盡管人工智能炒得火熱且看似發展前景光明,但目前僅有少數的企業機構能大規模部署與使用人工智能。還有絕大部分仍在努力制定其人工智能戰略:確立人工智能的用途與適用性、制定技術與商業模式,并試行早期項目。
在創建敏捷的基礎架構以制定高效人工智能戰略方面,基礎架構與運營(I&O)的領導者面臨著挑戰。Gartner的數據顯示,相比今年的4%,到2022年,25%的企業將投資與部署人工智能項目。
要想成功開展人工智能項目,需要應用新技術、新流程與新的治理模式。但是,由于眾多因素,例如:缺乏具備相關技能的員工、基礎架構的高速擴增與管理復雜性、呈指數增長的數據量、要求增加對支持決策的見解、以及逐漸緊縮的IT預算,很多機構都難以制定出合理的基礎架構戰略。這會導致技術應用延后并易處于競爭中的劣勢地位。
除了使用基礎架構支持人工智能項目之外,基礎架構與運營團隊也將使用人工智能技術。Gartner預測,到2020年,未能在企業業務中有效利用人工智能的數據中心中,30%將不具備運營與經濟效益。
為避免成為上述30%中的一部分,首先需要分析已經成功開展的人工智能項目。這也說明了一個常規模式:要想成功制定戰略意味著要將人工智能項目與商業價值相結合。要做到這一點,必須采取四項基本措施;然而,在這些措施中,有些在實施的過程中比其它措施要更加困難并且更加耗時。
隨著諸如人工智能和物聯網這樣新的商業動力與數字化商業項目的產生,基礎架構與運營領導者則需要面對一個復雜性急劇上升的局面。因此,基礎架構與運營團隊經常陷入低價值的重復性任務中。例如:當出現問題時,分析日志文件并嘗試對其進行根本原因分析。
通過開展基礎架構與運營智能自動化并優化實現基礎架構管理,可從低價值、重復性任務中解放出技能熟練的IT專業人士。取而代之的是,專注于利用新的人工智能和數據分析技能來重新培訓表現能力較好的基礎架構與運營團隊。通過解決技術技能差距、對變革意識(change-aware)的文化進行投資以及更多功能的角色來實現數字敏捷度(digital dexterity)。
為了在人工智能方面取得成功,需要帶領基礎架構與運營團隊,完成從IT服務中心的定位到協同商業部門和首席數據官(CDO)機構的轉變。通過與業務部門進行合作,制定出與實際狀況相符并與收入關鍵結果相一致的戰略,就能夠為人工智能設計出高效且優化的基礎架構戰略。與其試圖一次性解決所有機構中的問題,不如從小型試點項目開始;使用卓越中心(centres of excellence)來促進成功;并利用敏捷方法快速驗證與商業相關的項目并取消起反作用的項目。
諸如數據豎井(data silos)、數據的數量和質量管理方面的挑戰,是人工智能項目陷入停滯的另一個主要原因。即使是對于最好的基礎架構與運營團隊而言,想一次性解決所有的挑戰也絕非易事。
那么需要采取的措施就是,通過區分“數據收集”(data collect)與“數據連接”(data connect)來加速人工智能的應用。
通過在正確的人工智能體系下使用數據收集及數據管理(清理與轉型)戰略,可以制定出符合收入關鍵結果的基礎架構戰略。
而數據連接戰略的設計可能會導致人工智能使用過程中產生新的顛覆性結果,因為連接數據元(data elements)可以發掘具有更高價值的功能。
提供支持人工智能項目的基礎架構可能會帶來新的集成復雜性、生產力以及成本方面的挑戰。尤其是集成FPGA、ASIC和GPU等計算加速技術的復雜性可能會導致基礎架構過度配置或與目標用途不匹配。在很多情況下,基礎架構與運營領導者都會過度配置特定技術架構,造成基礎架構利用率不足且項目成本超支。使用人工智能工作負載需求來指導基礎架構選擇戰略,例如:加速計算基礎架構、云計算和混合戰略的機會投資。選擇具有廣泛生態系統支持的技術。如果需要部署計算加速器,請選擇具有最廣泛軟件架構支持與具有成熟軟件部署環境的技術,從而主動降低風險。N