AI uit de ‘shadow’ halen betekent geen model dept meer

Van shadow AI naar AI center of excellence

| Cyxtera | 4 min | 28 juni 2021 13:36
Exclusief
Copyright: Hitesh Choudhary op Unsplash
Je hebt vast al eens gehoord van de term ‘shadow IT’, gevallen waarin afzonderlijke bedrijfsafdelingen of teams op eigen houtje systemen en software gebruiken die ze zelf hebben gekocht of geïnstalleerd met de beste bedoelingen. Tegenwoordig zien we een nieuwe verschijnsel shadow Articifial intelligence (AI). In dit geval voegen teams die zich bezighouden met AI platforms en infrastructuren toe buiten de IT-afdeling om. Hierdoor ontstaan er vaak onbedoeld extra kosten, wat ervoor kan zorgen dat IT-afdelingen andere doelstellingen niet meer kunnen behalen.

Met de groeiende aanwezigheid van AI in elke branche, maakt shadow AI een ander probleem nog erger, namelijk model dept. Model dept verwijst naar het fenomeen waarbij geld en intellectueel kapitaal verzonken worden in modellen die nooit worden ingezet. Het is het resultaat van onwetendheid over de verschillen tussen de manier waarop AI-modellen en conventionele bedrijfssoftware worden ontwikkeld, en de unieke eisen die AI-workloads stellen aan de IT-infrastructuur. Het is een ernstig en terugkerend probleem voor veel ondernemingen.

Het probleem

Een deel van het probleem is dat data scientists misschien niet weten hoe ze robuuste platforms moeten ontwerpen of datapijplijnen moeten bouwen. Dat werk wordt doorgaans gedaan door data-ingenieurs en andere specialisten in platforms en infrastructuur. Dus hoewel datawetenschappers uitblinken in de creatieve toepassing van algoritmen en experimenten, zijn zij niet de mensen die deze AI-modellen uiteindelijk in een productieomgeving moeten implementeren.

Aan de andere kant heb je leidinggevenden die niet weten wat voor soort platform en infrastructuur ze nodig hebben. Ergens tussen het begin en de productie stuiten de initiatieven van hun bedrijven op struikelblokken voor het opschalen van AI-innovatie in een zakelijke omgeving. Omdat veel IT-afdelingen de AI-infrastructuur traag omarmen en te veel datacenters niet over de GPUs beschikken die AI-ontwikkeling mogelijk maken, gaan sommige afdelingen over op oplossingen in de Cloud. Dit kortetermijndenken zorgt op lange termijn voor problemen, waardoor het bijna onvermijdelijk is dat organisaties op een doodlopend spoor terecht komen. Bovendien staan veel afdelingen binnen een organisatie op innovatiesilo's die elkaar niet kennen, en dat allemaal omdat IT geen gedeelde, gecentraliseerde infrastructuur heeft die uitblinkt in het samenbrengen van mensen, processen en technologie.

Van shadow AI naar AI center of excellence

Organisaties die het model dept probleem met succes hebben opgelost, hebben een platform-first-mentaliteit. Ze zijn bedreven in het implementeren van alle architectonische elementen om AI in te zetten op schaal. Eén van de grootste oorzaken van model dept komt in feite neer op het feit dat organisaties niet weten hoe ze moeten opschalen. Dit zien we dag in dag uit.

Dus, hoe ga je van idee naar prototype naar productie? Hoe zorg je ervoor dat meer van je geweldige modellen ook daadwerkelijk worden ingezet? Het gaat om het hebben van een end-to-end-platformbenadering voor AI-ontwikkeling die is geoptimaliseerd voor de unieke eisen van de AI-workflow en die de juiste resources biedt aan beoefenaars. Door die mogelijkheid te centraliseren in een AI center of excellence op het juiste platform, dat expertise, data science workflow en speciaal gebouwde infrastructuur samenbrengt, kan een omgeving worden gecreëerd waarin organisaties snel prototypes kunnen maken van concepten, met dezelfde DevOps-nauwkeurigheid die de ontwikkeling en implementatie van conventionele IT-applicaties beheert.

Als je dit doet kun je een soort vliegwiel creëren, omdat je team sneller en tegen lagere kosten AI applicaties kan inzetten. Vanuit een platformperspectief geniet je uiteraard van de laagste totale eigendomskosten en de snelste ROI wanneer mensen geen platformsilo's gebruiken die te veel worden gebruikt en uiteindelijk onderbenut raken.

De onvermijdelijke vraag die volgt is: 'kan ik dit niet allemaal gewoon in de Cloud doen? Heb ik een on-prem oplossing nodig? We hebben zelfs geen datacenter meer!” Er is natuurlijk ruimte voor zowel Cloud- als dedicated infrastructuur en het is belangrijk om niet vast te lopen in de valse tweedeling dat je een van de twee moet kiezen. Kijk in plaats daarvan naar wat het beste past bij jouw workload en bedrijfsresultaten en zoek naar architectuur waarmee je het IT resource delivery model kunt gebruiken dat bij elke fase van het AI-ontwikkelingstraject past. Vroege experimenten en tijdelijke behoeften worden vaak goed aangepakt met één benadering, terwijl hardnekkige high-product model prototyping en training een andere aanpak rechtvaardigen.

AI centers of excellence versnellen de bedrijfstransformatie

Niemand wil gepositioneerd worden als cost center; iedereen wil gezien worden als veroorzaker van bedrijfstransformatie en omzetgroei. Om dit mogelijk te maken is het belangrijk dat IT de leiding heeft over het centraliseren en opbouwen van expertisegemeenschappen, zodat de data science expertise die je nodig hebt om te slagen vanuit jouw eigen gelederen komt. Bovendien zal je een effectievere benutting van assets en lagere TCO voor projecten gaan zien. En nog belangrijker: minder model debt en snellere door kunstmatige intelligentie aangedreven transformatie.

AI is tegenwoordig zo cruciaal voor het succes van een organisatie dat we IT-leaders en degenen die IT-beslissingen beïnvloeden zouden willen aanmoedigen om na te denken over hoe ze het gesprek kunnen leiden en een goede infrastructuur en strategie op tafel kunnen leggen. Met een AI centre of excellence kun je data science expertise opschalen, het delen van best practices vergemakkelijken en vervolgens de tijd en het geld die nodig zijn om van geweldige AI-ideeën naar uitzonderlijk geïmplementeerde modellen te gaan makkelijker maken. Het betekent dat je AI niet ziet als weer iets wat je in de Cloud moet schuiven, maar als iets waar je een purpuse-build structuur voor nodig hebt.
Auteur: Xavier Gonzalez, Vice President, Public Relations & Corporate Communications bij Cyxtera

Hoe vind je dit artikel?


Geef jij de eerste rating?

Content op basis van interesse of taal liever niet meer zien? Ga dan naar settings om eenvoudig je voorkeuren in te stellen.

Over Cyxtera

Cyxtera is een wereldleider op het gebied van colocatie- en interconnectiediensten voor datacenters. Cyxtera brengt bewezen operationele uitmuntendheid, wereldwijde schaal, flexibiliteit en klantgerichte innovatie samen om een uitgebreid portfolio van datacenter- en interconnectiediensten te bieden.
Meer over Cyxtera

Disclaimer

Dit item is verkregen via óf is gebaseerd op een externe bron en valt daarmee buiten de verantwoordelijkheid van de redactie. Als het item een (gedeeltelijke) vertaling is van het origineel, dan is bij eventuele verschillen in betekenis het originele item leidend.
20200707165104.png
Meer meisjes en vrouwen in bèta, techniek en IT
20191029200614.jpg
Drive value with data
20191030100036.png
Voor professionals met passie voor digitale revolutie!
20191030103431.png
Conference by app developers, for app developers!
20191029224512.jpg
Het no-nonsense internetbureau
20191030101402.jpg
De grootste Nederlandse site over Android
20200608191257.png
Dé leukste website op het gebied van zorg in Nederland
© 2019-2021, alle rechten voorbehouden.
TechVisor
Het vizier op de tech industrie.