AI 및 분석 프로젝트가 실패하지 않도록 하려면 어떻게 해야 할까요?

2023년은 경제 위기와 기후 위험이 확대되는 해이므로 효율성, 탄력성 및 기타 주요 이니셔티브를 추진하기 위한 데이터 기반 통찰력의 필요성이 2023년 기업의 최우선 과제가 될 것입니다. 많은 기업에서는 이러한 요구 사항을 충족하기 위해 고급 분석 및 인공 지능을 채택하려고 노력해 왔습니다. 이제 그들은 개념 증명을 투자 수익으로 전환해야 합니다.

많은 기업이 많은 인재와 적절한 소프트웨어에 투자하면서 큰 발전을 이루고 있습니다. 그러나 많은 기업의 AI 및 분석 프로젝트는 AI 및 고급 분석 워크로드를 지원하는 데 적합한 기본 기술이 없기 때문에 실패합니다. 일부 기업은 오래된 레거시 하드웨어 시스템에 의존하는 반면, 다른 기업은 퍼블릭 클라우드 활용에 따른 비용 및 제어 문제로 인해 어려움을 겪고 있습니다. 대부분의 기업은 AI 소프트웨어 도구의 힘에 너무 매료되어 올바른 하드웨어를 선택하지 못합니다.

이 분야에서 혁신의 속도가 가속화됨에 따라 이제는 기술 리더가 인공 지능 및 분석 프로젝트를 성공적으로 활용하는 데 필요한 것이 무엇인지 평가할 때입니다.

기업은 적합한 인프라를 구축해야 합니다

2,000명 이상의 비즈니스 리더를 대상으로 한 설문 조사에서 조사 회사 IDC는 인공 지능 시스템이 특수 목적 인프라에서 실행되어야 실제 가치를 제공할 수 있다는 점을 인식하는 응답자가 점점 더 많아지고 있음을 발견했습니다. 실제로 많은 응답자들은 AI 프로젝트가 실패하는 주요 원인으로 적절한 인프라 부족을 꼽았습니다. IDC는 AI 중심 인프라로의 전환을 방해하는 요인으로 비용과 전략에 대한 우려뿐 아니라 기존 데이터 환경과 인프라의 복잡성도 꼽았습니다.

업계 전문가들은 새로운 플랫폼을 배포하는 것이 기업에 어렵다는 데 동의하지만, 컴퓨팅 능력, 메모리 아키텍처, 데이터 처리, 저장, 보안을 포함한 근본적인 고려 사항을 통해 AI 및 분석 프로젝트의 가치를 최적화할 수 있는 방법이 있습니다.

핵심은 데이터입니다

Harvard Business Review 매거진이 최근 발표한 설문 조사 보고서에 따르면, 데이터 가용성은 인공 지능과 분석을 성공적으로 배포하는 기업의 핵심 성과 지표입니다. 간단히 말해서 성공적인 비즈니스 리더들은 회사의 데이터를 민주화하여 직원들이 데이터에 액세스할 수 있게 하고, 고객 및 공급업체로부터 데이터를 캡처하고, 다른 사람들과 공유하도록 했습니다. 데이터 처리는 핵심 기술과 하드웨어의 핵심입니다. 고려해야 할 사항은 다음과 같습니다.

데이터 가져오기: 더 많은 데이터를 더 빠르게 분석하려면 기업은 CPU든 GPU이든 고성능 서버와 AI 친화적인 칩을 통해 더 빠른 처리가 필요합니다. 최신 컴퓨팅 인프라는 데이터베이스 및 분석, 인공 지능 및 기계 학습, 고성능 컴퓨팅 등과 같은 워크로드를 지원하여 비즈니스 민첩성과 출시 시간을 향상하도록 설계되었습니다.

데이터 저장: 많은 기업에서는 실행 가능한 통찰력을 수집하기 위해 많은 양의 데이터를 보유하고 있지만 이를 저장할 수 있는 안전하고 유연한 장소가 필요합니다. 가장 혁신적인 비정형 데이터 스토리지 솔루션은 유연하며 주로 성능 저하 없이 대규모 안정성을 달성하도록 설계되었습니다. 최신 개체 스토리지 솔루션은 전 세계적으로 분산된 아키텍처에서 성능, 확장성, 탄력성 및 호환성을 제공하여 클라우드 네이티브, 아카이빙, IoT, 인공 지능 및 빅 데이터 분석과 같은 엔터프라이즈 워크로드를 지원합니다.

데이터 보호: 사이버 위협은 엣지, 온프레미스, 클라우드 등 어디에나 있습니다. 기업의 데이터, 애플리케이션 및 중요 시스템은 보호되어야 합니다. 많은 비즈니스 리더들은 보안을 손상시키지 않으면서 최대한의 유연성과 비즈니스 민첩성을 바탕으로 운영할 수 있는 신뢰할 수 있는 인프라를 찾고 있습니다. 그들은 전사적 스토리지, 서버, 하이퍼컨버지드, 네트워크 및 데이터 보호 솔루션에 보안 기능을 내장하기 위해 제로 트러스트 아키텍처를 채택하기를 원합니다.

모바일 데이터: 데이터 생성 환경이 변화하고 데이터 트래픽 패턴이 더욱 복잡해짐에 따라 수요 급증으로 인해 대부분의 기업은 네트워크를 재평가해야 합니다. 데이터가 원활하게 흐르려면 올바른 네트워크 시스템이 마련되어 있어야 합니다. 그러나 기존의 독점 네트워크에는 확장성, 입증된 클라우드 기반 솔루션, 자동화가 부족한 경우가 많은 반면, 오픈 소스 솔루션은 비용이 많이 들고 유연성이 떨어질 수 있습니다. 개방형 네트워킹은 소프트웨어 선택, 에코시스템 통합, 에지에서 코어, 클라우드 플랫폼까지의 자동화를 통해 현대 기업의 역량을 강화함으로써 과제를 해결합니다.

데이터에 대한 액세스: AI 기술의 개발 및 배포가 강력하고 효율적인 워크스테이션에서 점점 더 많이 이루어지고 있습니다. 이러한 목적에 맞게 구축된 시스템을 사용하면 팀은 AI 개발의 모든 단계에서 그리고 엣지 추론을 지원하므로 배포 중에 AI 및 분석을 통해 더욱 스마트하고 빠르게 작업할 수 있습니다. 직원들이 필요한 데이터에 액세스할 수 있도록 하려면 기업은 고립되고 경직되고 값비싼 레거시 시스템에서 벗어나 분석과 인공 지능의 속도, 확장성, 신뢰성을 지원하는 새로운 솔루션으로 전환해야 합니다. Data Lakehouse는 비즈니스 인텔리전스, 분석, 실시간 데이터 애플리케이션, 데이터 과학 및 기계 학습을 한 곳에서 지원하여 데이터 과학자, 비즈니스 분석가 및 비즈니스 가치를 창출하기 위해 데이터가 필요한 기타 사람들이 신뢰할 수 있는 데이터에 빠르고 쉽게 액세스할 수 있도록 합니다. 기능에 대한 액세스.

결과에 집중

분석과 AI는 데이터 웨어하우스, 데이터 흐름 및 데이터 레이크에서 더 나은 비즈니스 통찰력을 얻을 것을 약속합니다. 하지만 기업은 먼저 AI 또는 분석 프로젝트를 개발하고 성공적으로 배포하는 능력을 평가해야 합니다. 대부분의 기업은 엣지에서 데이터 센터, 클라우드 플랫폼에 이르기까지 AI 개발 및 배포를 지원할 수 있도록 중요한 인프라와 하드웨어를 현대화해야 합니다. 이를 수행하는 기업은 자신의 데이터와 애플리케이션이 힘을 배가할 것임을 알게 될 것입니다. 그 과정에서 향후 수년간 IT 및 비즈니스 목표를 달성하기 위해 데이터를 안전하게 보호하고 액세스할 수 있도록 업그레이드를 구현할 것입니다.

위 내용은 AI 및 분석 프로젝트가 실패하지 않도록 하려면 어떻게 해야 할까요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!