مزيج من بنى تحتية لتكنولوجيا المعلومات مزودة بالذكاء الاصطناعي يُحدث هذا تغييرًا جذريًا في كيفية تصميم الشركات لأنظمتها التقنية وتشغيلها وتوسيع نطاقها. لم يعد الأمر يقتصر على امتلاك المزيد من الخوادم أو مساحات التخزين أو النطاق الترددي، بل يتعلق بتزويد الشبكة بأكملها بطبقة من الذكاء قادرة على فهم ما يحدث في الوقت الفعلي واتخاذ القرارات كما يفعل فريق من الخبراء البشريين... ولكن بلا كلل، والأهم من ذلك، عبر جميع طبقات النظام في وقت واحد.
في هذا السياق، مفاهيم مثل تطبيقات الذكاء الاصطناعي في إدارة البنية التحتية، والبنى الهجينة، والحوسبة الطرفية، والحوسبة الفائقة، ووكلاء الذكاء الاصطناعي التي تتعاون فيما بينها. علاوة على ذلك، تبرز تحديات كبيرة: ارتفاع تكاليف الطاقة، وتعقيد التكامل، وتنظيم البيانات، الحاجة إلى مواهب متخصصة وهناك شكوك منطقية للغاية حول كيفية تحديث بنية تكنولوجيا المعلومات دون "هدم كل شيء والبدء من الصفر". دعونا نحلل هذا السيناريو برمته بهدوء وبنهج عملي للغاية.
ما هو تطبيق الذكاء الاصطناعي على البنى التحتية لتكنولوجيا المعلومات؟
عندما نتحدث عن الذكاء الاصطناعي المطبق على البنى التحتية لتكنولوجيا المعلومات لا نتحدث هنا عن بناء مركز بيانات ضخم لمجرد تدريب النماذج، بل عن الاستفادة من الخوارزميات المتقدمة على البنية التحتية التقنية الموجودة لديك بالفعل. الفكرة هي تحويل البيانات التقنية التي تولدها أنظمتك (السجلات، ومقاييس الأداء، والتنبيهات، والاستهلاك، والتذاكر، وما إلى ذلك) إلى معلومات قابلة للتنفيذ للعمل واتخاذ قرارات أفضل.
في بيئات الشركات، لا تكمن إحدى أكبر المشكلات في غياب البيانات، بل في... التجزئة بين الأدوات والمنصاتالمراقبة من جهة، والافتراضية من جهة أخرى، والتخزين، والشبكات، وحلول البنية التحتية لسطح المكتب الافتراضي، وأنظمة تخطيط موارد المؤسسات، وأنظمة إدارة علاقات العملاء... كل مكون له منصته الخاصة ولغته الخاصة. يعمل الذكاء الاصطناعي للبنية التحتية كـ طبقة ذكاء أفقية هذا يكسر هذه الحواجز، إنه يتصل بكل تلك المصادر.إنها تفهم السياق وتقدم رؤية موحدة.
يُمكّن هذا النهج الفريق من أن يكون، بدلاً من التنقل بين عشر منصات مختلفة، تحقق من حالة البيئة بأكملها يشبه الأمر التحدث إلى مهندس معماري خبير يتمتع بإمكانية الوصول المتزامن إلى Citrix وNutanix وNetApp وقواعد بيانات SQL وأنظمة النسخ الاحتياطي والحوسبة السحابية العامة، وغير ذلك الكثير. لا تكمن القيمة في الإجابة على الأسئلة فحسب، بل في ربط ما يحدث في كل طبقة لاكتشاف أوجه القصور، وتوقع الأعطال، واقتراح التحسينات.
علاوة على ذلك، فإن أحدث حلول الذكاء الاصطناعي للبنية التحتية لا تقتصر على نموذج واحد متجانس، بل تعتمد على بنى متعددة العوامل متخصصة تعمل هذه الأنظمة بالتوازي: بعضها يحدد المعلومات المطلوبة، وبعضها الآخر يتحقق من الصلاحيات والأمان، بينما يقوم البعض الآخر بتجميع الاستجابة النهائية ووضعها في سياقها. كل هذا يُسفر عن أوقات استجابة سريعة للغاية (في حدود ثوانٍ) مع مستويات عالية جدًا من الدقة ودرجة من الأتمتة تُوفر وقتًا ثمينًا لفرق تقنية المعلومات.
إنفرا آي إيه والجيل الجديد من المنصات لإدارة البنية التحتية لتكنولوجيا المعلومات
ومن الأمثلة الجيدة على هذا الاتجاه نهج النوع منصات محادثة تعمل بالذكاء الاصطناعي للبنية التحتية لتكنولوجيا المعلوماتصُممت هذه التقنية للشركات ذات البيئات المعقدة والحساسة، وفلسفتها واضحة: إذا كان لديك بالفعل بنية تحتية غنية بالبيانات، فلماذا تستمر في إدارتها يدويًا وبطريقة مجزأة بينما يمكنك الاستفادة من الذكاء الاصطناعي لتوحيد كل تلك المعرفة وجعلها متاحة باللغة الطبيعية؟
يوفر هذا النوع من الحلول دردشة مؤسسية متكاملة باستخدام أدوات متقدمة للمراقبة والتصور. يمكن للمستخدم (سواء كان مسؤولاً أو مدير أعمال أو محللاً) طرح أسئلة مثل: "ما سبب تدهور الأداء على أجهزة سطح المكتب الافتراضية في المنطقة X؟" أو "قارن استخدام الموارد بين بيئات الإنتاج وما قبل الإنتاج" وتلقي إجابة منظمة، مع بيانات مرجعية من أنظمة متعددة.
تتيح بنية وكلاء الذكاء الاصطناعي المتعددين، على سبيل المثال، تحديد مصدر البيانات ذي الصلة تلقائيًا لكل استعلام (Citrix، حلول البنية التحتية فائقة التقارب مثل Nutanix، مصفوفات التخزين مثل NetApp، قواعد بيانات SQL، إلخ)، تحقق من استيفاء سياسات الوصول والأمان، ثم قم بصياغة استجابة موحدة مفهومة للمستخدم النهائي. يكمن جوهر الأمر في أن الذكاء الاصطناعي لا يكتفي بالإجابة فحسب، بل يقدم أيضًا نظرة شاملة لحالة البنية التحتية.
بفضل هذا النموذج، يمكن للمنظمات قارن بين السيناريوهات، واكتشف نقاط الضعف، واكتشف فرص الادخار أو تحسين الخدمة في الوقت الفعلي. تشمل الأهداف النموذجية الاستجابات في أقل من دقيقة، ومستويات دقة تقارب 99٪ على الاستعلامات المنظمة (على سبيل المثال، على بيانات SQL)، وتحسينات في الكفاءة التشغيلية يمكن أن تتجاوز 90٪ في أنواع معينة من المهام المتكررة.
يتناسب هذا النوع من المنصات مع استراتيجية أوسع تسعى الشركة إلى تحقيقها دمج البيانات والبنية التحتية والذكاء الاصطناعي في إطار عمل مشترك. نحن نتحدث عن الانتقال من نموذج إدارة تكنولوجيا المعلومات التفاعلي والمجزأ واليدوي للغاية إلى نموذج أكثر ذكاءً ومركزية واستباقية، حيث تتدفق المعلومات بشكل طبيعي بين المجالات التقنية والتجارية وتستند القرارات إلى أدلة في الوقت الفعلي.
البنية التحتية للذكاء الاصطناعي: السحابة، والمواقع المحلية، والحافة، والحاسوب المركزي
مع دمج الذكاء الاصطناعي في البنية التحتية، البنية التحتية الخاصة اللازمة لتشغيل الذكاء الاصطناعي كما أنها تتطور بسرعة. عمليًا، تتجه المؤسسات بشكل متزايد إلى النموذج الهجين: الذي يستفيد من قابلية التوسع في الحوسبة السحابية العامة بالنسبة لمراحل تدريب النموذج المكثفة للغاية، يتم الحفاظ على بنية تحتية محلية للاستدلال بكميات كبيرة أو في السيناريوهات التي يكون فيها زمن الاستجابة والامتثال التنظيمي أمرًا بالغ الأهمية.
تدخل مراكز البيانات المحلية والخاصة حيز التنفيذ مسرعات الذكاء الاصطناعي المدمجة في الحواسيب المركزية والمنصات ذات الأهمية البالغة و الحوسبة الفائقةتتيح هذه البيئات تحديث أنظمة العمل القديمة، ودمج الذكاء الاصطناعي بالقرب من البيانات التاريخية، وتحسين إنتاجية المطورين دون الحاجة إلى نقل جميع المعلومات الحساسة إلى السحابة. وتُولي قطاعات مثل البنوك والتأمين والإدارة العامة أهمية خاصة لهذا النهج نظراً لمتطلبات سيادة البيانات لديها.
وعلى النقيض من ذلك نجد الحوسبة الطرفية للذكاء الاصطناعييكمن المنطق هنا في جعل النموذج أقرب ما يمكن إلى مصدر البيانات: كاميراتأجهزة الاستشعار الصناعية، وأجهزة إنترنت الأشياء، والأنظمة المدمجة، وما إلى ذلك. يتيح تشغيل الذكاء الاصطناعي على الحافة اتخاذ قرارات فورية (على سبيل المثال، اكتشاف خلل في خط الإنتاج أو تحديد نمط في فيديو في الوقت الفعلي) دون الحاجة إلى إرسال البيانات باستمرار إلى السحابة، مما يقلل من زمن الوصول وتكاليف النطاق الترددي ومخاطر الخصوصية.
بين هذين العالمين، السحابة والحافة، تتكشف... بنية تحتية هجينة موزعة حيث يتم نقل أعباء العمل من بيئة إلى أخرى بناءً على الأداء أو التكلفة أو المتطلبات التنظيمية. يُعد هذا النموذج الهجين مناسبًا بشكل خاص للمؤسسات التي ترغب في الجمع بين أفضل ما في كلا النظامين: المرونة ونظام الدفع حسب الاستخدام حيثما كان ذلك مناسبًا، والتحكم الكامل في البيانات وتقييد الوصول إليها حيثما كان ذلك ضروريًا.
كل هذا يترافق مع ظهور تطبيق الذكاء الاصطناعي الوكيل على عمليات البنية التحتيةعلى عكس النماذج البسيطة التي تجيب على سؤال واحد، تستطيع أنظمة الذكاء الاصطناعي التفكير والتخطيط وتنفيذ سلاسل أطول من الإجراءات: أتمتة سير العمل، وتعديل سياسات التوسع، وتنسيق عمليات النسخ الاحتياطي، أو التحقق من الامتثال التنظيمي - كل ذلك مع الالتزام بقواعد أمنية وتدقيق صارمة. وبهذه الطريقة، تنتقل البنية التحتية من كونها قابلة للمراقبة فقط إلى كونها، إلى حد ما، مستقلة.
إدارة البيانات، والسيادة، وتكييف البنية التحتية
يؤدي نشر الذكاء الاصطناعي على البنى التحتية لتكنولوجيا المعلومات إلى زيادة هائلة في حجم البيانات وتنوعها وسرعتهاتُستخدم سجلات التطبيقات، ومقاييس المراقبة، وآثار الأمان، وتدفقات الشبكة، وبيانات المعاملات، والبيانات التاريخية غير المهيكلة... كل ذلك لتغذية النماذج واتخاذ القرارات الآلية. فلا عجب في ذلك. إدارة البيانات وسيادة المعلومات أصبحت هذه الأمور من الشواغل الرئيسية.
تقوم العديد من المنظمات بتكييف أنظمتها البنية التحتية للذكاء الاصطناعي لمتطلبات السيادة تشمل الاعتبارات المحددة تحديد البلد أو المنطقة التي تُخزَّن وتُعالَج فيها البيانات، والخدمات السحابية المتاحة وشروط استخدامها، وكيفية ضمان امتثال النماذج لسياسات السرية الداخلية. ويتضمن ذلك اختيارًا دقيقًا بين السحابات العامة، والسحابات السيادية، والبيئات المحلية، والنماذج الهجينة، بالإضافة إلى تصميم أنظمة تشفير وإخفاء هوية وتتبع قوية.
تشير أبحاث السوق إلى أن سيشهد الاستثمار في الذكاء الاصطناعي نمواً كبيراً في السنوات القادمةمع ذلك، يخشى عدد كبير من المديرين التنفيذيين من فشل العديد من هذه الجهود إذا لم يتم دمج الذكاء الاصطناعي بشكل كامل مع أنشطة الأعمال الأساسية، وهو ما يتطلب بالضرورة بنية تحتية مناسبة. فليس كافياً امتلاك نماذج رائعة في بيئة معزولة؛ بل يجب ربطها بأنظمة الإنتاج وقواعد البيانات الواقعية وعمليات الشركة.
يتفق معظم القادة على أن... ميزة تنافسية سينبع ذلك من مدى تطور نماذجهالكن هذا التطور يتطلب أساسًا متينًا: بنية تحتية مصممة بالذكاء الاصطناعي تتسم بالأمان وقابلية التوسع والحوكمة. بعبارة أخرى، لم يعد نضج الذكاء الاصطناعي مجرد مسألة خوارزميات، بل يتعلق بكيفية بناء الأسس التكنولوجية للمؤسسة وإدارتها وربطها.
الدافع المؤسسي: الحوسبة الفائقة والبنى التحتية المشتركة
تشجع الإدارات العامة على اتخاذ تدابير لـ تعزيز البنى التحتية التكنولوجية اللازمة للذكاء الاصطناعي وتهدف هذه الاستراتيجية إلى تسهيل وصول الشركات والمؤسسات الصغيرة والمتوسطة والباحثين إليها. وتشمل تعزيز مراكز الحوسبة الفائقة، وإنشاء بنى تحتية مشتركة للبيانات على المستوى الأوروبي، والترويج لموارد الذكاء الاصطناعي العامة التي يمكن إعادة استخدامها في تطبيقات متعددة.
ومن بين أهم المبادرات ما يلي: الخطط الوطنية لتقنيات اللغة الطبيعيةتهدف هذه الخطط إلى تمكين بعض الدول من تبوّء مكانة رائدة في استخدام لغتها الأم في مجال الذكاء الاصطناعي (على سبيل المثال، نماذج خاصة باللغة الإسبانية واللغات الرسمية الأخرى). وتشمل هذه الخطط مدونات لغوية، ومعاجم، وتصنيفات، ونماذج، ومحركات استدلال جاهزة للدمج في حلول خاصة أو عامة.
بالتوازي مع ذلك، قدرات الحوسبة الفائقة الاستراتيجية من خلال مشاريع مثل "كوانتوم إسبانيا" ومبادرات الاتصالات الكمومية المختلفة بالتعاون مع المجتمعات المحلية. والهدف هو توفير بنية تحتية حاسوبية ضخمة متاحة للجميع، تُمكّن من تدريب نماذج متقدمة، ومعالجة كميات هائلة من البيانات، وتجربة التقنيات الناشئة، دون أن يضطر كل طرف معني إلى بناء حاسوبه العملاق الخاص.
يشكل الانتشار الواسع للرقمنة، والوصول الهائل إلى البيانات، وتوافر منصات الذكاء الاصطناعي الجاهزة للاستخدام، والحوسبة الفائقة عالية الأداء، العمود الفقري لتطوير واعتماد الذكاء الاصطناعي في جميع القطاعات: القطاع العام، والصناعة، والخدمات، والبحث العلمي، والشركات الناشئة. بالنسبة للعديد من الشركات الصغيرة والمتوسطة المبتكرة، يُحدث الوصول إلى هذه الموارد بتكلفة منخفضة فرقًا جوهريًا بين التخلف عن الركب والقدرة على المنافسة على قدم المساواة.
هذا النظام البيئي بين القطاعين العام والخاص يجعل من السهل على الذكاء الاصطناعي ألا يقتصر على الشركات الكبيرة ذات القوة المالية، بل أن يصل أيضاً إلى الشركات المتوسطة والصغيرة التي يمكنها الاستفادة منه. البنى التحتية المشتركة، والبيانات المفتوحة، والخدمات المُدارة لمشاريعهم الابتكارية الخاصة.
منصات وخدمات الحوسبة السحابية الذكية
تُعدّ القطعة الأساسية في هذه الأحجية بأكملها هي منصات الحوسبة السحابية الذكيةتتيح هذه الحلول للشركات الاستفادة من الحوسبة السحابية كامتداد طبيعي لمراكز بياناتها. ولا يقتصر الأمر على إعداد الأجهزة الافتراضية فحسب، بل يشمل تصميم وترحيل وإدارة بنى سحابية عامة أو خاصة أو هجينة توفر وفورات في التكاليف وقابلية للتوسع وتوافرًا عاليًا، مع التركيز بشكل خاص على تطبيقات الذكاء الاصطناعي.
يوفر تبني الحوسبة السحابية فوائد واضحة: القدرة على الاستجابة السريعة لمتطلبات السوق تُخفَّض تكاليف التشغيل بشكل فوري تقريبًا من خلال التحوّل من استثمارات الأجهزة (النفقات الرأسمالية) إلى نفقات أكثر قابلية للتنبؤ (النفقات التشغيلية)، ويُضمن استمرارية الأعمال بفضل المنصات الموزعة والمقاومة للأعطال. كل هذا، فضلًا عن تعزيز الأمان والامتثال التنظيمي الذي توفره كبرى الشركات المزودة عند تهيئتها بشكل صحيح.
تتدخل نماذج مختلفة في هذا المجال: البنية التحتية كخدمة (IaaS)، والمنصة كخدمة (PaaS)، واستراتيجيات الحوسبة السحابية المتعددة والهجينةبالإضافة إلى حلول متخصصة مثل مراكز البيانات لمركزة بيانات الأعمال والعمليات. ويمكن لكل شركة تعديل المزيج وفقًا لمستوى نضجها وميزانيتها ومتطلبات كل حالة استخدام للذكاء الاصطناعي.
يقدم مزودو الخدمات المتقدمة الدعم للعملاء في جميع أنحاء رحلة تبني الحوسبة السحابيةبدءًا من تصميم البنية المستهدفة، مرورًا بترحيل التطبيقات، وتحديد حوكمة الحوسبة السحابية (التحكم في التكاليف، والمعايير، والأمان، والأدوار)، وصولًا إلى الإدارة والدعم والنسخ الاحتياطي والتحسين المستمر على مدار الساعة. تكتسب هذه النظرة الشاملة أهمية خاصة عند استخدام الذكاء الاصطناعي، نظرًا لتغير أحجام العمل وكثرة متطلباتها.
للاستفادة من الذكاء الاصطناعي في الحوسبة السحابية، من الضروري الجمع بين التصميم المعماري الجيد، وإدارة التكاليف، والأتمتةبدون هذا التوازن، من السهل أن ينتهي الأمر بفواتير باهظة، أو موارد غير مستغلة بشكل كافٍ، أو مشاكل في الأداء في الأوقات الحرجة عندما يحتاج النموذج إلى مزيد من السعة.
بنية تكنولوجيا المعلومات الجاهزة للذكاء الاصطناعي: الحوسبة والتخزين والشبكات
انقطاع الذكاء الاصطناعي التوليدي والنماذج واسعة النطاق لقد أحدث هذا تحولاً جذرياً في العديد من البنى التكنولوجية. فجأة، باتت الشركات بحاجة إلى معالجة كميات هائلة من البيانات، مع متطلبات زمن استجابة وأداء لا تستطيع البنية التحتية السابقة تلبيتها دائماً. قبل التسرع في شراء الأجهزة بشكل عشوائي، من المهم فهم المكونات الأساسية.
أولا ، هناك الحوسبة المتخصصة للذكاء الاصطناعييتطلب تدريب وتشغيل النماذج المتقدمة طاقة أكبر بكثير مما يمكن أن توفره المعالجات التقليدية؛ ومن هنا جاء ظهور وحدات معالجة الرسومات (GPUs) ووحدات معالجة الموتر (TPUs) القادرة على التعامل مع حسابات المصفوفات وعمليات التعلم العميق بكفاءة أكبر بكثير، بالإضافة إلى معالجات الذكاء الاصطناعي التي تدمج وظائف مخصصة لأحمال عمل الاستدلال.
ثانياً ، يصبح التخزين استراتيجياًتتعامل مشاريع الذكاء الاصطناعي مع مجموعات بيانات ضخمة وموزعة، وغالبًا ما تكون غير منظمة. وهي تتطلب أنظمة قادرة على تقديم أداء عالٍ، وقابلية للتوسع، وسرعات وصول فائقة. وهنا، تكتسب حلول التخزين الفلاشي بالكامل أهمية متزايدة مقارنةً بالمنصات التقليدية القائمة على الأقراص، ليس فقط لأدائها المتميز، بل أيضًا لكفاءتها العالية في استهلاك الطاقة.
علاوة على ذلك، يجب دمج التخزين مع خطط النسخ الاحتياطي والتعافي من الكوارث المدعومة بالذكاء الاصطناعيلا يقتصر الأمر على النسخ الاحتياطية التقليدية فحسب، بل يتعلق بالقدرة على استعادة كميات كبيرة من بيانات التدريب ونماذج الإنتاج والإعدادات المعقدة بسرعة. تُعد حلول التخزين الشبكي (NAS) ذات السعة العالية والاتصال عالي الأداء خيارًا شائعًا لتلبية هذه الاحتياجات، لا سيما عند دمجها مع التشفير أثناء النقل وأثناء التخزين.
وأخيرا ، فإن تصبح الشبكة نقطة اختناق إذا لم يتم تصميمها بشكل جيد.يتطلب التدفق المستمر للبيانات بين أنظمة التخزين، وعُقد الحوسبة، والحوسبة السحابية العامة، والأجهزة الطرفية، بنية تحتية شبكية قوية ومجزأة تدعم نطاقًا تردديًا عاليًا وزمن استجابة منخفضًا. يجب تصميم هذه البنية لضمان انتقال البيانات بسرعة وأمان بين جميع هذه العناصر.
كفاءة الطاقة واستدامة مركز البيانات في ظل الذكاء الاصطناعي
من الآثار الجانبية لزيادة سعة الحوسبة والتخزين للذكاء الاصطناعي ما يلي: زيادة ملحوظة في استهلاك الطاقة في مركز البياناتتشير التقديرات إلى أن بعض عمليات الذكاء الاصطناعي تتطلب طاقة تتراوح بين خمسة إلى عشرة أضعاف الطاقة التي تتطلبها أحمال العمل التقليدية، مما يتسبب في ارتفاع درجة حرارة الرفوف والمعدات بشكل كبير ويجبر على إعادة التفكير في استراتيجيات التبريد.
ولضمان بقاء مركز البيانات بيئة آمنة ومستدامة، تتجه العديد من المنظمات نحو أنظمة تبريد مختلطة أكثر كفاءةيجمع هذا النهج بين التبريد الهوائي الأمثل والتقنيات الأكثر تطوراً. ويتمثل الاتجاه السائد في اعتماد ثلاجات líquidaمما يسمح بتبديد الحرارة بشكل أكثر فعالية من الأنظمة التي تعتمد حصرياً على الهواء.
إلى جانب ذلك، يصبح ما يلي مهماً: وحدات توزيع الطاقة الذكية (PDUs)تساعد وحدات توزيع الطاقة هذه، القادرة على المراقبة التفصيلية للاستهلاك، وموازنة الأحمال، واكتشاف الحالات الشاذة، وتخطيط السعة، إلى جانب استراتيجيات توحيد الأجهزة والتقنيات الافتراضية المتقدمة، في تقليل هدر الطاقة.
وبذلك تصبح الاستدامة بُعداً آخر من أبعاد التصميم البنى التحتية لتكنولوجيا المعلومات المدعومة بالذكاء الاصطناعيلا يتعلق الأمر فقط بتحقيق الأداء المطلوب، بل يتعلق أيضاً بتحقيق ذلك بطريقة مجدية اقتصادياً ومتوافقة مع أهداف خفض البصمة الكربونية على المدى الطويل وأهداف الكفاءة التشغيلية.
لا يمكن لأي شخص يخطط لبنية الذكاء الاصطناعي الخاصة به اليوم أن يتجاهل أن كل قرار يتعلق بالأجهزة أو التبريد أو توزيع الأحمال سيكون له تأثير مباشر على فاتورة الكهرباء، وكثافة الطاقة في مركز البيانات، وعمر المعداتإنه نهج يتطلب أن تسير تكنولوجيا المعلومات والمرافق والاستدامة جنباً إلى جنب.
نماذج محلية، وسحابية، وهجينة لمشاريع الذكاء الاصطناعي
إن تحديث البنية التحتية لدعم الذكاء الاصطناعي ليس بالأمر الرخيص، لذا يطرح السؤال الكبير نفسه: هل ينبغي عليّ الاستثمار في بنيتي التحتية الخاصة أم الانتقال إلى الحوسبة السحابية؟ والإجابة، كما هو الحال دائمًا تقريبًا، تعتمد على الأهداف والقطاع ونوع حالات الاستخدام التي سيتم نشرها.
اجمع واحد بنية تحتية خاصة بالذكاء الاصطناعي في الموقع يُعدّ هذا الخيار أكثر منطقية للمؤسسات التي تعالج كميات هائلة من البيانات، أو التي تتطلب نماذج مُخصصة للغاية، أو التي تعمل في قطاعات تخضع لرقابة صارمة مثل التمويل والرعاية الصحية والسيارات. كما أنه المسار المنطقي للشركات التي يتمحور عملها حول تقديم خدمات الذكاء الاصطناعي لأطراف ثالثة.
للشركات التي ترغب فقط في معالجة حالات استخدام محددة للذكاء الاصطناعي (على سبيل المثال، لتحسين دعم العملاء، أو أتمتة العمليات الداخلية، أو إضافة إمكانيات تحليلية متقدمة)، فإن الخيار الأمثل عادةً هو الاعتماد على الخدمات السحابية التي تقدمها كبرى الشركات المزودة لهذه الخدمات. تمتلك Azure وAWS وGoogle Cloud وغيرها من الشركات المزودة لخدمات الحوسبة السحابية واسعة النطاق وحداتٍ خاصة لتدريب النماذج ونشرها، وإدارة تعقيدات البنية التحتية الأساسية.
وقد استجابت كبرى شركات تصنيع تكنولوجيا المعلومات أيضاً بتقديم عروض بنى تحتية مُعدة مسبقًا مثل "مصانع الذكاء الاصطناعي"تُدمج هذه الحلول الحوسبة والتخزين والشبكات المُحسّنة لتسريع إطلاق المشاريع. وهذا يُقلل من وقت التنفيذ ويُخفف من العائق التقني أمام الفرق غير المتخصصة في بنية الأنظمة عالية الأداء.
في الواقع، ينتهي المطاف بالعديد من المنظمات إلى تبني النهج الهجينتُشغَّل بعض المشاريع على الحوسبة السحابية لضمان المرونة، بينما تبقى أحمال العمل الأكثر حساسية أو ذات الحجم الأكبر في مراكز البيانات المحلية. يتيح هذا المزيج مرونة في تحقيق التوازن بين التكاليف والأداء والامتثال التنظيمي والمرونة، مع الاستفادة من مزايا كل خيار.
التخطيط والحوكمة والشركاء لتبني الذكاء الاصطناعي في البنية التحتية
إن البدء في دمج الذكاء الاصطناعي في البنية التحتية لتكنولوجيا المعلومات يثير العديد من التساؤلات: هل أستخدم ما لدي أم أستبدله؟ من أين أبدأ؟ كيف أتجنب التشتت بين هذا الكم الهائل من خدمات الحوسبة السحابية؟ يصبح التخطيط الدقيق أمراً ضرورياً لتجنب إهدار الميزانية أو عرقلة المبادرات بسبب التعقيد المفرط.
تتمثل إحدى الخطوات الأولى في القيام بـ تقييم صادق للوضع الحالي للهندسة المعماريةالقدرة الحاسوبية، ونوع التخزين، وبنية الشبكة، ونضج الحوسبة السحابية، وعمليات النسخ الاحتياطي والاستعادة، وسياسات الأمان، وما إلى ذلك. ومن هناك، يتم تحديد حالات استخدام الذكاء الاصطناعي التي يجب معالجتها، إلى جانب المتطلبات التقنية والتجارية لكل منها.
تُظهر التجربة أن الاعتماد على شريك متخصص في التكنولوجيا والأعمال وهذا يُحدث فرقاً كبيراً. فهؤلاء الشركاء يجلبون المعرفة المتراكمة من مشاريع أخرى، ويساعدون في اختيار الشركات المصنعة والخدمات المناسبة، وتصميم بنى قابلة للتطوير ومتوازنة، والمساعدة في التكامل مع الأنظمة الحالية - وهو أمر بالغ الأهمية عندما يتعلق الأمر بتطبيق الذكاء الاصطناعي على البنية التحتية.
عند إدارة أحمال عمل الذكاء الاصطناعي بكفاءة وأمان، من المهم مراعاة التكلفة، بالإضافة إلى الاتصال بين الأنظمة، واستدامة الحلول، والأمن، والامتثال التنظيمييمنع النهج الشامل المشروع من أن يظل مجرد إثبات مفهوم معزول، ويسمح له بالتطور نحو نشر مستقر ومنظم مع عائد واضح على الاستثمار.
في نهاية المطاف، الشركات التي تستفيد بشكل أفضل من الذكاء الاصطناعي في بنيتها التحتية هي تلك التي تجمع بين الرؤية الاستراتيجية، والهيكلية المدروسة جيدًا، وثقافة البيانات، والتعاون مع الشركاء الخبراءلا يكفي إضافة المزيد من الآلات أو التعاقد على المزيد من الخدمات السحابية؛ بل من الضروري تنسيق النظام البيئي بأكمله بحيث يخدم الذكاء الاصطناعي الأعمال وليس العكس.
تمثل البنى التحتية لتكنولوجيا المعلومات المدعومة بالذكاء الاصطناعي نقلة نوعية في تصميم وتشغيل وتوسيع نطاق تكنولوجيا الشركات: فهي تدمج البيانات المتناثرة، وتُمكّن النماذج التفاعلية والوكلاء، وتعتمد على الحوسبة السحابية، والحواسيب المركزية، والحوسبة الطرفية، والحوسبة الفائقة، وتتطلب مناهج جديدة لإدارة البيانات وكفاءة الطاقة، وتحتاج إلى مزيج متوازن من نماذج الحوسبة السحابية، والأنظمة المحلية، والنماذج الهجينة. أولئك القادرون على الجمع بين كل هذه العناصر مع التخطيط الجيد والشركاء المناسبين هم من سيحولون الذكاء الاصطناعي إلى ميزة تنافسية مستدامة، بدلاً من كونه مجرد موضة عابرة.
