Cómo la IA podría ayudar a las empresas a reducir los costos de almacenamiento de datos

Estamos emocionados de traer Transform 2022 en persona el 19 de julio y virtualmente del 20 al 28 de julio. Únase a los líderes de inteligencia artificial y datos para discusiones en profundidad y oportunidades emocionantes para establecer contactos. ¡Regístrese hoy!

La cantidad de datos que manejan las empresas globales está creciendo. Según una fuente, la cantidad total de datos creados, adquiridos, copiados y consumidos a nivel mundial fue de aproximadamente 64,2 zettabytes en 2020, o un billón de gigabytes. Como era de esperar, las empresas informan que el costo de almacenar sus datos también está aumentando. En un foro de almacenamiento empresarial de 2018 encuestaLos líderes empresariales dijeron que los altos costos operativos, la falta de capacidad de almacenamiento y el envejecimiento de los equipos eran las principales preocupaciones.

El aumento de los costos de almacenamiento ha llevado a muchas empresas a adoptar opciones en la nube, que ofrecen la ventaja de los bajos costos de entrada. Pero con el aumento de los costos a medida que más empresas se mueven en línea, un Pepperdata relación descubrió que más de un tercio de las empresas tienen sobrecostos en el presupuesto de servicios en la nube de hasta un 40 %: los líderes de TI están explorando alternativas.

Del lado de la nube, un grupo incipiente de nuevas empresas está aplicando IA al problema de administrar el gasto en la nube. Proveedores como Densify y Cast AI dicen que sus plataformas impulsadas por IA pueden recomendar la mejor configuración de almacenamiento para las cargas de trabajo de una empresa teniendo en cuenta varios requisitos. Otros proveedores de tecnología han centrado su atención en los sistemas locales, creando algoritmos que creen que pueden reducir los costos de almacenamiento con sugerencias de hardware o nuevas técnicas de compresión de archivos.

“Actualmente, el archivado de datos presenta varios desafíos: las implementaciones de archivado a menudo consisten en una variedad de diferentes medios de almacenamiento, como memoria, flash, unidades de disco y cintas. Además, las organizaciones ejecutan varios arreglos de almacenamiento en función de los protocolos de acceso… o en función de la criticidad de las cargas de trabajo, dijo el vicepresidente de investigación de Gartner, Arun Chandrasekaran, a VentureBeat por correo electrónico. y requisitos de costos”.

Optimización de la nube

Durante la pandemia, la presión por digitalizar las operaciones hizo que un número récord de empresas se trasladaran a la nube. Según una encuesta reciente de O’Reilly, el 90 % de las organizaciones usaba algún tipo de computación en la nube en 2021, mientras El informe Estado de la nube de Flexera muestra que el 35% de las empresas gastaron más de $ 12 millones en operaciones en la nube en 2021.

La tendencia de adopción ha dado lugar a que las nuevas empresas desarrollen plataformas basadas en inteligencia artificial diseñadas para ajustar el uso a fin de mantener el gasto bajo control. Uno es Densify, que analiza las cargas de trabajo en centros de datos privados, Amazon Web Services, Microsoft Azure, Google Cloud Platform y las ofertas en la nube de IBM para determinar cuánta CPU, RAM y almacenamiento necesitan, y luego sugiere formas de ahorrar. Densify puede usar los datos de registro ya disponibles para comenzar la optimización de inmediato. A partir de entonces, la plataforma continuará examinando los cambios de precios de los proveedores de la nube, las necesidades de las aplicaciones y los nuevos productos para encontrar dónde los clientes pueden reducir aún más los gastos.

“Por lo general, dentro de dos a cuatro semanas, tiene el 50% de los ahorros”, dijo el director ejecutivo Gerry Smith a VentureBeat en una entrevista anterior. “Dependiendo de dónde estén los ahorros, dentro de otros dos o cuatro meses, [you’ll get] 100% de ahorro”.

Cast AI, un competidor de Densify, aprovecha de manera similar la IA para optimizar el gasto en la nube. Al admitir a los principales proveedores de servicios en la nube, la plataforma se conecta a las nubes existentes y genera un informe para identificar oportunidades de ahorro de costos.

“Tenemos otros modelos que usan conjuntos de datos globales para predecir las características del mercado”, dijo el CEO Yuri Frayman a VentureBeat en octubre de 2021. “Por ejemplo, formamos un modelo global para predecir el sesgo de instancia por tipo de máquina, región, zona de disponibilidad y estacionalidad. Este modelo se comparte de forma autónoma entre todos los clientes y todos los datos se utilizan para volver a entrenar el modelo de forma continua”.

On-premise y compresión

Para las empresas que no se han mudado a la nube, o que tienen sus datos distribuidos en la nube y en entornos locales, existen soluciones como Storage Optimization Analytics de Accenture, que combina investigación e inteligencia artificial para comprender el contenido corporativo y automatizar la clasificación de algunos datos. .

Accenture afirma reducir los costos de almacenamiento mediante la detección de contenido duplicado o casi duplicado, lo que ayuda a los clientes a mover o archivar los datos correctos en el momento adecuado. Storage Optimization Analytics también automatiza la migración a almacenamiento de bajo costo y realiza un seguimiento de los ahorros de almacenamiento, calculando el retorno de la inversión (ROI) general.

El proveedor de TI Rahi Systems ofrece un servicio similar llamado Pure1 Meta, que utiliza modelos de inteligencia artificial para predecir la capacidad y el rendimiento y brindar asesoramiento sobre la implementación y optimización de la carga de trabajo. Pure1 Meta puede ejecutar simulaciones para cargas de trabajo específicas, generando respuestas a preguntas sobre la planificación de la capacidad y aparentemente ayudando a aumentar la utilización de recursos.

Un modelo de Nvidia AI que comprime video.

AI también juega un papel cada vez más importante en la compresión de archivos. Para videos, música e imágenes, la compresión basada en IA puede proporcionar el mismo o casi el mismo nivel de calidad visual con menos bits. Otra ventaja es que es más fácil actualizar, estandarizar e implementar nuevos códecs de IA que los códecs estándar, ya que los modelos se pueden entrenar en un período de tiempo relativamente corto y, lo que es más importante, no requieren hardware de propósito especial.

sitios web como Compresión.ai Y Vance IA aprovecha las plantillas para comprimir imágenes sin comprometer la calidad o la resolución. Qualcomm y Google experimentó con códecs basados ​​en IA para audio y video. Y DeepMind, propiedad de Alphabet, ha creado un sistema de inteligencia artificial para comprimir videos en YouTube, lo que reduce en un 4 % la cantidad promedio de datos que YouTube necesita transmitir a los usuarios sin una pérdida notable en la calidad del video.

mirando el futuro

Chandrasekaran de Gartner señala que la adopción de tecnologías de inteligencia artificial para la gestión de datos, que se incluyen en la categoría “AIops”, sigue siendo bastante baja. (Las plataformas AIops tienen como objetivo mejorar la TI aprovechando la IA para analizar datos en una organización a partir de herramientas y dispositivos). Pero agrega que la pandemia ha sido un catalizador para la adopción a medida que las organizaciones se esfuerzan por automatizar más rápido para responder a las circunstancias “rápidamente cambiantes”.

Las encuestas recientes están de acuerdo. Según Emergn, el 87 % de las empresas espera que sus inversiones en habilidades de automatización aumenten en los próximos 12 a 26 meses. Y en un K2 2020 encuestaEl 92% de los líderes empresariales dijeron que ven la automatización de procesos como fundamental para el éxito en el lugar de trabajo moderno.

“Hay mucha ‘depuración de IA’ en la industria actual. Por lo tanto, verificar los reclamos de los proveedores e implementar una solución que ofrezca ROI puede ser frustrante. AIops requiere mucha integración “, dijo Chandrasekaran. Para los equipos que no son expertos en la arquitectura y el mantenimiento de entornos de datos complejos, una implementación confiable de AIops puede convertirse en un sueño imposible. También se requiere un cambio cultural, en las organizaciones están dispuestas para tomar decisiones basadas en datos”.

De cara al futuro, Chandrasekaran espera ver más soluciones de gestión de almacenamiento basadas en IA “versátiles” más allá de los productos que ya están en el mercado. Estas soluciones podrían permitir flujos de trabajo de remediación y automatización más inteligentes mediante el uso de IA, cree.

“Las técnicas de inteligencia artificial pueden ayudar a optimizar la ubicación de los datos en los niveles de almacenamiento correctos, equilibrando el rendimiento y el costo. Además, la IA puede ayudar con una mejor disponibilidad de la infraestructura de datos, lo que permite a las empresas acceder a los datos más rápido y construir una infraestructura confiable”, agregó Chandrasekaran.

La misión de VentureBeat debe ser una plaza de la ciudad digital para que los tomadores de decisiones técnicas obtengan información sobre la tecnología y las transacciones comerciales transformadoras. Obtenga más información sobre la membresía.