L'Intelligenza Artificiale viene spesso presentata alle aziende come una questione "esistenziale" e di sopravvivenza. Tuttavia, osserva Nutanix nonostante l'indubbio entusiasmo e i consistenti investimenti nella tecnologia, sembra che molti leader tecnologici non riescano ancora a gestirla e trattarla come una vera e propria applicazione aziendale.
“Questo mancato decollo, spiega Marco Del Plato, Senior System Engineer Manager di Nutanix Italia, comporta uno spreco di investimenti e, nel lungo periodo, rischia di minare la fiducia nella tecnologia. Ne deriva un divario crescente tra le aziende che stanno compiendo con successo la transizione verso l’IA a livello enterprise e quelle che, invece, faticano a trarne valore. Un divario destinato ad ampliarsi ulteriormente con il passaggio dall’IA generativa all’IA agentica”.
Cosa manca allora? Cosa devono fare i leader tecnologici per assicurarsi che l’IA produca risultati concreti? La risposta è garantire la prontezza operativa per l’IA. In altre parole, la capacità di distribuire, gestire e scalare l’intelligenza artificiale, estendendola all’intera azienda.
“Ciò significa, precisa Marco Del Plato, impegnarsi concretamente affinché quello che nasce come un progetto pilota affascinante ma isolato venga integrato nell’intera azienda. Significa assicurarsi che l’IA operi su una piattaforma unificata, che comprende elaborazione, dati e governance. Una piattaforma replicabile in ogni ambito dell’azienda, che sia on premise, nel cloud o all’edge. Il concetto di base non è certo nuovo. Implementare con successo qualsiasi carico di lavoro critico per il business — come un sistema ERP o CRM — richiede la stessa attenzione all’infrastruttura operativa sottostante.
Vedere l’IA come infrastruttura
È facile pensare, precisa un comunicato di Nutanix, che l’infrastruttura per l’IA si riduca alle GPU, ma in realtà entrano in gioco anche memorie a elevata larghezza di banda, storage ad alte prestazioni e reti altrettanto veloci. A questi si aggiungono altri processori e acceleratori a seconda della fase del flusso di lavoro che si intende ottimizzare. Inoltre, l’infrastruttura — che sia on premise, nel cloud o ibrida — deve potersi adattare e scalare man mano che i progetti evolvono da piloti locali a implementazioni su scala enterprise. Per sua natura, l’IA tende infatti a essere molto più “pervasiva” rispetto ai tradizionali carichi di lavoro aziendali. Ma non si tratta solo di potenza di calcolo o di capacità di archiviazione. Nei progetti di intelligenza artificiale a livello enterprise, sicurezza e governance non sono negoziabili. I dati e i modelli proprietari di un’azienda rappresentano il cuore del suo valore futuro e devono essere protetti con la massima attenzione. A complicare ulteriormente il quadro intervengono i temi della sovranità dei dati e delle regolamentazioni sull’IA, sempre più stringenti. I leader tecnologici devono poter garantire che i propri dati si trovino esattamente dove dichiarato e sapere con chiarezza chi può ,— e chi non può — accedervi.
Attenzione ai costi
Le potenzialità dell’AI, afferma un comunicato di Nutanix, sono illimitate ma lo stesso vale per i costi se l’infrastruttura sottostante non viene gestita in modo adeguato. È poi necessario garantire sicurezza, governance e conformità, anche quando gli agent accedono ai dati, li generano e prendono decisioni autonome. L’infrastruttura deve essere in grado di supportarli e di gestire i picchi di domanda che derivano dalle loro azioni. Occorre inoltre considerare la posizione delle risorse per ridurre la latenza nei carichi di lavoro di inferenza in tempo reale, mantenendo al contempo i consumi energetici entro limiti accettabili.
Massima prontezza operativa
“Solo quando tutti questi aspetti vengono presi in considerazion, aggiunge ancora Del Plato, diventa chiaro cosa significhi essere operativamente pronti nell’era dell’intelligenza artificiale: una reale prontezza operativa richiede un approccio chiavi in mano all’IA, basato su una piattaforma full stack in grado di integrare GPU e gli altri acceleratori necessari. Deve comprendere servizi dati integrati, in grado di gestire l’intera gamma di formati richiesti dall’IA, insieme a controlli di sicurezza e governance adeguati. La piattaforma dovrebbe altresì supportare sia VM sia container, con capacità di orchestrazione. Correre per raggiungere l’operatività dell’IA è già una sfida significativa: nessuno desidera affrontare contemporaneamente una migrazione cloud-native”.
Tecnologie emergenti prossime venture: rischi e opportunità!
In conclusione i responsabili IT devono considerare l’IA come una applicazione enterprise. Queste ultime richiedono infrastrutture di livello enterprise, capaci di supportarle fin dalla fase pilota, accompagnarle in produzione e prepararle al futuro. Solo così si può garantire la sostenibilità a lungo termine dell’azienda.