L’IA generativa può cambiare il mondo, ma solo se l’infrastruttura dati tiene il passo

'Generative AI can change the world, but only if the data infrastructure keeps up.

Nonostante il clamore che circonda l’AI Generativa, la maggior parte degli esperti del settore deve ancora affrontare una domanda significativa: esiste una piattaforma infrastrutturale in grado di supportare questa tecnologia a lungo termine e, in caso affermativo, sarà sufficientemente sostenibile per sostenere le innovative promesse dell’AI Generativa?

Gli strumenti di AI Generativa hanno già costruito una bella reputazione, grazie alla loro capacità di scrivere testi ben sintetizzati con un semplice clic – compiti che altrimenti richiederebbero ore, giorni, settimane o mesi per essere completati manualmente.

Tutto questo è bello e buono, ma senza l’infrastruttura adeguata, questi strumenti semplicemente non hanno la scalabilità per cambiare veramente il mondo. Con costi operativi astronomici che presto supereranno i 76 miliardi di dollari, l’AI Generativa è già una testimonianza di questo fatto, ma ci sono altri fattori in gioco.

Le imprese devono concentrarsi sulla creazione e connessione degli strumenti giusti per sfruttarla in modo sostenibile e devono investire in un’infrastruttura dati centralizzata che renda tutti i dati rilevanti accessibili in modo fluido al loro LLM senza pipeline dedicate. Con l’implementazione strategica degli strumenti adeguati, saranno in grado di fornire il valore aziendale che cercano nonostante le attuali limitazioni di capacità dei data center – solo allora la rivoluzione dell’AI avanzerà veramente.

• Servire efficientemente LLM open source
• Demistificazione della Regressione Logistica Una Guida Semplice
• Cos’è la qualità dei dati?

Un Modello Familiare

Secondo un nuovo rapporto del Capgemini Research Institute, il 74% dei dirigenti ritiene che i benefici dell’AI generativa superino le preoccupazioni. Un tale consenso ha già portato ad alti tassi di adozione tra le imprese – circa il 70% delle organizzazioni dell’Asia-Pacifico ha già espresso la propria intenzione di investire in queste tecnologie o ha iniziato a esplorare casi d’uso pratici.

Ma il mondo è già stato su questa strada. Prendiamo ad esempio Internet, che gradualmente ha attirato sempre più attenzione prima di superare le aspettative attraverso una miriade di applicazioni straordinarie. Ma nonostante le sue impressionanti capacità, ha avuto successo solo quando le sue applicazioni hanno iniziato a fornire valore tangibile alle imprese su larga scala.

Oltre ChatGPT

L’AI sta seguendo un ciclo simile. Le imprese si sono rapidamente impegnate nella tecnologia, con una stima del 93% delle imprese già coinvolte in diversi studi di casi di utilizzo di AI/ML. Ma nonostante l’alta adozione, molte imprese faticano ancora con la distribuzione – segno evidente di un’infrastruttura dati incompatibile.

Con l’infrastruttura adeguata, le aziende possono guardare oltre il livello superficiale delle affascinanti capacità dell’AI Generativa e sfruttare il suo vero potenziale per trasformare il loro panorama aziendale.

Infatti, l’AI Generativa può aiutare a scrivere rapidamente un breve e, nella maggior parte dei casi, in modo abbastanza efficace, ma il suo potenziale va ben oltre questo. Dalla scoperta di nuovi farmaci ai trattamenti sanitari all’ottimizzazione della catena di approvvigionamento, nessuna di queste innovazioni sarebbe possibile se i data center che supportano e guidano le applicazioni di AI non fossero sufficientemente robusti per gestire i loro carichi di lavoro.

Superare la Barriera della Scalabilità

L’AI Generativa non è ancora riuscita a fornire un valore significativo alle imprese perché manca di scalabilità. Questo è dovuto al fatto che i data center hanno limitazioni di capacità: la loro infrastruttura non è stata originariamente progettata per supportare l’esplorazione, l’orchestrazione e l’ottimizzazione dei modelli che i Large Language Models (LLM) richiedono per eseguire più cicli di addestramento in modo efficiente.

Trarre valore dall’AI Generativa quindi dipende da quanto bene un’azienda sfrutta i propri dati, che possono essere migliorati attraverso lo sviluppo di un’architettura dati robusta. Ciò può essere realizzato connettendo fonti di dati strutturati e non strutturati ai LLM o aumentando la capacità di elaborazione dell’hardware esistente.

È essenziale che le aziende che intendono addestrare il loro LLM sui dati organizzativi possano prima consolidare quei dati in modo unificato. Altrimenti, i dati lasciati in una struttura isolata probabilmente genereranno un bias nelle capacità di apprendimento del LLM.

Un Sistema di Supporto

L’AI Generativa non è apparsa dal nulla: è stata in fase di sviluppo per molto tempo e il suo utilizzo e potenziale cresceranno solo nei decenni a venire. Ma per ora, le sue applicazioni aziendali stanno incontrando un ostacolo che non è scalabile.

La realtà è che questi vari strumenti sono forti solo quanto l’infrastruttura di elaborazione dati che li supporta. È quindi fondamentale che i dirigenti aziendali utilizzino piattaforme in grado di elaborare i petabyte di dati di cui questi strumenti hanno bisogno per fornire concretamente il significativo valore che promettono.