In che modo l’IA potrebbe aiutare le aziende a ridurre i costi di archiviazione dei dati
 
La quantità di dati gestiti dalle imprese mondiali è in crescita. Secondo una fonte, la quantità totale di dati creati, acquisiti, copiati e consumati a livello globale è stata di circa 64,2 zettabyte nel 2020, pari a un trilione di gigabyte. Non sorprende che le aziende riferiscano che anche il costo di archiviazione dei propri dati stia aumentando. In un sondaggio dell’Enterprise Storage Forum del 2018 , i leader aziendali hanno affermato che gli elevati costi operativi, la mancanza di capacità di archiviazione e l’invecchiamento delle apparecchiature erano tra le loro principali preoccupazioni.

I crescenti costi di storage hanno spinto molte aziende ad adottare opzioni cloud, che offrono il vantaggio di bassi costi di ingresso. Ma con i costi in aumento man mano che sempre più aziende si spostano online – un rapporto Pepperdata ha rilevato che oltre un terzo delle aziende ha un superamento del budget dei servizi cloud fino al 40% – i leader IT stanno esplorando alternative.

  
Sul lato cloud, un nascente gruppo di startup sta applicando l’IA al problema della gestione della spesa nel cloud. Fornitori come Densify e Cast AI affermano che le loro piattaforme basate sull’intelligenza artificiale possono consigliare la migliore configurazione di archiviazione per i carichi di lavoro di un’azienda tenendo conto di vari requisiti. Altri fornitori di tecnologia hanno rivolto la loro attenzione ai sistemi locali, creando algoritmi che secondo loro possono ridurre i costi di archiviazione con suggerimenti hardware o nuove tecniche di compressione dei file.
“Oggi l’archiviazione dei dati presenta diverse sfide: le implementazioni di archiviazione sono spesso costituite da una varietà di diversi supporti di archiviazione come memoria, flash, unità disco e nastri. Inoltre, le organizzazioni eseguono più storage array in base a protocolli di accesso… o in base alla criticità dei carichi di lavoro”, ha detto a VentureBeat il vicepresidente della ricerca Gartner Arun Chandrasekaran via e-mail. “L’utilizzo dell’IA ha il potenziale per semplificare la gestione del ciclo di vita dei dati in base ai requisiti di criticità, prestazioni, sicurezza e costi dei dati”.

Ottimizzazione del cloud
Durante la pandemia, la pressione per digitalizzare le operazioni ha portato un numero record di aziende a passare al cloud. Secondo un recente  sondaggio  di O’Reilly, nel 2021 il 90% delle organizzazioni utilizzava il cloud computing di qualche tipo, mentre il rapporto sullo stato del cloud di Flexera mostra che il 35% delle aziende ha speso più di 12 milioni di dollari in operazioni cloud nel 2021.

La tendenza all’adozione ha dato origine a startup che sviluppano piattaforme basate sull’intelligenza artificiale progettate per adeguare l’utilizzo in modo da tenere sotto controllo le spese. Uno è Densify, che analizza i carichi di lavoro tra data center privati, Amazon Web Services, Microsoft Azure, Google Cloud Platform e le offerte cloud di IBM per determinare la quantità di CPU, RAM e spazio di archiviazione di cui hanno bisogno, quindi suggerisce modi per risparmiare. Densify può utilizzare i dati di registro già disponibili per iniziare subito l’ottimizzazione. Successivamente, la piattaforma continuerà a esaminare le modifiche ai prezzi dei fornitori di servizi cloud, le esigenze delle applicazioni e i nuovi prodotti per trovare dove i clienti possono ridurre ulteriormente le spese.

“Di solito entro due o quattro settimane, hai il 50% dei risparmi”, ha detto il CEO Gerry Smith a VentureBeat in una precedente intervista. “A seconda di dove sono i risparmi, entro altri due o quattro mesi, [otterrai] il 100% dei risparmi”.

ANNUNCIO

Cast AI , un concorrente di Densify, sfrutta allo stesso modo l’IA per ottimizzare la spesa per il cloud. Supportando i principali fornitori di servizi cloud, la piattaforma si connette ai cloud esistenti e genera un report per identificare le opportunità di risparmio sui costi.

“Abbiamo altri modelli che utilizzano set di dati globali per le previsioni delle caratteristiche del mercato”, ha dichiarato il CEO Yuri Frayman a VentureBeat nell’ottobre 2021. “Ad esempio, formiamo un modello globale per prevedere le prevenzioni delle istanze in base al tipo di macchina, alla regione, alla zona di disponibilità e alla stagionalità. Questo modello è condiviso autonomamente tra tutti i clienti e tutti i dati vengono utilizzati per riqualificare il modello continuamente”.

On-premise e compressione
Per le aziende che non sono passate al cloud, o che hanno i propri dati diffusi in ambienti cloud e on-premise, sono disponibili soluzioni come Storage Optimization Analytics di Accenture, che combina ricerca e intelligenza artificiale per comprendere i contenuti aziendali e automatizzare la classificazione dei dati.

Accenture afferma di ridurre i costi di archiviazione rilevando contenuti duplicati o quasi duplicati, aiutando i clienti a spostare o archiviare i dati giusti al momento giusto. Storage Optimization Analytics automatizza anche la migrazione a storage a basso costo e tiene traccia dei risparmi di storage, calcolando il ritorno sull’investimento (ROI) complessivo.

Il fornitore IT Rahi Systems offre un servizio simile chiamato Pure1 Meta, che utilizza modelli di intelligenza artificiale per prevedere la capacità e le prestazioni e fornire consigli sull’implementazione e l’ottimizzazione del carico di lavoro. Pure1 Meta può eseguire simulazioni per carichi di lavoro specifici, generando risposte a domande sulla pianificazione della capacità e contribuendo apparentemente ad aumentare l’utilizzo delle risorse.

An Nvidia AI model compressing videos.
ANNUNCIO

Anche l’IA gioca un ruolo sempre più importante nella compressione dei file. Per video, musica e immagini, la compressione basata sull’intelligenza artificiale può fornire lo stesso, o quasi, livello di qualità visiva con meno bit. Un altro vantaggio è che è più facile aggiornare, standardizzare e distribuire nuovi codec AI rispetto ai codec standard, poiché i modelli possono essere addestrati in un lasso di tempo relativamente breve e, cosa importante, non richiedono hardware per scopi speciali.

Siti web come Compression.ai e VanceAI sfruttano i modelli per comprimere le immagini senza compromettere la qualità o la risoluzione. Qualcomm e Google hanno sperimentato codec basati sull’intelligenza artificiale sia per l’audio che per il video. E DeepMind, di proprietà di Alphabet, ha creato un sistema di intelligenza artificiale per comprimere i video su YouTube, riducendo del 4% la quantità media di dati di cui YouTube ha bisogno per trasmettere agli utenti senza una notevole perdita di qualità video.

Guardando al futuro
Chandrasekaran di Gartner osserva che l’adozione di tecnologie AI per la gestione dei dati, che rientrano nella categoria “AIops”, rimane piuttosto bassa. (Le piattaforme AIops mirano a migliorare l’IT sfruttando l’IA per analizzare i dati in un’organizzazione da strumenti e dispositivi). Ma aggiunge che la pandemia è stata un catalizzatore per l’adozione mentre le organizzazioni si sforzano di automatizzare più rapidamente per rispondere a circostanze “in rapido cambiamento”.

I recenti sondaggi concordano. Secondo Emergn, l’87% delle aziende prevede che i propri investimenti nelle competenze di automazione aumenteranno nei prossimi 12-26 mesi. E in un sondaggio K2 del 2020  , il 92% dei leader aziendali ha affermato di considerare l’automazione dei processi fondamentale per il successo nel posto di lavoro moderno.

ANNUNCIO

“C’è un sacco di ‘lavaggio AI’ nel settore oggi. Pertanto, controllare le affermazioni dei fornitori e implementare una soluzione che offra ROI può essere frustrante. AIops richiede molta integrazione”, ha affermato Chandrasekaran. “Per i team che non sono esperti nell’architettura e nella manutenzione di ambienti di dati complessi, un’implementazione affidabile di AIops può diventare un sogno irrealizzabile. È necessario anche un cambiamento culturale, in cui le organizzazioni siano disposte a prendere decisioni basate sui dati”.

Guardando al futuro, Chandrasekaran prevede di vedere soluzioni di gestione dello storage basate sull’intelligenza artificiale più “versatili” oltre ai prodotti già sul mercato. Queste soluzioni potrebbero consentire una maggiore automazione intelligente e flussi di lavoro di riparazione attraverso l’uso dell’IA, ritiene.

“Le tecniche di intelligenza artificiale possono aiutare a ottimizzare il posizionamento dei dati sui livelli di storage giusti, bilanciando prestazioni e costi. Inoltre, l’IA può aiutare con una migliore disponibilità dell’infrastruttura dati, consentendo alle aziende di accedere ai dati più velocemente e creare un’infrastruttura affidabile”, ha aggiunto Chandrasekaran

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi