Die Cloud-Computing-Revolution brachte viele Innovationen mit sich, aber auch Lehren über die Gefahren, neue Technologien ohne eine gut geplante Strategie schnell zu übernehmen. Heute stehen IT-Führungskräfte vor einer ähnlichen Herausforderung mit dem Aufkommen von generativer KI. Bei der Entwicklung ihrer KI-Fabriken in dieser neuen Ära haben IT-Leiter die Möglichkeit, aus den Sünden der Vergangenheit zu lernen und strategisch auf Sicherheit, Governance und Kosteneffizienz über einen langen Zeitraum zu setzen, um Fehler zu vermeiden, die möglicherweise später korrigiert werden müssen.
Der Rückblick auf die Cloud: Eine Lernkurve Cloud Computing vor einem Jahrzehnt brachte Schatten-IT, wo Teams und sogar einzelne Mitarbeiter eine Kreditkarte benutzen, um sofort Zugriff auf umfangreiche Rechen- und Speicherressourcen zu erhalten. Im Laufe der Zeit sahen sich viele Organisationen mit Problemen konfrontiert, die Kosten, Sicherheit und Governance betrafen und sie dazu brachten, das zugrunde liegende Modell neu zu überdenken. Organisationen laufen heute Gefahr, in ein ähnliches Szenario namens Schatten-KI zu geraten, wo Teams bei der Eile, KI-Lösungen zu entwickeln oder zu übernehmen, auf Public Clouds oder API-Serviceanbieter zurückgreifen. Wenn diese Initiativen nicht ordnungsgemäß überwacht werden, könnten die mit dem Betrieb von GenAI-Dienstleistungen in der Public Cloud verbundenen Kosten schnell übermäßig werden und eine Vielzahl von Problemen nach sich ziehen.
Anwendung der Lehren aus der Schatten-IT auf Generative KI Bei der Entwicklung ihrer KI-Strategien können die Lehren aus der Cloud-Ära besonders wertvoll sein. Hier sind einige zu berücksichtigende Lektionen: Bauen Sie von Beginn an auf Kosteneffizienz auf. Vor der heutigen KI-Beschleunigung war bereits eine Verschiebung im Gange, da Organisationen das Cloud-Betriebsmodell überdachten. Ein Artikel von Andreessen Horowitz aus dem Jahr 2021 schätzte eine Marktlücke von 100 Milliarden US-Dollar bei den Top 50 Cloud-investierten öffentlichen Softwareunternehmen, die auf die Auswirkungen der Public-Cloud-Ausgaben zurückzuführen sind.
GenAI bietet großes Potenzial – McKinsey schätzt, dass generative KI jährlich einen Wert von 2,6 Billionen bis 4,4 Billionen US-Dollar hinzufügen könnte – aber es entstehen auch Kosten. Anstatt wie in den Anfängen der Cloud-Adoption langfristige Kosten oft übersehen wurden. Eine aktuelle Studie von Enterprise Strategy Group ergab, dass das Ausführen eines Open-Source Large Language Model (LLM) vor Ort mit Retrieval-Augmented Generation (RAG) um 38 % bis 75 % kosteneffizienter war als in der Public Cloud und mit dem API-basierten Ansatz sogar um bis zu 88 % kostengünstiger. Mit diesem Wissen können Führungskräfte von Anfang an auf Effizienz setzen und so langfristigen Erfolg aufbauen, anstatt kurzfristige Erfolge anzustreben, die eine Kurskorrektur erfordern.
Priorisieren Sie eine “vor Ort zuerst” Strategie, um KI zu Ihren Daten zu bringen Kosten sind nur eine Überlegung in einer zunehmend KI-getriebenen Welt. KI ist nur so wertvoll wie die Daten, mit denen sie verbunden ist. Aber wo leben diese Daten? Gartner prognostiziert, dass bis 2025 75 % der unternehmensgenerierten Daten außerhalb eines traditionellen zentralisierten Rechenzentrums oder der Cloud erstellt und verarbeitet werden. Organisationen müssen daher die Sicherheit und Souveränität ihrer Daten priorisieren, den Zugang und die Governance absichern und die Transparenz erhöhen.
Angesichts der Erkenntnisse aus den Erfahrungen mit Cloud Computing sollten Organisationen überlegen, ob eine “vor Ort zuerst”-Strategie oder das Bringen von KI zu den Daten in einer KI-Welt sinnvoll ist, insbesondere bei Anwendungen, bei denen die Kontrolle über Daten und Compliance entscheidend ist. Dieser Ansatz ermöglicht es Unternehmen, auf einer starken Grundlage der vorhandenen Infrastruktur aufzubauen und KI-Dienste in der Public Cloud strategisch dort zu nutzen, wo es sinnvoll ist. Es ermöglicht auch, Probleme wie die Daten-Schwerkraft zu umgehen, indem man die Notwendigkeit vermeidet, Strategien neu zu überdenken und die Herausforderungen des Neuausbalancierens Jahre später zu vermeiden.
Kontinuierliche Evaluation, Lernen und Anpassung GenAI, wie alle Bereiche der Technologie, wird sich weiterentwickeln. Was heute funktioniert, ist möglicherweise nicht Ihre ideale Strategie von morgen. Das Ziel sollte jedoch darin bestehen, von einem Ort aus zu bauen, der Ihnen die größte Flexibilität und Wiederverwendbarkeit bietet, während Sie die vollständige Kontrolle über Ihre Daten, Infrastruktur und Verwaltung behalten. Es kann auch bedeuten, mit den richtigen Partnern zusammenzuarbeiten, die über technologische Fortschritte beraten und Ihnen helfen, Strategien auf dem Sprung anzupassen.
Sonnige Aussichten in der Ära der KI Die Entwicklung hin zu GenAI bietet die Möglichkeit, hart erkämpfte Lehren aus der Ära des Cloud Computing anzu
wenden. Durch die Priorisierung von Kosteneffizienz von Anfang an, die Berücksichtigung eines “vor Ort zuerst”-Ansatzes und die kontinuierliche Anpassung und das Lernen im gesamten Prozess können IT-Organisationen GenAI so einsetzen, dass sie innovativ und nachhaltig ist. Dieser ausgewogene Ansatz hilft, vergangene Fehler zu vermeiden und eine robuste Grundlage für zukünftige Innovationen aufzubauen. Erfahren Sie mehr über die Dell AI Factory in diesem Webinar.