كمية البيانات التي تديرها مؤسسات العالم آخذة في الازدياد. وفقًا لأحد المصادر، بلغ إجمالي حجم البيانات التي تم إنشاؤها والتقاطها ونسخها واستهلاكها عالميًا حوالي 64.2 زيتابايت في عام 2020 - أي ما يعادل تريليون جيجابايت. ليس من المستغرب أن تذكر الشركات أن تكلفة تخزين بياناتها آخذة في الارتفاع أيضًا. في استطلاع 2018 Enterprise Storage Forum، قال قادة الأعمال إن ارتفاع تكاليف التشغيل، ونقص سعة التخزين، وتقادم المعدات كانت من بين أهم اهتماماتهم.
دفع ارتفاع تكاليف التخزين العديد من الشركات إلى اعتماد الخيارات السحابية cloud options، والتي توفر ميزة انخفاض تكاليف الدخول. ولكن مع ارتفاع التكاليف مع انتقال المزيد من الشركات عبر الإنترنت - وجد تقرير Pepperdata أن أكثر من ثلث الشركات لديها تجاوزات في ميزانية الخدمات السحابية تصل إلى 40%- يبحث قادة تكنولوجيا المعلومات عن البدائل.
على الجانب السحابي، تقوم مجموعة ناشئة من الشركات الناشئة بتطبيق الذكاء الاصطناعي Artificial Intelligence AI على مشكلة إدارة الإنفاق على السحابة. يزعم بائعون مثل Densify و Cast AI أن منصاتهم التي تعمل بالذكاء الاصطناعي يمكن أن توصي بأفضل تكوين تخزين لأحمال عمل الشركات من خلال تلبية المتطلبات المختلفة. حوّل مزوّدو التكنولوجيا الآخرون انتباههم إلى الأنظمة المحلية، حيث قاموا بإنشاء خوارزميات يزعمون أنها يمكن أن تقلل من تكاليف التخزين إما من خلال اقتراحات الأجهزة أو تقنيات ضغط الملفات الجديدة.
يعاني تخزين البيانات اليوم من عدة تحديات: غالبًا ما تتكون عمليات نشر وحدات التخزين من مجموعة متنوعة من وسائط التخزين المختلفة مثل الذاكرة والفلاش ومحركات الأقراص والأشرطة. بالإضافة إلى ذلك، تدير المؤسسات مصفوفات تخزين متعددة بناءً على بروتوكولات الوصول... أو بناءً على أهمية أعباء العمل.
دفع ارتفاع تكاليف التخزين العديد من الشركات إلى اعتماد الخيارات السحابية cloud options، والتي توفر ميزة انخفاض تكاليف الدخول. ولكن مع ارتفاع التكاليف مع انتقال المزيد من الشركات عبر الإنترنت - وجد تقرير Pepperdata أن أكثر من ثلث الشركات لديها تجاوزات في ميزانية الخدمات السحابية تصل إلى 40%- يبحث قادة تكنولوجيا المعلومات عن البدائل.
على الجانب السحابي، تقوم مجموعة ناشئة من الشركات الناشئة بتطبيق الذكاء الاصطناعي Artificial Intelligence AI على مشكلة إدارة الإنفاق على السحابة. يزعم بائعون مثل Densify و Cast AI أن منصاتهم التي تعمل بالذكاء الاصطناعي يمكن أن توصي بأفضل تكوين تخزين لأحمال عمل الشركات من خلال تلبية المتطلبات المختلفة. حوّل مزوّدو التكنولوجيا الآخرون انتباههم إلى الأنظمة المحلية، حيث قاموا بإنشاء خوارزميات يزعمون أنها يمكن أن تقلل من تكاليف التخزين إما من خلال اقتراحات الأجهزة أو تقنيات ضغط الملفات الجديدة.
يعاني تخزين البيانات اليوم من عدة تحديات: غالبًا ما تتكون عمليات نشر وحدات التخزين من مجموعة متنوعة من وسائط التخزين المختلفة مثل الذاكرة والفلاش ومحركات الأقراص والأشرطة. بالإضافة إلى ذلك، تدير المؤسسات مصفوفات تخزين متعددة بناءً على بروتوكولات الوصول... أو بناءً على أهمية أعباء العمل.
تحسين السحابة Cloud optimization
أثناء الوباء، أدى الضغط من أجل رقمنة العمليات إلى انتقال عدد قياسي من الشركات إلى السحابة. وفقًا لاستطلاع حديث أجرته O’Reilly، فإن 90% من المؤسسات كانت تستخدم الحوسبة السحابية من نوع ما في عام 2021، بينما يوضح تقرير حالة السحابة من Flexera أن 35% من الشركات أنفقت أكثر من 12 مليون دولار على العمليات السحابية في عام 2021.
أدى اتجاه التبني إلى ظهور الشركات الناشئة التي تقوم بتطوير منصات مدعومة بالذكاء الاصطناعي مصممة لتعديل الاستخدام للسيطرة على النفقات. الأول هو Densify، الذي يحلل أعباء العمل عبر مراكز البيانات الخاصة، و Amazon Web Services، و Microsoft Azure، و Google Cloud Platform وعروض سحابة IBM لتحديد مقدار وحدة المعالجة المركزية وذاكرة الوصول العشوائي والتخزين التي يحتاجون إليها - ثم يقترح طرقًا للحفظ. يمكن لـ Densify استخدام بيانات السجل المتوفرة بالفعل لبدء التحسين على الفور. بعد ذلك، ستستمر المنصة في مراجعة تغييرات أسعار مزودي الخدمات السحابية، واحتياجات التطبيقات والمنتجات الجديدة للعثور على الأماكن التي يمكن للعملاء تقليل النفقات فيها بشكل أكبر.
Cast AI، منافس Densify، يستفيد بالمثل من الذكاء الاصطناعي لتحسين الإنفاق على السحابة. من خلال دعم مزودي الخدمات السحابية الرئيسيين، تتصل المنصة بالسحابات الحالية وتقوم بإنشاء تقرير لتحديد فرص توفير التكاليف.
في أماكن العمل والضغط On-premises and compression
بالنسبة للشركات التي لم تنتقل إلى السحابة- أو التي نشرت بياناتها عبر البيئات السحابية والمحلية- هناك حلول مثل Accenture's Storage Optimization Analytics، والتي تجمع بين البحث والذكاء الاصطناعي لفهم محتوى المؤسسة وأتمتة تصنيف البيانات.
تدعي Accenture أنها تقلل من تكاليف التخزين من خلال اكتشاف المحتوى المكرر أو شبه المكرر، مما يساعد العملاء على نقل البيانات الصحيحة أو أرشفتها في الوقت المناسب. تعمل تحليلات تحسين التخزين أيضًا على أتمتة الترحيل إلى التخزين منخفض التكلفة وتتبع مدخرات التخزين، وحساب العائد الإجمالي على الاستثمار (ROI) Return on investment.
يقدم مزود تكنولوجيا المعلومات Rahi Systems خدمة مماثلة تسمى Pure1 Meta، والتي تستخدم نماذج الذكاء الاصطناعي للتنبؤ بالسعة والأداء وتقديم المشورة بشأن نشر عبء العمل وتحسينه. يمكن لـ Pure1 Meta تشغيل عمليات محاكاة لأحمال عمل محددة، وتوليد إجابات لأسئلة تخطيط السعة بينما تساعد ظاهريًا في زيادة استخدام الموارد.
تستفيد مواقع الويب مثل Compression.ai و VanceAI من النماذج لضغط الصور دون المساومة على الجودة أو الدقة. جربت كوالكوم Qualcomm وجوجل Google برامج الترميز المعتمدة على الذكاء الاصطناعي AI-driven codecs لكل من الصوت والفيديو. وأنشأت شركة DeepMind المملوكة لشركة Alphabet نظام ذكاء اصطناعي لضغط مقاطع الفيديو على YouTube، مما يقلل من متوسط كمية البيانات التي يحتاجها YouTube لبثها إلى المستخدمين بنسبة 4% دون خسارة ملحوظة في جودة الفيديو.
تطلع إلى المستقبل Looking to the future
يلاحظ Chandrasekaran من Gartner أن اعتماد تقنيات الذكاء الاصطناعي لإدارة البيانات AI technologies for data management، والتي تندرج تحت فئة "AIops"، لا يزال منخفضًا للغاية. (تهدف منصات AIops إلى تحسين تقنية المعلومات من خلال الاستفادة من الذكاء الاصطناعي لتحليل البيانات في المؤسسة من الأدوات والأجهزة). لكنه يضيف أن الوباء كان حافزًا للتبني حيث تسعى المؤسسات جاهدة لأتمتة أسرع للاستجابة للظروف "المتغيرة بسرعة".
توافق الاستطلاعات الأخيرة. وفقًا لـ Emergn، تتوقع 87% من الشركات أن تزيد استثماراتها في مهارات الأتمتة خلال الأشهر الـ 12 إلى الـ 26 المقبلة. وفي استطلاع K2 عام 2020، قال 92% من قادة الأعمال إنهم يعتبرون أتمتة العمليات أمرًا حيويًا process automation vital للنجاح في مكان العمل الحديث.
قال Chandrasekaran: "هناك الكثير من 'غسل الذكاء الاصطناعي AI washing' في الصناعة اليوم. ومن ثم، فإن فحص مطالبات البائعين ونشر حل يوفر عائد استثمار قد يكون أمرًا محبطًا، يتطلب AIops الكثير من التكامل". "بالنسبة للفرق التي ليست ماهرة في هندسة بيئات البيانات المعقدة وصيانتها، قد يصبح النشر القوي لـ AIops حلمًا بعيد المنال. يجب أيضًا أن يكون هناك تغيير ثقافي، حيث تكون المنظمات على استعداد لاتخاذ قرارات تعتمد على البيانات".
بالنظر إلى المستقبل، يتوقع Chandrasekaran رؤية المزيد من حلول إدارة التخزين التي تعمل بالذكاء الاصطناعي "متعددة الاستخدامات versatile" بخلاف المنتجات الموجودة بالفعل في السوق. ويعتقد أن هذه الحلول يمكن أن تتيح المزيد من الأتمتة الذكية وسير عمل المعالجة من خلال استخدام الذكاء الاصطناعي.
يمكن أن تساعد تقنيات الذكاء الاصطناعي في تحسين وضع البيانات على طبقات التخزين المناسبة- موازنة الأداء والتكاليف. بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي المساعدة في توافر البنية التحتية للبيانات بشكل أفضل، وتمكين الشركات من الوصول إلى البيانات بشكل أسرع وإنشاء بنية تحتية موثوقة".
