte acquista un valore inestimabile, perché non solo riduce la latenza, ma apre la strada a un processo decisionale più immediato e d’impatto.

Anche per quanto riguarda l’edge analytics, la gestione on-premises risulta essere scomoda e economicamente svantaggiosa. Infatti, le organizzazioni dovrebbero costruire data center vicini all’edge, in più punti della rete, cosa che comporterebbe un aumento dei costi sia iniziali che a lungo termine. Anche qui il cloud pubblico rappresenta l’opzione migliore per le aziende.

Alle aziende serve un’architettura dati moderna

Il successo dell’intelligenza artificiale e dell’edge analytics dipende dall’efficacia con cui le organizzazioni riescono a integrarli nei loro ecosistemi di dati. Le architetture dati esistenti spesso non sono in grado di gestire nativamente queste integrazioni, quindi vanno adattate e trasformate. Il tutto parte dal gettare le basi di una moderna architettura dati.

Sebbene il cloud sarà il fondamento dell’utilizzo dell’intelligenza artificiale e dell’edge analytics, alcuni dati dovranno comunque rimanere on premise. Il problema è proprio il gestire in casa le enormi quantità di dati richiesti e prodotti da intelligenza artificiale e edge analytics.

Solo unificando i propri dati attraverso una piattaforma dati olistica è possibile porre le basi necessarie per inaugurare la nuova era dell’utilizzo del cloud e ricavare valore dai propri dati, indipendentemente dal fatto che si trovino in sede o nel cloud.

Per maggiori informazioni sulle piattaforme dati ibride, vi invitiamo a visitare il sito web di Cloudera.

Hands-On Edge Analytics with Azure IoT: Design and develop IoT applications with edge analytical solutions including Azure IoT Edge (English Edition)

• Dow, Colin (Autore)

18,92 EUR

Acquista su Amazon