ИИ упирается не в модели, а в инфраструктуру
ИИ упирается не в модели, а в инфраструктуру Пока все обсуждают LLM, агентов и корпоративных ассистентов, у многих компаний ИТ-инфраструктура просто не готова к работе с ИИ. Тут вышел кейс кейтеринга «АКС», который работает в том числе в Арктике и нефтегазовом секторе. Захотели запустить внутри сервисы на базе LLM, а пришлось полностью обновлять ИТ-ландшафт, что, разумеется, уже совсем другие деньги. Кроме GPU-облака, ради которого отказались от собственного железа, раскошелились на перенос основных систем на гибридную инфраструктуру, полную перестройку ядра сети и переделку требований к ИБ. Сам кейс здесь скорее иллюстрация более широкой проблемы. ▫️ Корпоративный ИИ требует другого класса инфраструктуры. Обычных серверов, на которых годами работали ERP, CRM и внутренние сервисы, для новых нагрузок может быть недостаточно. Появляются GPU, повышенные требования к сети, хранению данных и отказоустойчивости. ▫️ ИИ усиливает переход к гибридной модели. Постоянные и чувствительные нагрузки компании могут оставлять в выделенном контуре, а дорогие вычисления подключать по мере необходимости. Это особенно важно для GPU, которые не каждой компании имеет смысл покупать в собственность. ▫️ Информационная безопасность становится частью AI-проекта с первого дня. Чем больше корпоративных данных получает модель, тем сложнее относиться к ИИ как к обычному SaaS-сервису. Поэтому вместе с пилотами компании начинают пересматривать сетевую архитектуру и сам контур размещения данных. Для многих путь к ИИ в ближайшие годы будет выглядеть примерно одинаково: сначала привести в порядок инфраструктуру, а уже потом масштабировать сами модели. Поэтому бюджеты побольше закладывайте, если они вообще есть. Подписывайтесь на AI для бизнеса