Artificial intelligence komt het beste tot zijn recht als je het als applicatie beschouwt in een agnostic hybrid cloud-model. Dat stelt Carrie Carrasco, Director Hybrid Platform Specialist bij Red Hat.
IT-infrastructuur is nogal complex geworden. Dit komt doordat bedrijven veel verschillende omgevingen en resources gebruiken. Die zijn ieder op zichzelf heel goed in wat ze moeten doen. Voor iedere soort – van public cloud tot private cloud en van on-premises tot de edge – valt wat te zeggen, simpelweg omdat het in een bepaalde situatie de meest logische en gewenste keuze is.
Red Hat wil precies dit infrastructuurlandschap mogelijk maken, via het agnostic hybrid cloud-model. Dit om het beste van het datacenter, de private cloud en public cloud samen te brengen en het potentieel te benutten. “Precies dat is de sleutel voor traditionele applicaties, alsmede voor moderne applicaties en voor bedrijven die meer willen doen met AI”, aldus Carrasco.
Alle soorten applicaties
Carrasco ziet AI dus als een applicatie. Het is te vergelijken met bedrijfskritische software. Allebei staan ze aan de basis van menig proces, klantinteractie en besluitvorming. Bij de applicatie wil je de nadruk leggen op schaalbaarheid, betrouwbaarheid en integratie in de hybride infrastructuur. Die kenmerken bereik je alleen door dezelfde behandelprincipes toe te passen. Een bedrijfskritische applicatie moet gestructureerd worden met duidelijke doelstellingen, planning en een gedegen implementatiestrategie.
Zijn er dan helemaal geen verschillen tussen AI en bedrijfskritische software? Zo ver moeten we ook weer niet gaan, ziet ook Carrasco. Bedrijven dienen ervoor te zorgen dat voor de toepassing van AI infrastructuur beschikbaar is, zodat modellen effectief getraind en geïmplementeerd kunnen worden. Daarin zijn andere zaken essentieel dan bij bedrijfskritische software, zoals meer afhankelijkheid van GPU’s in plaats van CPU’s. Sowieso moeten er ineens veel resources bij om op de behoeften in te kunnen spelen, bijvoorbeeld via servers en storagesystemen. Hier is Red Hat in zijn productaanbod dan ook op aan het inspelen via OpenShift AI. Het OpenShift AI-platform is geoptimaliseerd om bedrijven in staat te stellen AI-gebaseerde applicaties op schaal te creëren en te leveren in hybrid cloud-omgevingen.
De agnostic hybrid cloud
In deze filosofie is het hanteren van een schaalbare IT-omgeving cruciaal. Op die manier wordt het ontwikkelen, testen en implementeren van essentiële applicaties ondersteund volgens moderne standaarden. Je kunt het dan bijvoorbeeld zo inrichten dat je rekenintensieve AI-modellen traint in de public cloud waar on-demand resources beschikbaar zijn. Ondertussen houd je gevoelige data en kritische workloads in de private cloud voor optimale beveiliging en naleving van regelgeving.
De hybrid cloud faciliteert ook het in productie brengen van AI-applicaties. Het beheer gebeurt zoveel mogelijk in één omgeving, ongeacht waar de onderliggende resources zich bevinden. Dit zorgt voor een efficiënte en coherente ontwikkel- en operationele workflow. Data scientists, engineers en applicatieontwikkelaars kunnen samenwerken in hetzelfde platform. Vervolgens kan men de applicatie in iedere gewenste omgeving laten draaien, dus on-premises, de private cloud en public cloud.
Het mag duidelijk zijn dat Carrasco hierin een agnostic hybrid model als de toekomst ziet. En dat model is wat haar betreft ook gebaseerd op drie kernonderdelen: Exploration, Trust en Resilience. Die drie zaken zou je kunnen toepassen op ieder type applicatie. Hieronder zullen we dan ook met name op de drie stappen in de levensfase van een applicatie ingaan.
Het begint met experimenteren
De hele levensfase begint volgens de stappen van Carrasco dus bij exploratie. Als we dit op AI betrekken, gaat het om het verkennen van diverse AI-modellen en ondersteunende platforms en automatiseringstools. Daar is ontzettend veel keuze in, het is zaak om te bepalen hoe AI het beste kan worden ingezet ter ondersteuning van bedrijfsdoelstellingen. Tijdens deze fase worden hypotheses getest, gebruiksscenario’s geïdentificeerd en technologische haalbaarheid geëvalueerd voordat grootschalige implementatie plaatsvindt.
Een exploratiefase stelt organisaties in staat om snel te experimenteren met verschillende AI-technologieën en toepassingen zonder grote investeringen of risico’s. Met proof-of-concepts (POC’s) en pilotprojecten kunnen bedrijven inzicht krijgen in de potentiële voordelen en uitdagingen van AI. Deze aanpak helpt om realistische verwachtingen te scheppen en veelbelovende AI-oplossingen te identificeren die verder ontwikkeld kunnen worden, of juist te identificeren waar snel zichtbaar resultaat geboekt kan worden.
Organisaties die Exploration juist beheersen, hebben volgens Red Hat een voorsprong in innovatie. Hiervoor dien je een beeld te hebben welk type AI-applicatie de voorkeur heeft. Is predictive analytics, natural language processing of geautomatiseerde besluitvorming het meest wenselijk? Of heeft je bedrijf juist een combinatie nodig? De exploratiefase biedt de tijd om het juiste pad te bepalen en een omgeving voor het testen en verfijnen van AI-modellen voordat ze worden geïntegreerd in bredere bedrijfsprocessen.
Betrouwbaarheid en transparantie opbouwen
Waar voor menig persoon de voordelen van AI inmiddels duidelijk zijn, kleeft aan de technologie ook de uitdaging van het opbouwen van vertrouwen. Organisaties moeten kunnen vertrouwen op de nauwkeurigheid, ethiek en transparantie van AI-systemen om acceptatie en effectieve implementatie te waarborgen. Idealiter worden voldoende waarborgen ingebouwd voor validatie, monitoring en het minimaliseren van bias. Dit wordt alleen maar belangrijker bij gevoelige materie – bijvoorbeeld juridische documentatie en financiële prognoses. Dan dient rekening gehouden te worden met domeinspecifieke kennis en richtlijnen.
Bij het streven naar een hoog niveau van Trust kan transparantie in AI-systemen helpen. Hiervoor omvat het verstrekken van inzicht in de besluitvormingsprocessen van AI-modellen en het waarborgen van de traceerbaarheid van gegevens en beslissingen. Door transparantie te bevorderen, kunnen organisaties zorgen voor verantwoording en compliance met wettelijke en ethische standaarden.
Onder de streep is het creëren van vertrouwen in iedere applicatie essentieel. Dat wordt alleen maar belangrijker bij AI-apps die uit de exploratiefase komen en in productie gaan, om ze ook daadwerkelijk te laten slagen. Daarvoor moet je waarborgen inbouwen, iets wat de Red Hat Trusted Software Supply Chain mogelijk maakt. Hierdoor moeten bedrijven met vertrouwen applicaties in productie brengen.
Lees meer over de Trusted Software Supply Chain in ons eerdere artikel.
Een weerbare infrastructuur voor applicaties
Als het vertrouwen eenmaal is opgebouwd en men gaat de applicatie gebruiken, dan treedt de finale fase van Carrasco’s levenscyclus aan. Dat is het realiseren van Resilience, oftewel een weerbare infrastructuur van niveau zodat de applicatie kan blijven draaien. Het AI-systeem moet onder alle omstandigheden blijven functioneren ondanks verstoringen zoals cyberaanvallen, technische storingen of veranderende operationele omstandigheden. Op dit vlak zijn voor de hand liggende zaken te regelen, zoals disaster recovery en monitoring om te anticiperen op potentiële verstoringen. Hoewel we dit voor de hand liggend noemen, wil het niet per se zeggen dat ieder bedrijf dit ook goed geregeld heeft. De technologie is beschikbaar, maar de invulling blijkt in de praktijk soms achter te blijven.
“Alles wat je kunt automatiseren, moet je automatiseren.”
Waar Red Hat in deze fase vooral veel nut in ziet, is het doorvoeren van automatisering in de infrastructuur. Hier sluit het Red Hat Ansible Automation Platform dan weer op aan. Zodra een observability tool waarneemt dat een gebeurtenis plaatsvindt, kan Ansible een playbook aftrappen om bepaalde handelingen in werking te zetten. Carrasco ziet dit als een cruciaal component voor de agnostic hybrid cloud, om zoveel mogelijk automatisering in de hele organisatie door te voeren en de organisatie efficiënt te laten werken.
Een agnostic hybrid cloud-model dat geoptimaliseerd is voor ieder type applicatie (AI, legacy of modern) heeft dan ook de toekomst. Door AI te behandelen als een applicatie en gebruik te maken van een hybride infrastructuur, kunnen organisaties naast innoveren ook robuuste en betrouwbare oplossingen leveren die voldoen aan moderne IT-standaarden. Ze zijn daarmee klaar voor een toekomst met een variëteit aan applicaties.
Tip: 33-jarig Linux is niet meer weg te denken uit IT-infrastructuren