Od powstania Internetu po eksplozję chmury obliczeniowej, każda ważna era technologiczna zmieniła sposób, w jaki wykorzystujemy i tworzymy dane. Według Sergio Gago, dyrektora ds. technologii w firmie Cloudera, obecnie wkraczamy w trzecią fazę big data, skoncentrowaną na konwergencji.
Niedawno wziął on udział w podcaście The AI Forecast, aby omówić, jak konwergencja systemów chmurowych i lokalnych przygotowuje grunt pod nową generację prywatnej sztucznej inteligencji, w której przedsiębiorstwa mogą w pełni kontrolować swoje dane, modele i cykle życia sztucznej inteligencji.
Oto najważniejsze wnioski z tej rozmowy.
Konwergencja chmury i środowisk lokalnych — oraz dlaczego umożliwia korzystanie z prywatnej sztucznej inteligencji
Paul: Porozmawiajmy o twojej wizji. Co oznacza dla Ciebie trzecia fala big data i dlaczego jest tak ważna?
Sergio: Zaczęliśmy od ery kontroli. Wiele firm miało własne centra danych, które dawały im kontrolę nad ich danymi. Potem nadeszła chmura i wkroczyliśmy w to, co nazywamy erą wygody. Zespoły z kartą kredytową mogły przejść do dowolnego systemu obsługi na ogromną skalę i rozpocząć pracę z danymi, czy to na potrzeby uczenia maszynowego, czy tworzenia pulpitów nawigacyjnych. Było to tak proste, że wprowadziło rozwiązania shadow IT do wielu przedsiębiorstw, co sprawiło, że kontrolowanie kosztów, całkowitego kosztu posiadania i zarządzania danymi stawało się coraz większym wyzwaniem.
Taka była historia chmury i danych. A teraz wystarczy kopnąć kamień, a pojawiają się setki silników, baz danych i opcji. Mówimy teraz o architekturach Frankensteina, gdzie firmy mają dziesiątki — jeśli nie setki — komponentów i usiłują je połączyć. Era wygody przyniosła tę złożoność.
Natomiast obecnie pojawiła się sztuczna inteligencja i agenty AI oraz wymogi regulacyjne i dotyczące zapewniania zgodności z przepisami dla wielu przedsiębiorstw i startupów. Aby zachować zgodność z przepisami, organizacje, zwłaszcza duże przedsiębiorstwa, muszą przywrócić wszystkie mechanizmy kontroli z pierwszej ery. Wszystko to zmusza firmy i osoby prywatne do konwergencji i zarządzania obydwoma światami — centrum danych i chmurą — aby mieć kontrolę i możliwość zarządzania centrum danych z utrzymaniem wygody korzystania z chmury. Dlatego tę trzecią falę nazywamy erą konwergencji.
Prywatna sztuczna inteligencja: kontrola nad pełnym cyklem życia i przewaga człowieka
Paul: Chciałem porozmawiać o komponencie prywatnej sztucznej inteligencji. W przypadku danych prywatnych mam ogromną przewagę konkurencyjną. Jak prywatna sztuczna inteligencja pomoże mi z tego skorzystać?
Sergio: Prywatna sztuczna inteligencja to możliwość kontrolowania pełnego cyklu życia aplikacji AI. Jakich modeli używasz? Jak je wdrażasz? Które z nich są zatwierdzone z perspektywy zgodności z przepisami? Jak zapewnić, że wagi modelu pozostają stałe tak długo, jak potrzebujesz? Potem masz dane ze swojej firmy, które znajdują się zarówno w chmurze, jak i w centrum danych. Musisz bezpiecznie wprowadzić te dane do swojego modelu — zarówno na potrzeby trenowania, dostrajania, jak i innych technik, takich jak RAG. To właśnie sprawia, że Twój model jest unikatowy dla Ciebie.
O przewadze konkurencyjnej większości współczesnych firm decydują dane, ale także umiejętności — zdolność człowieka do wyciągania wniosków. Niekoniecznie chodzi o same dane, ale o doświadczenie i wiedzę w danej dziedzinie, która umożliwiają ich interpretowanie. Prywatna sztuczna inteligencja pomaga zachować tę przewagę, kontrolując wszystko, od cyklu życia modelu po zarządzanie poleceniami, ustalanie pochodzenia i testy porównawcze, dzięki czemu można przejść od weryfikacji koncepcji do rzeczywistych obciążeń produkcyjnych.
Tworzenie pod kątem zwrotu z inwestycji i ryzyka — uwzględnianie w procesie agentów, zarządzania i kultury
Paul: Gdy rozmawiamy na tematy takie jak konwergencja, czasami ryzykujemy wyobcowanie biznesmenów, którzy postrzegają to bardziej jako dyskusję dla dyrektorów ds. technologii, dyskusję techniczną. Co Twoim zdaniem coś takiego jak konwergencja robi, aby odblokować nowe przypadki użycia lub wartość biznesową, których wcześniej nie można było uzyskać jako dyrektor generalny lub lider biznesowy?
Sergio: Myślę, że dyrektor generalny zawsze będzie chciał zrozumieć faktyczną wartość narzędzia, zarówno pod kątem zwrotu z inwestycji, jak i redukcji kosztów lub zwiększenia wartości dla firmy. GenAI to tylko przenośnik taśmowy dla tych wszystkich rzeczy.
Jednocześnie drugim elementem, który jest w centrum uwagi każdego dyrektora generalnego, jest ryzyko — albo ze strony FOMO, albo ze strachu przed zostaniem kolejną firmą na pierwszych stronach gazet z powodu masowych halucynacji sztucznej inteligencji. To są dwie strony skali, na której pracują dyrektorzy generalni.
Przypadki użycia GenAI powinny zaczynać się od strony biznesowej. Wprowadź kwestie związane ze zgodnością, zarządzaniem, informatyką, cyberbezpieczeństwem i prawem od samego początku, aby nie stało się to eksperymentem w garażu, który do niczego nie prowadzi. Wykazanie wartości w tych kategoriach pozwala następnie przenieść je do przedsiębiorstwa.
Obejrzyj całą rozmowę z Sergio Gago w programie The AI Forecast w serwisie Spotify, Apple Podcasts oraz YouTube.
