Renginiai 0
Lt
Renginiai 0
Paieškos rezultatas:
Pasirengimas autonominiam DI: infrastruktūros atotrūkio įveikimas- vaizdas 1

Pasirengimas autonominiam DI: infrastruktūros atotrūkio įveikimas

Pagal naujausius Harvard Business Review Analytic Services tyrimus, 96% organizacijų vadovų laiko agentinį dirbtinį intelektą esmine jų kompanijų strategijos įtakos dalimi artimiausiems dvejiems metams. Tačiau tik 23% įmonių teigia turinčios formalizuotą planą ir tinkamą infrastruktūrą jam paremti jau šiandien.

Autonominiai agentai, kurie savarankiškai analizuoja įmonės duomenų kiekius ir priima sprendimus dėl saugumo ar klientų patirties, reikalauja itin didelių skaičiavimo pajėgumų. Šis infrastruktūros atotrūkis lemia eksponentinį išlaidų augimą, priverčiantį verslą iš esmės peržiūrėti technologinius metodus.

Pasirengimas autonominiam DI: infrastruktūros atotrūkio įveikimas - vaizdas 1
TRANSFORMACIJOS REALYBĖ

Autonominių algoritmų aparatinės įrangos apribojimai

Bandymai paleisti modernų agentinį DI architektūrose, sukurtose statinių informacinių skydelių ir rankinių užklausų kūrimui, primena bandymą įdėti raketinį variklį į miniveną. Technologiškai ši konstrukcija sugeba pajudėti iš vietos, tačiau pagrindiniai mazgai neatlaikys kritinio perkrovos. Cribl kompanija pažymi, kad pereinant nuo bandomųjų modelių iki visiško diegimo visos įmonės mastu srautinio duomenų apdorojimo pagrindas tampa pagrindiniu siaurąja vieta.

Rinkos analizė yra iškalbinga: 76% lyderių tikisi radikalaus sisteminių žurnalo apimčių didėjimo, o 80% jau suvokia neišvengiamybę perdarytos tinklo pajėgumų perdarymo. Kai kiekviena papildoma užklausa generuoja laviną naujų skaičiavimų operacijų, dirbtinis intelektas tampa vystymosi mokesčiu. Todėl 47% organizacijų užfiksuoja žymų planuotų biudžetų viršijimą, o 82% ruošiasi neišvengiamiems finansiniams iššūkiams bandant patenkinti agentinio DI apetiteus.

ALGORITMŲ KURAS

Įmonės telemetrijos raida

Norint įveikti pelningumo barjerą, architektai priversti iš esmės peržiūrėti telemetrijos statusą ekosistemoje. Ilgą laiką ji buvo saugoma „apsaugos tikslais“ ir naudota daugiausiai retrospektyviniam incidentų tyrimui. Agentinio dirbtinio intelekto eroje šie didžiuliai duomenys tampa pagrindiniu maitinimu prognoziniam modeliavimui.

Autonominės sistemos nuolat mokosi iš istorinių duomenų bazės, tačiau atidžiai reikalauja gilaus konteksto realiu laiku, kad galėtų tinkamai priimti valdymo sprendimus. Jei informacija lieka užblokuota atskirtose izoliuotose aplinkose dėl uždaros programinės įrangos apribojimų, atsiranda kritinės aklosios zonos. Kuo daugiau aktualių signalų maitina algoritmus modeliuojant, tuo tiksliau ji identifikuoja problemas ir sumažina klaidingų išvadų skaičių.

POVEIKIO SCENARIJAI

Praktiškos konteksto trūkumo pasekmės

Praktinio naudojimo scenarijai aiškiai rodo intelektualių sistemų efektyvumo priklausomybę nuo stebėjimo infrastruktūros kokybės. Kibernetinio saugumo srityje DI-agentas turi aiškiai atskirti normalų tinklo elgesį nuo potencialios kibernetinių nusikaltėlių veiklos. Pavyzdžiui, jeigu inžinieriai neseniai atliko planinį įmonės ugniasienių konfigūracijų atnaujinimą, algoritmas turi šį kontekstą gauti akimirksniu.

Nesant prieigos prie istorinių telemetrijos duomenų ir informacijos apie paskutinius aplinkos pakeitimus, sistema generuos begalinį klaidingų aliarmų srautą, faktiškai paralyžiuojant saugumo valdymo centro (SOC) darbą. Kai sprendimų dėl saugojimo kainodaros politika tampa griežta riba, ribojančia įmonės informacijos perdavimą DI procesoriams, verslas praranda gebėjimą kontroliuoti mašinos veiksmus, akimirksniu pakirpo klientų pasitikėjimą.

ARCHITEKTŪRINIS PAGRINDAS

Trys įmonės pasirengimo kriterijai

HBR tyrimas pabrėžia, kad pirmaujančios įmonės savo sėkmę pozicionuoja ne dėl įdiegtų išmaniųjų įrankių skaičiaus, o dėl naujos kokybės infrastruktūros. Pasirengimą autonominei erai apibrėžia trys kritinės informacijos darbo charakteristikos.

Pirma, kontrolė. Žurnalų rinkimas laikomas pirmosios eilės darbų užduotimi. Duomenys nukreipiami ir formatuojami prieš patekimą į brangias saugojimo sistemas, leidžiant išlaikyti išlaidas griežtai kontroliuojamas.

Antra, kontekstas. Naudojama semantinė neapdorotų rodiklių suvokimas, leidžiantis platformai normalizuoti skirtingus srautus ir koreliuoti naujus signalus su ankstesniais incidentais.

Trečia, pasirinkimo laisvė. Organizacijos sąmoningai atsisako griežtos priklausomybės nuo vieno gamintojo linijos naudai atviro reikšties architektūras, palaikančias daugiamodelinę aplinką.

Apskritai, didelės DI iniciatyvos sustoja pusiaukelėje ne dėl vizijos klaidingumo, bet dėl silpnos bazinės infrastruktūros, kuri nesugeba atlaikyti tokios apkrovos. Telemetrijos požiūrio keitimas ir patikimos architektūros kūrimas sudėtingą algoritminį procesą paverčia nuspėjamomis verslo plėtimo priemonėmis.

Atsisiųskite visą HBR Analytic Services ataskaitą, kad sužinotumėte, kaip jūsų organizacija atrodo tarp kitų, kur yra didžiausi pasirengimo skirtumai ir ką kitaip daro rinkos lyderiai.

 

Atsisiųsti visą ataskaitą
Naujienos

Dabartinės naujienos jūsų tema

Visos naujienos
Visos naujienos