Generative AI: Depolama ve yedekleme yönetimini otomatikleştirme


ChatGPT ve Google Bard gibi hizmetler dahil olmak üzere üretken yapay zeka, işletme otomasyonunun bir sonraki dalgası gibi görünüyor.

BT alanında, artan sayıda tedarikçi artık yönetim araçlarında bazı yapay zeka (AI) veya makine öğrenimi (ML) yeteneklerine sahiptir. BT departmanlarının günlük işlerinin çoğu, makine öğrenimi araçlarının çok büyük miktarda veriyi bir insan analistten çok daha yüksek hızlarda işleyebildiği otomasyondan yararlanabilir.

Depolama ve yedekleme, BT ekipleri için önemli ancak genellikle tekrar eden bir iş yükünü temsil ettikleri için hedeflenmesi gereken açık alanlardır. Tedarikçiler, verileri anlama, verilerden öğrenme ve doğal dilde raporlama becerisiyle üretken yapay zekanın depolama ve yedeklemeyi yönetmeye nasıl yardımcı olabileceğini incelemeye başlıyor.

AI 101

Büyük dil modellerine (LLM) dayalı üretken yapay zeka ve yapay zeka, sorulara veya istemlere insan benzeri yanıtlar oluşturur. Teknoloji, “sohbet robotlarının” çevrimiçi soruları yanıtlamayı ve insan operatörlerin iş yükünü azaltmayı amaçladığı müşteri hizmetlerinde zaten kullanılıyor. Bu tür araçlar ayrıca araştırma yapmak, pazarlama belgeleri oluşturmak ve hatta illüstrasyonlar ve sanat eserleri oluşturmak için kullanılabilir.

Otomasyon, tekrarlayan görevleri halleder ve bir kişiye iletilmesi gereken konulara öncelik verir ve bu da analistleri daha stratejik görevlerle uğraşmak için serbest bırakır.

EXL İngiltere ve Avrupa analitik başkanı Kshitij Jain, “Üretken yapay zekanın ayırt edici avantajı, bağlamı anlamak ve ilgili içeriği oluşturmaktır” diyor. Geleneksel AI üzerindeki faydalarından biri, “konuşmalı” veya doğal dilde raporlamadır.

Üretken yapay zeka, veri ve depolama yönetimi

Şimdiye kadar çoğu tedarikçi, BT görevlerini otomatikleştirmek için üretken yapay zeka ve daha geleneksel makine öğrenimi modellerinin bir kombinasyonuyla çalışıyor. Üretken yapay zekanın BT yönetiminin raporlama tarafında rol oynaması ve ayrıca BT departmanlarına sistemlerin spesifikasyonu ve yapılandırmasında yardımcı olması muhtemeldir.

Cohesity’de EMEA baş teknoloji sorumlusu (CTO) Mark Molyneux, “BT ekipleri her gün yüzlerce önceden tanımlanmış görevin başarısız olduğunu görüyor” diyor. “Bir yedekleme yöneticisinin görevi, başarısız olan tüm işleri incelemek, yeniden planlamak ve yeniden başlatmaktır. AI, bu süreçlerden herhangi birini otomatikleştirebilir.”

Yapay zekanın bilgi toplamayı otomatikleştirebileceğini ve bir görevin veya sürecin neden başarısız olduğunu bulabileceğini öne sürüyor. Potansiyel olarak, kuruluşlar AI kullanımlarında daha fazla güven kazandıkça, otomatikleştirilmiş araçların sorunları çözmesine de izin verebilirler.

Cohesity ayrıca yakın zamanda fidye yazılımı tespiti ve düzeltmesi için yapay zeka kullanan Cohesity Turing adlı bir dizi aracı piyasaya sürdü. Benzer bir yaklaşım, veri yönetimine daha geniş bir şekilde genişletilebilir.

Molyneaux, “Yapay zeka, önemli ancak sıkıcı görevlerin birçoğunu kendisi gerçekleştirerek BT ​​ve güvenlik ekipleri üzerindeki yükü büyük ölçüde azaltabilir ve sonraki net adımlarla kapsamlı raporlama sağlayabilir” diyor.

Commvault’ta uluslararası sistem mühendisliği kıdemli yöneticisi Jason Gerrard benzer bir tablonun ortaya çıktığını görüyor.

“Yapay zekanın depolama yapılandırması, yedeklemeleri ayarlama ve uyumluluğu kontrol etme gibi görevler için kullanılması tamamen mümkündür” diyor. “Sohbet araçlarının kullanıcılara raporlamayı kolaylaştırması mümkün ve bazı şirketler bunu zaten sanal yardım masalarıyla yapıyor.”

11:11 Systems bulut stratejisi ve etkinleştirme kıdemli direktörü Sam Woodcock, üretken yapay zekanın bir başka rolünün de BT planlamasına yardımcı olmak olduğunu söylüyor.

Woodcock, “Yapay zeka ve ChatGPT türü araçlar, BT çözümlerinin tedarik edilmesi, tasarlanması ve dağıtılması söz konusu olduğunda gelecekte müşterilerin daha bilinçli ve stratejik kararlar almasına yardımcı olacak” diyor.

Üretken yapay zeka, sistemlerin, fiyatlandırmanın ve çözüm verilerinin akran incelemelerine yardımcı olabilir ve “basit ve kolay bir şekilde içgörü ve bilgi elde etmek için doğal dil modellerinden yararlanabilir” diye ekliyor.

Üretken AI: Dikkatli mi davranıyorsunuz?

Bununla birlikte, potansiyele rağmen, bazı endüstri uzmanları, kritik BT altyapısını yönetmede üretken yapay zeka ve LLM’lerin rolü konusunda temkinli olmaya devam ediyor.

Bugüne kadar, verileri sınıflandırmak için kullanılabilecek ayrımcı yapay zeka modellerinin yanı sıra geleneksel yapay zeka ve makine öğrenimine dayalı daha fazla kullanım durumu vardır. Ancak, üretken yapay zeka ve özellikle halka açık “sohbet robotu” hizmetleri risklerle birlikte gelir.

Pure Storage EMEA CTO’su Patrick Smith, “Geleneksel makine öğrenimi, bir veri platformu filosunu optimize etmek amacıyla veri kategorizasyonuna dayalı öneriler sağlamak için üretken yapay zeka yerine giderek daha fazla kullanılıyor” diyor.

“Bir depolama ortamı hakkında raporlama doğru olmalıdır. Kararlar bu bilgilere göre veriliyor ve herhangi bir yanlışlık güvenilirlik sorunlarına neden olabilir ve hatta verilerin bütünlüğünü tehlikeye atabilir” diyor.

Veritas Technologies Birleşik Krallık bölge başkan yardımcısı Barry Cashman, “Depolama ve yedeklemenin geleceği şüphesiz yapay zeka ve makine öğrenimi tarafından yönlendirilecek, ancak bugün bu, genel sohbet robotlarını kullanmayacak” diye uyarıyor.

“Aslında, üretken yapay zekayı veri koruma stratejilerinde bir bileşen olarak kullanan herhangi bir işletmeye karşı şiddetle tavsiye ediyoruz çünkü şirketlerin herhangi bir düzeyde değer elde etmek için iş açısından kritik düzeyde verileri üçüncü bir tarafa ifşa etmesi gerekecek ve bu da onları uyumluluk protokollerini pekala ihlal edebilir.”



Source link