GenAI et automatisation : accélérer l'avenir des centres de données

Commandée À l'ère de l'automatisation et de l'IA générative (GenAI), il est temps de repenser ce que signifie réellement « centre de données ». Pour ceux qui se sont fortement investis dans le cloud public, le centre de données n'est peut-être pas le premier endroit auquel vous pensez en matière d'automatisation et de GenAI, mais ces technologies changent rapidement ce qui est possible dans tous les environnements.

Il y a dix ou quinze ans, lorsque les entreprises ont commencé à contourner l'informatique en glissant des cartes de crédit et en lâchant les développeurs sur les ressources cloud, le cloud public était absolument la bonne décision. Dans la plupart des grandes organisations, les clients internes étaient souvent ignorés ou leurs besoins n'étaient pas entièrement satisfaits. Ils voulaient de la flexibilité, ils avaient soif d'évolutivité et ils avaient besoin d'un faible coût initial pour permettre aux projets d'incubation de prospérer.

Si le temps s'était arrêté, peut-être que les sombres pronostiqueurs de la fin du datacenter auraient eu raison. J'étais moi-même un évangéliste des nuages ​​avant d'en savoir plus sur l'autre côté de la clôture. Alors pourquoi cet événement au niveau de l'extinction ne s'est-il pas produit ? Car le datacenter s'est adapté. Bien sûr, il existe désormais des modèles "aaS" et d'abonnement disponibles sur site ; mais la véritable force stabilisatrice a été l'automatisation.

Ce qui nous amène à l'histoire du jour : GenAI et comment elle peut augmenter l'automatisation dans le centre de données pour en faire une expérience presque comparable à celle du cloud public. Avant d'en arriver là, nous devons examiner le rôle que l'automatisation et les scripts ont joué dans le centre de données. Nous commencerons par expliquer quelques éléments essentiels, puis nous expliquerons pourquoi l'automatisation et GenAI ont changé ce qui est possible sur site.

Modèle d'exploitation cloud et infrastructure en tant que code

Commençons par les bases : la base du cloud était l'infrastructure en tant que code et l'idée de consommer l'informatique en tant que service. Vos développeurs n'ont jamais eu à parler à un administrateur de stockage, à un responsable informatique ou à l'équipe de mise en réseau pour lancer rapidement un environnement et se mettre au travail. Cela devrait être des enjeux de table en 2023, et la bonne nouvelle est qu'il est tout à fait possible de le construire par vous-même. L'adoption de ce modèle opérationnel signifie que l'informatique tire parti des politiques et des processus parallèlement à l'automatisation pour éliminer les frictions de l'environnement.

Représentation visuelle de l'expérience finale lorsque vous avez automatisé un modèle d'exploitation cloud

Ensembles d'outils d'automatisation et données de télémétrie

Aujourd'hui, il existe de nombreux produits d'automatisation, de gestion et de télémétrie/AIOps qui offrent un contrôle et des informations inégalés sur les centres de données. Les données sont la base de l'IA et de la gestion efficace d'un centre de données. Le contrôle et la visibilité actuels dans les centres de données sont souvent un sur-ensemble de ce qui peut être réalisé dans le cloud public, bien que les hyperscalers aient également fait un excellent travail dans ce département. Compte tenu de la nature mutualisée du cloud, les fournisseurs de cloud doivent masquer certaines des connaissances opérationnelles pour assurer la sécurité de chaque client. Cela se traduit par des décisions architecturales qui limitent la façon dont certains systèmes de surveillance peuvent être déployés et quelles données peuvent être collectées. L'un des points importants est de s'assurer que vous intégrez fortement ces solutions, adoptez l'automatisation et l'infrastructure en tant que code, mesurez/surveillez tout et utilisez un flux de travail cohérent pour tous vos rôles.

Représentation visuelle d'une pile d'automatisation/gestion commune

La prochaine vague d'automatisation informatique avec GenAI

Cela nous amène à la prochaine évolution du datacenter intégrant GenAI. Permettez-moi de partager une histoire amusante sur un rôle passé où le client a demandé au consultant marketing de créer un laboratoire pratique de déploiement HCI pour l'infrastructure physique et virtuelle, puis n'a fourni aucun expert en la matière pour l'aider. Si ce n'est pas clair, ce consultant en marketing, c'était moi, et c'était probablement l'un des projets les plus difficiles sur lesquels j'ai jamais travaillé. J'ai utilisé des extraits de code et des didacticiels YouTube pour comprendre comment effectuer une telle tâche. J'ai passé des semaines à assembler le puzzle, à comprendre comment chaque pièce du puzzle s'emboîtait. Par miracle, j'ai réussi à faire les choses correctement, même si je ne connaissais pas grand-chose au codage. Quoi qu'il en soit, voici Wonderwall… Je veux dire, voici GenAI qui fait ça.

GenAI est le moteur de recherche et la machine d'assemblage de code que nous recherchions

Maintenant, attention, dans mon laboratoire pratique, je faisais bien plus que simplement installer Windows Server, mais il ne fait aucun doute dans mon esprit que si je lui demandais de fournir le reste de ce processus, il le pourrait. Ce qui est si important, c'est qu'avec la mentalité d'infrastructure en tant que code et dans de nouveaux environnements où les développeurs ne sont peut-être pas familiers avec ces types d'appels ou de runbooks, GenAI est un nouvel allié qui peut vraiment aider. Beaucoup de gens ne réalisent pas que l'accès aux scripts d'infrastructure courants est répandu - et souvent ils sont écrits par les entreprises technologiques elles-mêmes. Les fournisseurs de matériel et de logiciels ont de grands référentiels de runbooks, parfois c'est juste une question de les trouver : entrez GenAI. Une autre considération importante est que l'infrastructure elle-même est intelligente et sécurisée. Ces commandes peuvent être transmises à des milliers de serveurs à des fins de gestion à distance. Cela réduit considérablement la barre de gestion de votre environnement.

GenAI et construction de processus

L'une de mes histoires d'engagement client préférées peut sembler un peu longue dans la dent - un peu comme ces histoires de perte ou d'incapacité à joindre quelqu'un qui sont insondables pour ceux qui ont grandi avec les smartphones. Nous entendons beaucoup parler de conteneurs, mais lorsque j'ai abordé ce sujet avec un client, il a dit : "Je ne peux même pas garder mes administrateurs VMware, qu'est-ce qui vous fait penser que je pourrais un jour faire des conteneurs ?" C'est quelque chose auquel j'ai beaucoup réfléchi et c'est probablement le plus grand défi de la technologie : si je n'ai pas les compétences, comment pourrais-je l'intégrer ? Entrez dans le prochain incroyable réducteur de friction de GenAI : écrire ou trouver de la documentation.

En seulement deux invites, nous avons un processus de routine et très précieux documenté et prêt à l'emploi

Nous avons depuis longtemps accès à une quantité incroyable d'informations, mais auparavant, il n'y avait aucune possibilité de tout analyser. Tout cela change avec GenAI. Désormais, au lieu de naviguer dans la recherche et de passer au crible les référentiels de code, une simple requête ou invite en langage naturel fournit exactement la documentation nécessaire. Au lieu de passer des heures à chercher des réponses, une documentation complète est à portée de main en quelques minutes. Cela détruit complètement tous les obstacles à l'adoption de la technologie. Syndrome de l'imposteur, manque de compétences et coûts de changement : vous êtes prévenu.

Des milliers de possibilités mais AI Ops est le suivant

Je tiens à reconnaître la richesse des façons dont cette technologie peut nous aider à gérer un centre de données. Le prochain à ajouter une valeur significative est probablement AI Ops. Ces données de télémétrie riches peuvent nous en dire beaucoup, mais ont également tendance à poser un problème de rapport signal sur bruit. Nous générons simplement trop de données pour que les êtres humains puissent tout analyser et tout comprendre. En poussant ces données dans GenAI et en utilisant le langage naturel comme interface, nous élargirons les informations à un public plus large et rendrons possible de poser des questions auxquelles nous n'aurions peut-être jamais pensé lorsque nous examinons des graphiques et des données brutes. Le temps moyen de résolution chutera lorsque nous utiliserons ce type de données. Mais il y a un énorme inconvénient, qui nous amène à notre dernier point.

GenAI et l'automatisation changent ce qui est possible, mais nous devons l'utiliser avec précaution

Deux des défis majeurs de GenAI doivent être relevés. Ce sont : la fuite de propriété intellectuelle (PI) et sa capacité à " halluciner” ou inventer des choses. Déballons chacun et déterminons comment adopter la technologie sans trébucher lors de la mise en œuvre.

Parlons d'abord des fuites IP. Dans tout scénario où des données sont envoyées à des modèles GenAI qui sont fournis en tant que service, nous risquons de perdre de l'IP. Tout comme les premiers jours du cloud public et des buckets S3 ouverts, les premiers expérimentateurs dans leur mauvaise utilisation ou leur incompréhension, risque créé pour leurs entreprises. La meilleure façon de contrer cela est d'avoir une stratégie informatique centralisée, de les insérer dans vos flux de travail communs ou votre pipeline de développement, et enfin de donner la priorité à la construction de votre propre GenAI sur site pour les données hautement sensibles qui ne peuvent pas aller à un AIaaS qui apprend constamment de votre données.

L'autre avantage d'apporter un grand modèle de langue (LLM) en interne est que vous pouvez également le rendre plus précis et y mettre des garde-corps. Cela rend les réponses qu'il génère plus précises et dans le contexte de votre propre entreprise. Les barrières de sécurité peuvent également arrêter certaines des "hallucinations", c'est-à-dire lorsque le GenAI est obligé de répondre mais fournit des informations inexactes et/ou inventées pour se conformer à la demande. C'est un problème courant avec GenAI. La réalité est que ces outils en sont encore à leurs balbutiements. Tout comme la plupart travailleraient sur des tests dans leur pipeline de versions, c'est aussi un domaine où plus de rigueur devrait être placée avant de passer à la production. Je suis un grand partisan de l'humain dans la boucle, ou de l'apprentissage automatique assisté par l'homme, comme moyen de réduire les erreurs avec l'IA.

L'avenir est automatisé

Le centre de données est là pour rester, mais il peut être radicalement transformé avec GenAI et l'automatisation. Ces outils peuvent augmenter nos flux de travail et aider les opérations informatiques et les développeurs à atteindre des capacités surhumaines, mais ils ne remplacent pas directement les personnes.Lorsque vous déployez vos stratégies d'IA et d'automatisation, il est important de réfléchir à ce que vous essayez d'accomplir et à quel niveau d'automatisation avec laquelle votre organisation est à l'aise. L'avenir est prometteur et la capacité d'innover n'importe où est désormais une réalité.

Découvrez comment notre Portefeuille Dell APEX aide les organisations à adopter une expérience cloud cohérente partout afin qu'elles puissent adopter des technologies comme l'IA et accélérer l'innovation.

Présenté par Dell Technologies.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
• La source: https://go.theregister.com/feed/www.theregister.com/2023/06/23/generative_ai_and_automation_accelerating/