Há um certo padrão nos bastidores corporativos quando se trata de inovações e tendências: testar primeiro, planejar depois. Com o rápido avanço da IA generativa, muitos líderes já se arriscam ou pensam em como utilizar essa nova tecnologia, mas a questão principal é se as empresas possuem a base para sustentar tudo isso.
Então, para os inovadores que estão em sua jornada de testes, já adianto: para extrair o melhor da IA generativa é preciso contar infraestrutura robusta de dados agora.
A democratização da IA
Já sabemos que a grande maioria das empresas gostaria de ter uma frente específica de segurança, visando a maior proteção possível das informações. E, com o advento da IA generativa, será que as empresas estão prontas para esta inovação?
Pela primeira vez, a barreira de entrada da IA foi derrubada. Não é mais a área restrita dos cientistas de dados – a IA agora é para todos. E estamos apenas começando.
Os casos de uso de IA generativa proliferam diariamente no âmbito empresarial, e isso sinaliza a magnitude da sua disrupção a todos os setores. E em tempos de recessão, as possibilidades de eficiência que ela oferece são muito atraentes. A disponibilidade da IA em termos de acesso e custos, a transforma em uma nova ferramenta tecnológica, muito parecida com o SaaS. Afinal, já é oferecida como um serviço.
Mas, para muitos casos, a questão não é se a IA será implementada, mas como os dados serão gerenciados. Por isso, a simplicidade na gestão de dados é mais importante do que nunca.
O desafio: Do domínio público aos dados privados
As ferramentas de IA generativa crescem com base nos dados. Quanto mais e melhores dados elas recebem, mais inteligentes se tornam. Para as empresas, aproveitá-los onde é realmente importante, exige dados novos que vão além do domínio público.
Muitas empresas estão explorando seus próprios modelos e casos de uso de LLMs – Large Language Models, modelos de machine learning que usam algoritmos de deep learning. Embora os líderes considerem como aproveitar tudo isso, também precisam pensar em como fazer isso mantendo o controle do recurso mais precioso: os dados.
Afinal, se você não quiser entregar seus dados, precisará implementar seus próprios modelos.
Portanto, a reflexão neste ponto é: como implementar o meu próprio modelo? Para alguns, isso significa trazer a computação de IA para os dados, e não o contrário. Dessa forma, muitas empresas constroem seus próprios modelos. A nuvem é uma opção, mas a IA de produção na nuvem pode ficar cara com o tempo.
As considerações de TCO – Total Cost of Ownership de soluções em nuvem versus soluções on-premise são importantes serem analisadas. Muitas vezes, soluções eficientes e de alto desempenho on-premise podem proporcionar economias de custos a longo prazo e manter a produtividade dos cientistas de dados.
Alojar e proteger os dados e ao mesmo tempo torná-los ágeis o suficiente para fluxos de trabalho de IA é fundamental, e nem todo storage está à altura desta tarefa.
Qual o impacto para os dados?
Primeiro, o volume. A IA generativa será uma das inovações mais disruptivas que afetará os dados em nível global. Estimativas previam um crescimento anual de dados de 25% a partir de 2022, mas isso foi antes da explosão do ChatGPT e da geração de imagens por IA.
Reflita comigo: os designers gráficos não conseguem criar fisicamente 300 imagens exclusivas por dia, mas as plataformas de IA conseguem. As capacidades da IA não são limitadas pela realidade física, mas os dados que ela cria precisam ser armazenados em algum lugar.
Os projetos de IA e ML são os que mais consomem dados na história da tecnologia. Dados não estruturados, principalmente fotos e vídeos, são importantes desafios para analisar e armazenar. Isso requer uma plataforma capaz de entender e interpretar uma ampla variedade de perfis de dados, todos de uma vez, ou sempre que esses recursos forem necessários.
Agora vamos falar em acessibilidade. De acordo com o estudo AI StrategiesView 2022 da IDC, os decisores e influenciadores de TI e de linhas de negócios observaram que “a disponibilidade segura e a acessibilidade dos dados são essenciais para o dimensionamento das iniciativas de IA”. Isso é algo que as unidades de disco não conseguem acompanhar. Nesse sentido, a tecnologia totalmente flash otimizada para IA cresce rapidamente, trazendo alto rendimento, escalabilidade e outros benefícios essenciais ao suporte dessa nova era.
Além disso, embora explorar mais projetos de IA seja um desejo de todos, a redução da pegada de carbono dos datacenters segue como alta prioridade. A energia para alimentar data centers não é infinita, muito menos barata, e o flash também surge nessa etapa como uma solução para inovar sem sacrificar a eficiência e as metas de sustentabilidade.
Data center preparado para a IA generativa
A explosão do uso da IA generativa levanta uma importante questão: como será o futuro se a IA se tornar parte da infraestrutura central de cada empresa? A resposta é simples – data centers totalmente em flash.
Se você é um gestor envolvido com infraestrutura de dados, sabe que neste momento é fundamental subir o nível. Não se trata apenas de armazenar, mover e manipular dados, mas a interpretação dos dados por meio de modelos e as ferramentas para construir esses modelos tornam-se componentes críticos de todos os kits de ferramentas que as empresas de software têm a oferecer.
Então, antes de buscar o que a IA generativa pode fazer por seu negócio ou começar os testes, é fundamental analisar se a infraestrutura da sua empresa está pronta para tudo isso. Mesmo que você esteja em passos iniciais aproveitando a IA generativa por meio de apps ou já treinando seus próprios modelos, tenha em mente que uma infraestrutura de dados capaz de sustentar essas iniciativas será fundamental para o sucesso da sua jornada.
Artigo originalmente publicado em Blog InfraNews
