ההתפתחות המואצת של תחום הבינה המלאכותית, ובמיוחד של מערכות Generative AI משנה את הדרך שבה ארגונים משתמשים במידע. אם בעבר דאטה היה בעיקר כלי לניתוח, לדוחות ולתהליכי BI כיום הוא הפך למנוע שמפעיל מערכות חכמות, מודלים מתקדמים וכלים אוטומטיים שמייצרים תובנות, תוכן והחלטות בזמן אמת. כתוצאה מכך, הדאטה עצמו הפך לנכס הקריטי ביותר של הארגון.
אך לצד ההזדמנות הטכנולוגית הגדולה שמביאה איתה מהפכת ה AI עולה גם שאלה אסטרטגית חדשה: היכן המידע צריך להיות פיזית כדי לאפשר שימוש יעיל, מהיר ובטוח בטכנולוגיות הללו. יותר ויותר ארגונים מבינים שהתשובה לשאלה הזו אינה מובנת מאליה.
מערכות AI מתקדמות נשענות על כמויות עצומות של מידע. כדי לאמן מודלים, להריץ אלגוריתמים ולבצע עיבוד בזמן אמת, יש צורך בגישה מהירה ורציפה למידע. כאשר הוא נמצא רחוק, למשל בסביבות ענן מרוחקות או באזורים גיאוגרפיים אחרים, עלולות להיווצר מגבלות של זמני תגובה, עלויות תעבורה גבוהות או מגבלות רגולטוריות. במקרים רבים, המרחק הפיזי בין המידע לבין מערכות העיבוד הופך לגורם שמשפיע על הביצועים והיעילות של מערכות ה-AI.
מעבר לשאלת המיקום, ישנו אתגר פיזי וטכנולוגי שלא ניתן להתעלם ממנו: מערכות ה- AI של ימינו, המבוססות על שרתי GPU עוצמתיים, צורכות כמויות אדירות של חשמל ודורשות צפיפות אנרגיה (High-Density) ויכולות קירור מתקדמות שרוב חדרי השרתים הארגוניים פשוט אינם בנויים לספק. כאן בדיוק נכנס לתמונה הדאטה סנטר המודרני, אשר לא רק מעניק את התשתית הפיזית ההכרחית להפעלת המערכות הללו בישראל, אלא גם משמש כצומת תקשורת. ארגונים יכולים לשמור את המידע הרגיש 'קרוב לחזה' ומוגן בתוך גבולות המדינה, ובו זמנית ליהנות מגישה מהירה, מאובטחת ונטולת השהיות (Latency) לכלי AI של ענקיות הטכנולוגיה וכל זאת מבלי לעבור באינטרנט הציבורי החשוף."
זו הסיבה שבשנה האחרונה אנו רואים שינוי בגישה של ארגונים רבים. במקום להסתמך באופן מלא על ענן ציבורי מרוחק, הם מתחילים לבחון מחדש את הארכיטקטורה של תשתיות המידע שלהם. המטרה היא ליצור סביבה שמאפשרת מצד אחד ליהנות מהגמישות ומהחדשנות של שירותי הענן, אך מצד שני לשמור על קרבה פיזית למידע הקריטי.
בעידן ה AI קרבה למידע היא יתרון משמעותי. כאשר המידע מאוחסן בתשתיות מקומיות מתקדמות, בדאטה סנטרים מאובטחים ובעלי יכולות עיבוד מתקדמות, ניתן לבצע עיבוד נתונים מהיר יותר, להריץ מודלים בצורה יעילה יותר ולהבטיח זמינות גבוהה למערכות הארגוניות. בנוסף, הקרבה הפיזית מאפשרת שליטה טובה יותר בניהול המידע, ברמות האבטחה וביכולת להתמודד עם עומסי עיבוד גדולים שמאפיינים פרויקטי AI.
היבט נוסף הוא סוגיית האבטחה והרגולציה. מערכות AI רבות מתבססות על מידע רגיש, כמו נתוני לקוחות, מידע פיננסי או נתונים עסקיים אסטרטגיים. כאשר המידע מאוחסן בתשתיות מקומיות, ניתן להפעיל בקרות אבטחה מחמירות יותר ולוודא שהמידע נשמר בהתאם לדרישות רגולטוריות ולמדיניות הארגונית.
כל אלה מובילים לשינוי בתפיסה הארגונית של תשתיות .IT במקום לבחור בין ענן ציבורי לבין תשתיות מקומיות, יותר ויותר ארגונים מבינים שהמודל הנכון הוא מודל היברידי חכם, שילוב בין שירותי ענן גלובליים, תשתיות דאטה סנטר מקומיות ויכולת לשמור את המידע הקריטי קרוב למערכות העיבוד.
במודל כזה ניתן להפעיל שירותים גמישים בענן, אך במקביל לאחסן ולעבד נתונים רגישים או עתירי ביצועים בסביבה מקומית מאובטחת. השילוב הזה מאפשר לארגונים ליהנות גם מהחדשנות הטכנולוגית של הענן וגם מהשליטה והביצועים שמעניקות תשתיות קרובות למידע.
מהפכת ה AI אינה משנה רק את האופן שבו ארגונים עובדים עם מידע, היא גם משנה את הדרך שבה הם צריכים לחשוב על תשתיות המידע שלהם. ככל שה AI הופך למרכיב מרכזי בפעילות העסקית, כך גם עולה החשיבות של מיקום המידע ושל הארכיטקטורה שמנהלת אותו.
בסופו של דבר, בעידן הבינה המלאכותית, השאלה אינה רק כמה דאטה יש לארגון, אלא איפה הוא נמצא וכיצד ניתן לגשת אליו בצורה המהירה, הבטוחה והיעילה ביותר. עבור ארגונים רבים, המשמעות היא ברורה: המידע חוזר להיות קרוב לבית.
תמונת שער: אלי מטרה, סמנכ"ל MEDONE
קרדיט: פיני סילוק
