שנת 2024 תהיה שנת הפריצה הגדולה לאור ההשקעות הרבות הנעשות בימים אלו. אבל כמו שלא נכנסים למגרש מבלי לעשות חימום, כך לא קופצים להטעמת GenAI ללא הכנה מראש. היא כוללת ארכיטקטורת אגם נתונים יעילה והיא זו שתאפשר דמוקרטיזציה של נתונים נכונה לארגון שתאיץ את הצלחת ההליך.
GenAI הוא הנושא הטכנולוגי המדובר ביותר בשנת 2023, כאשר אנשים פרטיים וארגונים רבים נחשפו ליכולותיו ויתרונותיו הרבים. מחקר שנערך לאחרונה בשיתוף Dell Technologies מגלה ש-76% ממקבלי ההחלטות בתחום ה-IT מאמינים שלהטעמת GenAI תהיה השפעה משמעותית על הארגונים שלהם. יתרה מזאת, מקינזי מעריך כי GenAI יכול להוסיף בין 2.6 ל-4.4 טריליון דולר בשנה לכלכלה הגלובלית.
פלטפורמת AI יעילה שתתן את ההיקשים העסקיים לה אנו מצפים צריכה טיפול מתמיד, ויעילותה תהיה בהתאמה לארכיטקטורה התומכת וטיב המידע שנזין אותה.
לא כל הנתונים נוצרים שווים. בינה מלאכותית דורשת נתונים איכותיים, מגוונים ורלוונטיים שניתן לגשת אליהם, לעבד ולנתח אותם בצורה יעילה ואפקטיבית. כאן נכנס לתמונה אגם נתונים Data Lake כמאגר מרכזי שיכול לאחסן ולטפל בכל סוג של נתונים, ממובנה ועד לא מובנה, מפנימי לחיצוני.
בשביל לבנות מודלי GenAI איכותיים, ארגונים זקוקים לכמות גדולה של דאטה. איחוד נתונים ממספר עצום של מקורות ופורמטים: אגם נתונים יכול להטמיע נתונים ממקורות שונים, כגון מסדי נתונים, אפליקציות, חיישנים, מדיה חברתית, אינטרנט ועוד. ולא פחות חשוב היכולת לבצע שאילתות ולגשת לנתונים מבלי להזיז או להעתיק אותם. זה מאפשר ל-AI לבצע שאילתות ולצרף נתונים על פני מקורות ופורמטים שונים, ולקבל תצוגה הוליסטית ועקבית של הנתונים.
אגם נתונים יכול גם לאפשר ל-AI להגדיל ולהקטין את משאבי המחשוב והאחסון שלו לפי הצורך, ולמטב את הביצועים והיעילות שלו.
כמו כל הטמעת טכנולוגיה גם זה דורש תכנון רב, עיצוב ויישום קפדניים כדי להבטיח את האיכות, השימושיות והאמינות שלו.
הנה כמה נקודות משמעותיות בתכנון:
אגם נתונים צריך להיות מותאם למטרות העסקיות ולצרכים של הארגון. זה צריך להיות מונע גם על ידי מקרי השימוש והתרחישים הספציפיים ש-AI צפוי לפתור או לשפר. זה יכול לעזור לזהות את מקורות הנתונים, הפורמטים ודרישות האיכות הרלוונטיות, כמו גם את הכלים והשיטות המתאימים לעיבוד נתונים וניתוח.
יש לקבוע את מדיניות ניהול הנתונים ואבטחת המידע: לאגם נתונים צריך להיות מסגרת ניהול ואבטחה ברורה ועקבית המגדירה את התפקידים, האחריות והכללים להטמעת נתונים, אחסון, גישה, שימוש ואבטחת נתונים יכולים לסייע בהגנה על הנתונים מפני גישה, שינוי או מחיקה לא מורשית או זדונית, ולשמור על שלמותם.
חשוב ליישם את קטלוג הנתונים וניהול המטא דאטה, לאגם נתונים צריכה להיות מערכת ניהול מקיפה ומעודכנת של קטלוג נתונים ומטא דאטה המתעדים ומתארים את הנתונים באגם הנתונים, ניהול קטלוג נתונים ומטא דטה יכול לעזור לשפר את השימושיות והנגישות של הנתונים, ולהפחית את חוסר העקביות.
אגם נתונים הוא גורם מפתח להצלחת בינה מלאכותית. זה יכול לספק ל-AI את הנתונים הדרושים כדי ללמוד, לשפר ולהעניק ערך.
אגם הנתונים יכול להפוך לפלטפורמת נתונים רבת עוצמה וניתנת להרחבה שיכולה לתמוך במסע הבינה המלאכותית של כל ארגון. זה דורש תכנון, עיצוב ויישום קפדניים כדי להבטיח את האיכות, השימושיות והאמינות שלו.
לכן, לפני הטמעת התהליך, צריכה להישאל השאלה “האם פתרונות האחסון שלנו עומדים במשימה?”. זאת בנוסף להבנה, כי משנת 2024 ואילך, ארכיטקטורת הדאטה, מבחינת אבטחה וסקלביליות, היא זו שתבדיל בין ארגונים במרוץ ה-AI.
עבור הטמעה מוצלחת של יכולות GenAI, ארגונים יהיו חייבים לחשוב ולהנדס מחדש ולעשות אופטימיזציה של אחסון הנתונים שלהם, כך שיוכלו לעמוד בדרישות ניהול הנתונים של ה-GenAI, למיקסום היכולות שלו. בעזרת החשיבה קדימה, ארגונים לא רק ייהנו מהיכולות הגלומות ב-GenAI, אלא גם ימנעו מפיגור אחר אלו שכן פעלו בהתאם.
ככל שהמשימות יהפכו למורכבות יותר, הדרישות של GenAI איכותי לנתונים רק יעלו. במילים אחרות, פלטפורמות אחרות חייבות להיות מסונכרנות עם מורכבות הנתונים והאיכות שלהם. במילים פשוטות, ארגונים רוצים שליטה יותר קלה, מאובטחת וסקלבילית בנתונים.
פתרון מהיר ומיידי היה לפתח אסטרטגיית “ענן-קודם” עבור סביבות מרובות נתונים. בעוד אסטרטגיה זו סיפקה פתרון פוטנציאלי לטווח הקצר, בטווח הארוך ארגונים יחוו קשיים ואתגרים בעלויות, שימוש בנתונים ואבטחת המידע. אסטרטגיית “ענן קודם” תתקשה לספק את דרישותיו הרבות של ה-GenAI.
במקום אסטרטגיה זו, ארגונים צריכים לבחון אימוץ גישה של Multicloud בהתאמה אישית. זה יעזור להם לפצח את מלוא הפוטנציאל של סביבה מרובת עננים בטווח הקצר והארוך. סביבה זו מאפשרת ניהול מתמיד של האחסון ואבטחתו.
בנוסף, ארגונים ועסקים צריכים להתחדש כל הזמן, הן מבחינת מוצרים ופתרונות והן מבחינת גישות. כל גם בהטעמת ה-GenAI על דרישותיו לנתונים רבים ומגוונים. חלק מהתהליך זה להשקיע בפתרונות אחסון חדשניים, שמאפשרים ביזור נתונים, דחיסתם ושירות אינדקס יעיל.
אחסון מבוזר משפר את הסקלביליות והאמינות של מערכות GenAI על ידי שיכון נתונים במספר מיקומים. בזכותו, ארגונים יכולים למשל יכולים לשכפל את הנתונים הקריטיים ביותר שלהם, מה שמאפשר לכסות אותם במיקום נפרד ולאחזר אותם בקלות במקרה של מתקפת סייבר; בעזרת דחיסת נתונים ניתן לטפל בהסרת נתונים לא רצויים ובכך לצמצם את צרכי האחסון. יכולת זו מושגת על ידי ניתוח יעיל יותר של נתונים והסרת מידע מיותר, שמפחית בין היתר את כמות המקום הנדרש לאחסון, וכתוצאה מכך, חוסך בעלויות; אינדקס נתונים משפר את יכולות האחזור, ותורם ליכולות חיפוש והדרכה מהירות ויעילות יותר של נתונים במיקומים שונים.
משנת 2024 ואילך, AI וה-GenAI יהיו ה”מאפשרים” המשמעותיים הבאים בתחרות הקיימת בשוק ויהוו יתרון משמעותי לארגונים שיטמיעו אותם בצורה הטובה ביותר. אולם, כמו שלא נכנסים למגרש בלי לעשות חימום, כך לא קופצים להטעמת GenAI מבלי הכנה מראש.
בני מלכה, סמנכ”ל מכירות לתחום ה- Commercial ב-Dell Technologies ישראל. צילום: אוהד רומנו
