GenAI と自動化: データセンターの未来を加速する

委託 自動化と生成 AI (GenAI) の時代には、「データセンター」が実際に何を意味するのかを再考する時期が来ています。 パブリック クラウドに多額の投資をしている人にとって、自動化や GenAI というとデータセンターが最初に思い浮かぶ場所ではないかもしれませんが、これらのテクノロジーはあらゆる環境で可能なことを急速に変えています。

XNUMX 年か XNUMX 年前、企業がクレジット カードをスワイプして開発者をクラウド リソースに解放することで IT を回避し始めたとき、パブリック クラウドは絶対に正しい選択でした。 ほとんどの大規模組織では、社内顧客が無視されるか、顧客のニーズが十分に満たされていないことがよくありました。 彼らは柔軟性と拡張性を求め、インキュベーション プロジェクトを成功させるためには低い初期費用を必要としていました。

もし時間が止まっていたら、おそらくデータセンターの終焉に関する悲惨な予言は正しかったでしょう。 私自身、フェンスの向こう側について詳しく学ぶ前は、かなりのクラウド エバンジェリストでした。 では、なぜこの絶滅レベルの出来事が起こらなかったのでしょうか? データセンターが適応しているためです。 確かに、現在オンプレミスで利用できる「aaS」およびサブスクリプション モデルがあります。 しかし、本当の安定化要因は自動化です。

ここで、今日の話に移ります。GenAI と、GenAI がデータセンターの自動化をどのように強化して、パブリック クラウドとほぼ同等のエクスペリエンスを実現できるかについてです。 ただし、そこに到達する前に、自動化とスクリプトがデータセンターで果たしている役割を確認する必要があります。 まずいくつかの重要事項を説明し、次に自動化と GenAI によってオンプレミスでの可能性が変わった理由を明らかにします。

クラウド運用モデルとコードとしてのインフラストラクチャ

基本的なことから始めましょう。クラウドの基礎はコードとしてのインフラストラクチャと、IT をサービスとして利用するというアイデアでした。 開発者は、環境を迅速に起動して作業を開始するために、ストレージ管理者、IT 運用担当者、またはネットワーク チームと話し合う必要はありません。 これは 2023 年には確実に実現するはずですが、良いニュースとして、これを自分で構築することは完全に可能です。 この運用モデルを採用するということは、IT 部門が自動化とともにポリシーとプロセスを活用して、環境からの摩擦を取り除くことを意味します。

クラウド オペレーティング モデルを自動化したときの最終エクスペリエンスを視覚的に表現

自動化ツールセットとテレメトリ データ

現在、データセンターに比類のない制御と洞察を提供する自動化、管理、テレメトリ/AIOps 製品が数多く提供されています。 データは AI の基盤であり、データセンターを効果的に管理するための基盤です。 現在のデータセンターにおける制御と可視性は、多くの場合、パブリック クラウドで達成できるもののスーパーセットです。ただし、ハイパースケーラーはその部門でも素晴らしい仕事をしています。 クラウドのマルチテナントの性質を考慮すると、クラウド プロバイダーはすべての顧客の安全を確保するために運用知識の一部を曖昧にする必要があります。 その結果、一部の監視システムの展開方法や収集できるデータを制限するアーキテクチャ上の決定が行われます。 重要な焦点の XNUMX つは、これらのソリューションを高度に統合し、コードとしての自動化とインフラストラクチャを採用し、すべてを測定/監視し、すべての役割に対して一貫したワークフローを使用していることを確認することです。

一般的な自動化/管理スタックの視覚的表現

GenAI による IT 自動化の次の波

これにより、GenAI を組み込んだデータセンターの次の進化がもたらされます。 クライアントがマーケティング コンサルタントに物理および仮想インフラストラクチャの HCI 導入ハンズオン ラボを構築させ、その後、支援する対象分野の専門家を提供しなかった過去の役割に関する楽しい話を共有しましょう。 明確ではないかもしれませんが、そのマーケティング コンサルタントは私であり、これはおそらく私がこれまで取り組んできたプロジェクトの中で最も挑戦的なプロジェクトの XNUMX つでした。 コード スニペットと YouTube チュートリアルを使用して、このようなタスクを実行する方法の基礎を理解しました。 私は何週間もかけてパズルを組み立て、各パズルのピースがどのように組み合わされるかを考えました。 奇跡的に、私はコーディングについてあまり知らなかったにもかかわらず、実際に正しく理解することができました。 とにかく、ここにWonderwallがあります…つまり、ここにGenAIがそれをやっているということです。

GenAI は、私たちが探していた検索エンジンおよびコード アセンブリ マシンです

私のハンズオン ラボで思い出していただきたいのですが、私は Windows Server をインストールするだけではなく、それ以上のことを行っていましたが、そのプロセスの残りの部分を提供するよう Windows Server に依頼した場合、それは可能であることに疑いの余地はありません。 非常に重要なことは、コードとしてのインフラストラクチャの考え方と、開発者がこの種の呼び出しや Runbook に慣れていない可能性がある新しい環境において、GenAI が本当に役立つ新しい味方であるということです。 多くの人は、共通のインフラストラクチャ スクリプトへのアクセスが普及していること、そして多くの場合、そのスクリプトはテクノロジー企業自身によって作成されていることを認識していません。 ハードウェア ベンダーとソフトウェア ベンダーの両方が大規模な Runbook リポジトリを持っていますが、場合によっては、GenAI を入力するだけでそれらを見つけることができます。 もう XNUMX つの重要な考慮事項は、インフラストラクチャ自体がインテリジェントで安全であることです。 これらのコマンドは、リモート管理の目的で何千ものサーバーにプッシュできます。 これにより、環境管理のハードルが大幅に下がります。

GenAI とプロセス構築

私のお気に入りの顧客エンゲージメントの話の XNUMX つは、少し長く聞こえるかもしれません。スマートフォンで育った人にとっては、道に迷ったり、連絡が取れなくなったりする話に似ています。 コンテナについての話はよく聞きますが、ある顧客にこの話題を切り出したとき、彼はこう言いました。「VMware 管理者を維持することさえできないのに、どうして私がコンテナを使えると思うのですか?」 これは私がよく考えてきたことであり、おそらくテクノロジーに関する最大の課題です。スキルセットがない場合、どのようにして導入できるでしょうか? GenAI の次の驚異的な摩擦低減手段、つまりドキュメントの作成または検索を始めましょう。

わずか XNUMX つのプロンプトで、日常的で非常に価値のあるプロセスが文書化され、すぐに使用できるようになります。

私たちは長い間、信じられないほどの量の情報にアクセスできましたが、以前はそのすべてを解析する機能はありませんでした。 GenAI ではこれがすべて変わります。 現在では、検索を行ったり、コード リポジトリをふるい分けたりする代わりに、単純な自然言語クエリまたはプロンプトによって、必要なドキュメントが正確に得られます。 何時間もかけて答えを探す代わりに、広範なドキュメントを数分で入手できます。 これにより、テクノロジーを導入する際のあらゆる障壁が完全に破壊されます。 インポスター症候群、スキルギャップ、切り替えコスト: あなたは注意を払っています。

何千もの可能性がありますが、次は AI Ops です

このテクノロジーがデータセンターの運営に役立つ豊富な方法があることを認めたいと思います。 おそらく次に重要な価値を追加するのは AI Ops です。 豊富なテレメトリ データから多くのことがわかりますが、信号対雑音比の問題も発生する傾向があります。 人間がすべてを分析して理解するには多すぎるデータが生成されているだけです。 このデータを GenAI にプッシュし、自然言語をインターフェースとして使用することで、洞察をより幅広い視聴者に拡張し、チャートや生データを見たときには思いつかなかったかもしれない質問をすることが可能になります。 この種のデータを使用すると、解決までの平均時間が大幅に短縮されます。 しかし、大きな欠点が XNUMX つあり、それが最後のポイントになります。

GenAI と自動化は可能性を変えますが、慎重に使用する必要があります

GenAI に関する XNUMX つの主要な課題に対処する必要があります。 それは、知的財産 (IP) の漏洩とその能力です。幻覚”とかでっち上げたり。 それぞれを開梱して、実装中につまずくことなくテクノロジを採用する方法を判断しましょう。

まず、IP 漏洩について説明します。 サービスとして提供される GenAI モデルにデータが送信されるシナリオでは、IP が漏洩するリスクがあります。 パブリック クラウドやオープン S3 バケットの初期の頃と同じように、初期の実験者は誤用や誤解をしていました。 生み出されたリスク 彼らの会社のために。 これに対抗する最善の方法は、一元化された IT 戦略を策定し、それを共通のワークフローまたは開発パイプラインに組み込み、最後に、AIaaS に送信できない機密性の高いデータ用にオンプレミスで独自の GenAI を構築することを優先することです。データ。

大規模言語モデル (LLM) を社内に導入することのもう XNUMX つの利点は、LLM をより正確にしてガードレールを設置できることです。 これにより、生成される応答がより正確になり、お客様自身のビジネスのコンテキストに即したものになります。 ガードレールは、一部の「幻覚」、つまり GenAI が応答を強制されているにもかかわらず、要求に応じるために不正確な情報やでっち上げられた情報を提供する場合にも阻止できます。 これは GenAI によくある問題です。 実際には、これらのツールはすべてまだ初期段階にあります。 ほとんどの場合、リリース パイプラインのテストに取り組むのと同じように、これも本番環境に移行する前にさらに厳密に行う必要がある領域です。 私は、AI によるミスを減らす方法として、Human in the Loop (人間支援型機械学習) を強く支持しています。

未来は自動化される

データセンターは今後も存続しますが、GenAI と自動化によって根本的に変革することができます。 これらのツールはワークフローを強化し、IT 運用担当者や開発者が超人的な能力を達成するのに役立ちますが、人間に直接代わるものではありません。AI および自動化戦略を展開するときは、何を達成しようとしているのか、どのレベルを達成しようとしているのかを考えることが重要です。組織が快適に使用できる自動化のレベル。 未来は明るく、どこでも革新できる能力が現実のものとなっています。

私たちの方法を学ぶ デルのAPEXポートフォリオ 組織がどこでも一貫したクラウド エクスペリエンスを導入できるように支援し、 AIなどのテクノロジーを導入する そしてイノベーションを加速します。

Dell Technologies によって提供されます。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
• 情報源： https://go.theregister.com/feed/www.theregister.com/2023/06/23/generative_ai_and_automation_accelerating/