Не дайте энтузиазму ИИ загнать вас в ловушку устаревшей инфраструктуры

Развитие искусственного интеллекта выявило серьезную уязвимость в корпоративных ИТ-системах, которую не смогли полностью вскрыть даже облачные технологии, цифровая трансформация и кибербезопасность. Многие организации продолжают строить свою инфраструктуру по принципам 90-х годов: выбирая комплексные решения от одного поставщика, используя монолитные системы и придерживаясь аппаратно-ориентированного мышления. Однако, как отмечают эксперты, требования к ИТ-инфраструктуре значительно изменились с появлением ИИ, в то время как привычки к закупкам остались прежними.

Ловушка инфраструктуры для ИИ

На раннем этапе цикла закупок технологий компаниям крайне важно не допустить, чтобы оптимизм опережал здравый смысл. Решения, принимаемые сегодня, будут определять возможности бизнеса на следующее десятилетие. Традиционный подход к комплексным закупкам у проверенного поставщика оказывается несовместимым с тем, как следует строить архитектуру для новых технологий искусственного интеллекта. Именно это фундаментальное рассогласование и привело к появлению так называемой “ловушки инфраструктуры ИИ”.

Простота комплексных решений против архитектурной свободы

Корпоративная инфраструктура на протяжении десятилетий формировалась под воздействием предсказуемых нагрузок. Базы данных, системы планирования ресурсов предприятия (ERP) и офисные приложения предъявляли к оборудованию стабильные и хорошо изученные требования, что позволяло заранее точно рассчитать и закупить необходимое “железо”. Модель комплексных решений, возникшая в ту эпоху, была логичной: один поставщик предлагал интегрированные вычислительные ресурсы, хранилище данных и сетевое оборудование, обеспечивая настоящую операционную простоту. Большинство организаций были готовы принять зависимость от одного поставщика в обмен на удобство управления ИТ.

Однако нагрузки, связанные с искусственным интеллектом, работают по совершенно иным принципам. Обучение больших моделей требует внезапных и продолжительных всплесков вычислительной мощности, что несвойственно традиционному профилю корпоративных задач. Запуск этих моделей в эксплуатацию создает требования к ресурсам, которые меняются в зависимости от эволюции паттернов использования и версий моделей. Таким образом, конвейеры данных, лежащие в основе систем ИИ, нуждаются в хранилищах, способных динамически реагировать, а не работать по фиксированным циклам. В совокупности эти характеристики описывают инфраструктурные требования, которые по своей природе изменчивы и быстро меняются, что затрудняет их предварительное планирование.

Аппаратно-ориентированная, монолитная инфраструктура не предназначена для размещения таких нагрузок. К тому моменту, когда организации начнут ощущать технический долг, вызванный такой инфраструктурой, будет слишком поздно что-либо исправлять.

Растущая цена отложенной сложности

В текущем цикле закупок комплексные решения представляются ИТ-директорам как безопасный и управляемый вариант, и в краткосрочной перспективе они в основном соответствуют этим утверждениям. Интегрированные системы от одного поставщика проще развертывать, поддерживать и обосновывать перед руководством. Однако комплексные решения просты лишь потому, что сложность в них не устранена, а отложена.

Эта отложенная сложность накапливает “проценты” в виде привязки к конкретному оборудованию, ограниченной совместимости и постоянно растущих затрат на переход, если потребности организации выйдут за рамки возможностей платформы. Через пять лет после принятия обязательств по использованию комплексной инфраструктуры для ИИ организации окажутся в положении, которое немедленно узнает любой, кто пережил крупную миграцию в облако. Инфраструктура стареет, а отношения с поставщиком со временем часто переходят от партнерства к зависимости.

Более того, стоимость изменений имеет тенденцию возрастать настолько, что оставаться на месте кажется единственным реалистичным вариантом, хотя это и чревато замедлением прогресса. Ошибка здесь не в покупке неправильного оборудования, а в выборе краткосрочного удобства вместо долгосрочной адаптивности.

Виртуализация, контейнеризация и абстрагирование как стратегические основы

ИИ требует архитектуры, построенной на гибкости, а не на жесткой интеграции. Взаимозависимость, предлагаемая интегрированными решениями, связывает компоненты, тогда как ИИ нуждается в гибкости инфраструктуры для ее переконфигурации по мере изменения требований. Это означает, что нагрузки не привязаны к конкретным физическим аппаратным ограничениям, а скорость изменений в самой технологии не вынуждает организацию к постоянному и дорогостоящему переходу на новые платформы.

Основой этого является виртуализация. Когда вычислительные ресурсы, хранилища и сети виртуализированы, нагрузки можно динамически перемещать, масштабировать и перераспределять, не привязывая их к физическим машинам. Это особенно важно для ИИ, поскольку профиль ресурсов, требуемых задачами ИИ, постоянно меняется. Модель, находящаяся в процессе обучения, предъявляет совершенно иные инфраструктурные требования, чем та же модель, выполняющая инференс (вывод) в производственной среде. Инфраструктура, которая не может учесть эту разницу без ручного вмешательства, создаст дорогостоящие узкие места.

Контейнеризация распространяет эту гибкость на уровень приложений. Приложения ИИ, упакованные как контейнеры, несут с собой свои зависимости и могут быть последовательно развернуты как в локальной инфраструктуре, так и в публичных облаках и на периферийных устройствах без модификаций. По мере того как организации переходят от экспериментов с ИИ к производственному развертыванию и инференсу на периферии, такая переносимость становится практическим операционным требованием.

Возможность переносить нагрузки между средами без их пересборки позволяет следовать за экономической эффективностью инфраструктуры ИИ по мере ее развития, а не быть привязанным к структуре затрат, которая имела смысл только на момент подписания контракта.

Абстрагирование связывает эти элементы воедино. Инфраструктура, которая по-настоящему абстрагирована (то есть отделена или отделена) от нижележащего оборудования, позволяет организациям обновлять, заменять или расширять это оборудование без прерывания работы приложений и нагрузок, работающих над ним. Это особенно важно, когда поколения графических процессоров (GPU) сменяются быстрее, чем традиционные циклы обновления серверов, а ландшафт инструментов развивается такими темпами, что пятилетние планы по развитию инфраструктуры становятся во многом спекулятивными.

Проектирование для изменений

Организации, которые строят инфраструктуру для ИИ на виртуализированных, контейнеризированных и абстрагированных основах, не обязательно являются теми, кто движется быстрее всех или выделяет самые большие бюджеты в текущем цикле. Это те, кто осознал разницу между закупками для сегодняшних потребностей и созданием основы для ряда будущих сценариев, которые невозможно полностью предвидеть.

Прошло много времени с тех пор, как монолитные, аппаратно-ориентированные и комплексные решения имели смысл в 90-х годах. С тех пор технологии и бизнес значительно изменились. Как отмечают эксперты, невозможно предсказать, что произойдет в ближайшие 3 года, не говоря уже о 10, кроме того факта, что требования к инфраструктуре будут продолжать развиваться.

Темпы изменений в области ИИ означают, что инфраструктура, которая не сможет адаптироваться, станет активным ограничителем возможностей бизнеса. Поэтому время задавать жесткие вопросы о гибкости, переносимости и архитектурной свободе — это время до подписания контрактов. Это позволит вашей организации расти вместе с технологиями, а не оказаться в ловушке, пока технологии развиваются.