Coraz więcej firm dostrzega korzyści płynące z zastosowania sztucznej inteligencji. Co piąte przedsiębiorstwo w Polsce już wdrożyło rozwiązania AI, a 74% uważa, że technologia ta w znaczącym stopniu wpłynie na rozwój ich branży. Żeby w pełni odblokować jej potencjał przedsiębiorstwa rozwijają ekosystem IT o inne technologie, w tym usługi chmurowe. Ale chmura i sztuczna inteligencja to połączenie, które w biznesie nie zawsze wychodzi na dobre.
Usprawnienie procesów biznesowych (81%), szybszy rozwój innowacji (88%), a także wzrost przychodów (94%) – to główne korzyści korzystania z AI, na jakie wskazują polskie firmy. Zauważalna jest także poprawa jakości i wydajności pracy, przyspieszenie procesu wprowadzania produktu na rynek czy redukcja kosztów operacyjnych.
Kosztowna sztuczna inteligencja
Wykorzystanie AI przynosi korzyści, ale generuje również koszty – szczególnie na początku. Odpowiednio wyszkolone algorytmy AI wymagają ogromnej mocy obliczeniowej, co w większości przypadków może wiązać się z koniecznością modernizacji architektury IT i sprzętu w firmie. Odpowiednio trzeba też przechowywać dane „treningowe” oraz nimi zarządzać, z uwzględnieniem aspektów dotyczących bezpieczeństwa i zgodności z przepisami wewnętrznymi firmy czy regulacjami prawnymi. Dodatkowo należy uwzględnić potrzebę przeszkolenia pracowników i przekonania ich do stosowania narzędzi AI.
Szukając sprzymierzeńca, który pozwoli zoptymalizować wydatki ponoszone w procesie rozwoju sztucznej inteligencji, wiele firm stawia na rozwiązania chmurowe. Jak wynika z raportu Red Hat 2024 Global Tech Trends, przedsiębiorstwa kontynuują inwestowanie w chmurę, zwłaszcza w obszarach związanych z zarządzaniem środowiskiem chmurowym (59% wskazań), optymalizacją kosztów (43%) oraz automatyzacją usług w chmurze (36%).
Korzyści z korzystania z chmury
Chmura zapewnia potężną pulę zasobów obliczeniowych dostępnych na żądanie w modelu płatności tylko za te, które zostaną wykorzystane (pay-as-you-go). Umożliwia to firmom elastyczne dostosowanie infrastruktury do zmieniających się potrzeb i sposobu pracy AI.
Skalowalność zasobów w chmurze pozwala dowolnie zwiększać lub zmniejszać ich dostępną ilość, dostarczając zawsze gotowe i spójne środowisko programowania oraz możliwość wdrażania narzędzi AI w chmurze hybrydowej czy środowisku wielochmurowym. Dla biznesu eliminuje to konieczność instalowania, konfigurowania i utrzymywania dodatkowej infrastruktury za każdym razem, gdy zmieniają się potrzeby.
Zastosowanie chmury zapewnia zespołom przedsiębiorstwa dostęp do najnowszych informacji zgromadzonych w jednym miejscu, bez względu na ich rozproszoną lokalizację i model pracy. Ułatwia to też efektywne i bardziej precyzyjne szkolenie modeli AI.
Nie w każdym scenariuszu chmura się sprawdzi
Wykorzystanie chmury obliczeniowej demokratyzuje dostęp do AI pozwalając każdej firmie, niezależnie od wielkości, na rozpoczęcie przygody ze sztuczną inteligencją. Za pośrednictwem usług chmurowych można taniej testować nowe pomysły, prototypować narzędzia IT i szybciej wprowadzać innowacje do użytku. Jednak przedsiębiorstwom, które chcą wdrażać zaawansowane projekty AI o dużym stopniu złożoności, chmura bardzo szybko przestanie się opłacać. Wysokorozwinięte modele sztucznej inteligencji trenowane są na ogromnych zbiorach danych rosnących w wykładniczym tempie. Do szkolenia wymagają zastosowania potężnej mocy procesorów graficznych oraz ciągłej aktualizacji; w przeciwnym razie mogą dawać niemiarodajne, a nawet fałszywe wyniki (zjawisko to jest potocznie określane jako halucynacje modeli AI).
Istotną kwestią, którą należy wziąć pod uwagę przed inwestycją w rozwój sztucznej inteligencji jest także bezpieczeństwo danych, na których trenowane są modele AI. Coraz bardziej rygorystyczne przepisy unijne i regulacje prawne nakładają na firmy obowiązek świadomego zarządzania gromadzonymi danymi. Przedsiębiorstwa, które chcą mieć pewność, że ich dane przechowywane są w Polsce lub na terenie UE muszą sprawdzić, czy rozwiązania chmurowe zapewniają im odpowiedni poziom suwerenności danych.
A może jednak infrastruktura własna?
Firmy, które zamierzają sztuczną inteligencję wykorzystywać kompleksowo powinny rozważyć inwestycję w rozwój własnej infrastruktury IT. Rozbudowa lokalnego środowiska (on premise) nie zawsze musi wiązać się z dużymi początkowymi nakładami finansowymi i można je skutecznie zmniejszać, na przykład decydując się na dzierżawę maszyn czy wynajmując odpowiednią przestrzeń w serwerowni. Jednocześnie dzięki temu, że ponoszone koszty są stałe i przewidywalne, zarzadzanie budżetem IT staje się znacznie prostsze.
Własne centra danych to również pewność, że dane wykorzystywane na potrzeby trenowania modeli AI są przechowywane i przetwarzane w bezpiecznym, odpowiednio odizolowanym środowisku, spełniającym wymagania stawiane przez regulatorów. Pełna kontrola nad infrastrukturą i danymi pozwala też lepiej chronić je przed cyberatakami. W obliczu coraz częściej podnoszonych kwestii prywatności danych i rosnącej fali zagrożeń cybernetycznych to podejście zyskuje na popularności. Z raportu Red Hat wynika, że połowa aplikacji budowanych i zarządzanych przez wewnętrzne działy IT firm funkcjonuje w środowisku chmury hybrydowej (50%), podczas gdy 40% jest utrzymywanych lokalnie. Tylko w 10% przypadków wykorzystywana jest chmura publiczna.
