Gartner：為人工智能制定有效的IT基礎架構戰(zhàn)略

作者系 Gartner首席研究分析師Pankaj Prasad & Gartner研究總監(jiān)呂俊寬

盡管人工智能炒得火熱且看似發(fā)展前景光明，但目前僅有少數(shù)的企業(yè)機構能大規(guī)模部署與使用人工智能。還有絕大部分仍在努力制定其人工智能戰(zhàn)略：確立人工智能的用途與適用性、制定技術與商業(yè)模式、并試行早期項目。

在創(chuàng)建敏捷的基礎架構以制定高效人工智能戰(zhàn)略方面，基礎架構與運營（I＆O）的領導者面臨著挑戰(zhàn)。Gartner的數(shù)據(jù)顯示，相比今年的4%，到2022年，25%的企業(yè)將投資與部署人工智能項目。

要想成功開展人工智能項目，需要應用新技術、新流程與新的治理模式。但是，由于眾多因素，例如：缺乏具備相關技能的員工、基礎架構的高速擴增與管理復雜性、呈指數(shù)增長的數(shù)據(jù)量、要求增加對支持決策的見解、以及逐漸緊縮的IT預算，很多機構都難以制定出合理的基礎架構戰(zhàn)略。這會導致技術應用延后并易處于競爭中的劣勢地位。

除了使用基礎架構支持人工智能項目之外，基礎架構與運營團隊也將使用人工智能技術。Gartner預測，到2020年，未能在企業(yè)業(yè)務中有效利用人工智能的數(shù)據(jù)中心中，30%將不具備運營與經(jīng)濟效益。

為避免成為上述30%中的一部分，首先需要分析已經(jīng)成功開展的人工智能項目。這也說明了一個常規(guī)模式：要想成功制定戰(zhàn)略意味著要將人工智能項目與商業(yè)價值相結合。要做到這一點，必須采取四項基本措施；然而，在這些措施中，有些在實施的過程中比其它措施要更加困難并且更加耗時。

1. 使用智能自動化解放技能熟練的IT人員并實現(xiàn)數(shù)字化辦公。

隨著諸如人工智能和物聯(lián)網(wǎng)這樣新的商業(yè)動力與數(shù)字化商業(yè)項目的產(chǎn)生，基礎架構與運營領導者則需要面對一個復雜性急劇上升的局面。因此，基礎架構與運營團隊經(jīng)常陷入低價值的重復性任務中。例如：當出現(xiàn)問題時，分析日志文件并嘗試對其進行根本原因分析。

通過開展基礎架構與運營智能自動化并優(yōu)化實現(xiàn)基礎架構管理，可從低價值、重復性任務中解放出技能熟練的IT專業(yè)人士。取而代之的是，專注于利用新的人工智能和數(shù)據(jù)分析技能來重新培訓表現(xiàn)能力較好的基礎架構與運營團隊。通過解決技術技能差距、對變革意識（change-aware）的文化進行投資以及更多功能的角色來實現(xiàn)數(shù)字敏捷度（digital dexterity）。

2. 推動業(yè)務部門制定高效基礎架構戰(zhàn)略

為了在人工智能方面取得成功，需要帶領基礎架構與運營團隊，完成從IT服務中心的定位到協(xié)同商業(yè)部門和首席數(shù)據(jù)官（CDO）機構的轉變。通過與業(yè)務部門進行合作，制定出與實際狀況相符并與收入關鍵結果相一致的戰(zhàn)略，就能夠為人工智能設計出高效且優(yōu)化的基礎架構戰(zhàn)略。

與其試圖一次性解決所有機構中的問題，不如從小型試點項目開始；使用卓越中心（centres of excellence）來促進成功；并利用敏捷方法快速驗證與商業(yè)相關的項目并取消起反作用的項目。

3. 開展戰(zhàn)略數(shù)據(jù)收集與數(shù)據(jù)連接項目

諸如數(shù)據(jù)豎井（data silos）、數(shù)據(jù)的數(shù)量和質量管理方面的挑戰(zhàn)，是人工智能項目陷入停滯的另一個主要原因。即使是對于最好的基礎架構與運營團隊而言，想一次性解決所有的挑戰(zhàn)也絕非易事。

那么需要采取的措施就是，通過區(qū)分“數(shù)據(jù)收集”（ data collect）與“數(shù)據(jù)連接”（data connect）來加速人工智能的應用。通過在正確的人工智能體系下使用數(shù)據(jù)收集及數(shù)據(jù)管理（清理與轉型）戰(zhàn)略，可以制定出符合收入關鍵結果的基礎架構戰(zhàn)略。而數(shù)據(jù)連接戰(zhàn)略的設計可能會導致人工智能使用過程中產(chǎn)生新的顛覆性結果，因為連接數(shù)據(jù)元（data elements）可以發(fā)掘具有更高價值的功能。

4. 根據(jù)人工智能工作負載要求來推動技術選擇

提供支持人工智能項目的基礎架構可能會帶來新的集成復雜性、生產(chǎn)力以及成本方面的挑戰(zhàn)。尤其是集成FPGA、ASIC和GPU等計算加速技術的復雜性可能會導致基礎架構過度配置或與目標用途不匹配。在很多情況下，基礎架構與運營領導者都會過度配置特定技術架構，造成基礎架構利用率不足且項目成本超支。

使用人工智能工作負載需求來指導基礎架構選擇戰(zhàn)略，例如：加速計算基礎架構、云計算和混合戰(zhàn)略的機會投資。選擇具有廣泛生態(tài)系統(tǒng)支持的技術。如果需要部署計算加速器，請選擇具有最廣泛軟件架構支持與具有成熟軟件部署環(huán)境的技術，從而主動降低風險。

關于作者

Pankaj Prasad現(xiàn)任Gartner公司首席研究分析師，主要研究數(shù)據(jù)中心性能分析與基礎架構監(jiān)測（ITIM）。

呂俊寬先生現(xiàn)任Gartner公司研究總監(jiān)，同時也是位于臺北的個人技術研究團隊成員。他通過提供與設備、智能手機、可穿戴設備、生物測定技術、聯(lián)網(wǎng)家庭、智慧城市和會話式人工智能相關的新興技術與商業(yè)模式咨詢服務，幫助IT提供商和用戶發(fā)展并創(chuàng)新自己的業(yè)務。此外，呂先生也關注那些通過數(shù)字化業(yè)務來發(fā)展一個融合虛擬與現(xiàn)實世界平臺的數(shù)字顛覆者。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。