L'intelligenza artificiale non è più in fase sperimentale e viene già utilizzata in molte aziende. L'AI si armonizza particolarmente bene con i sistemi di stoccaggio. Qui, molte aziende si affidano a fornitori di servizi.
Un megatrend che ha contribuito a plasmare il 2019: l'intelligenza artificiale (AI). La tecnologia del futuro continua ad avanzare e sta già assicurando processi aziendali efficienti, veloci e senza errori in vari campi di applicazione. Per esempio, in relazione ai compiti di manutenzione degli impianti e delle macchine, così come nei test di qualità automatizzati, nell'analisi dei dati o nella gestione delle catene di fornitura.
A causa del grande potenziale di applicazione, la domanda di AI sta aumentando sempre di più, specialmente per le soluzioni di stoccaggio. Questo perché il volume di dati da elaborare in tutto il mondo sta crescendo rapidamente ogni giorno. A questo punto, l'intelligenza artificiale può aiutare a rendere i processi più efficienti e supportare l'analisi di grandi set di dati.
Al tempo stesso, molte aziende non hanno il know-how tecnico e le infrastrutture necessarie per sviluppare soluzioni AI. Dopo tutto, i requisiti in termini di software, hardware e risorse sono grandi. Inoltre, gli specialisti di AI e gli scienziati di dati sono necessari per costruire modelli e sono rari in tempi di carenza di competenze.
AI come servizio
I servizi offrono un aiuto per uscire da questo dilemma. AI as a Service" o "Artificial Intelligence as a Service" (AIaaS) è l'outsourcing dell'intelligenza artificiale. L'AI come servizio permette alle aziende di testare la tecnologia per vari scopi senza grandi investimenti iniziali e con meno rischi. Questo perché le applicazioni AI sono di solito portatili e possono essere utilizzate su diverse infrastrutture. Applicazioni AI standard come la conversione del parlato in testo possono essere facilmente realizzate tramite moduli già sviluppati nei servizi cloud pubblici.
Questo è il motivo per cui i principali fornitori di cloud hanno già integrato applicazioni AI per le aziende "come servizio" nelle loro offerte. Questo significa che rendono queste applicazioni disponibili tramite piattaforme open source in modo che le aziende non debbano costruire i propri strumenti o infrastrutture. "Tuttavia, le applicazioni AI hanno spesso bisogno di essere addestrate con dati molto specifici", spiega Jörg Bienert, Chief Product Officer di Alexander Thamm. "Per questo sviluppo, le aziende di medie dimensioni in particolare utilizzano fornitori di servizi specializzati in AI, che hanno un team di scienziati di dati e possono padroneggiare compiti complessi."
Una questione di dimensioni?
Tuttavia, l'uso di AI non è una questione di dimensioni aziendali. Erik Purwins, amministratore delegato di ACP Digital Analytics, vede i criteri più in relazione ai requisiti legali e normativi, i processi fondamentali dell'azienda, il know-how disponibile, le possibilità tecniche e i costi. Secondo Ravin Mehta, amministratore delegato di The Unbelievable Machine (*um), lo spazio di archiviazione è meno una sfida nei progetti di AI rispetto alle cosiddette cinque "V": Volume, Varietà, Velocità, Validità e Valore. Se poi le aziende si affidano a servizi AI prefabbricati o a soluzioni personalizzate è una questione di dimensioni del progetto e del budget.
Di conseguenza, l'uso dell'AI può avere senso anche per le aziende più piccole, soprattutto se vogliono muoversi verso un ambiente produttivo. "Le aziende spesso iniziano creando piccoli modelli con pochi dati. I modelli sono poi spesso ulteriormente migliorati, ma senza portarli in un ambiente produttivo e collegarli ad altri componenti software", spiega il dottor Sebastian Lehrig, AI Architect di IBM Systems. "Fortunatamente, questo può essere contrastato pianificando direttamente gli ambienti produttivi e rendendoli anche prontamente accessibili. In questo modo, le persone coinvolte possono testare i progetti AI in rapide iterazioni già in ambienti produttivi e raccogliere e prendere in considerazione il feedback sulla qualità della loro applicazione AI in una fase iniziale."
AI e lo stoccaggio
Siccome le applicazioni AI richiedono una grande quantità di dati, i requisiti di stoccaggio non possono essere trascurati. Tuttavia, nei progetti di IA, la scelta dell'architettura di archiviazione dipende molto dai requisiti del cliente e dalla struttura dei dati da elaborare. "In generale, l'IA non richiede una specifica architettura di storage", spiega Purwins. "Di regola, i clienti sono liberi di decidere se vogliono usare soluzioni cloud o on-premises per lo storage. Il più delle volte, è qui che l'idea ibrida viene implementata per l'elaborazione dei dati". Inoltre, le IA non solo hanno bisogno di dati per lavorare, ma anche per produrre nuovi dati. "Attraverso l'uso dell'intelligenza artificiale, lo stock di dati, già in aumento esponenziale, crescerà ancora di più. Il conseguente aumento della diversità di forma, la diversità delle fonti e la pressione sulla velocità di elaborazione significano che una gestione dei dati ben ponderata diventerà essenziale", prevede Purwins.
E così l'AI sta inaugurando un cambiamento di paradigma nello storage, poiché promette di rendere più intelligente il modo in cui immagazziniamo i dati. Allo stesso tempo, l'uso crescente della tecnologia richiede forme creative e individuali di architettura dei dati. Più fonti di dati completi possono essere sfruttate, migliori e più rapide possono essere le decisioni. Mehta crede che la visione di una "azienda guidata dai dati", in cui si ricavano decisioni e azioni rapide basate sui dati e automatizzate il più possibile, possa diventare realtà. La base per questo, secondo lui, è un'infrastruttura di dati completa che rende possibile attingere alle fonti di dati di tutte le aziende e collegarle tra loro, consentendo così analisi di dati sempre migliori e, infine, decisioni basate sull'AI.
Inoltre, secondo Mehta, è necessario più di un sufficiente spazio di archiviazione: "La ristrutturazione organizzativa è necessaria per questo, non solo nell'IT e nei processi, ma soprattutto nel pensiero. Ha bisogno di una mentalità di dati, la comprensione di ciò che è possibile con l'automazione guidata dai dati - non solo applicazioni basate sull'AI, ma un giorno aziende artificialmente intelligenti".