חמש תובנות לאימוץ חכם של AI בארגונים

הבינה המלאכותית (AI) כבר אינה מושג עתידני או כלי השמור לחברות המתקדמות ביותר. עבור ארגונים ברחבי העולם, AI הופכת לחלק מרכזי בשינוי עסקי, המאפשר קבלת החלטות חכמות יותר, יעילות רבה יותר ויתרון תחרותי משופר. אך כיצד ארגונים מאמצים את ה-AI, ואילו אתגרים הם מתמודדים איתם בהרחבת השימוש בו?

כדי לענות על שאלות אלו, ערכנו את סקר אימוץ ה-AI הארגוני של Dell Technologies, שכלל 3,800 מקבלי החלטות IT ומומחי AI מחמש מדינות. הממצאים שלנו מספקים תובנות על מצב השימוש ב-AI בעולם והמאיצים המסייעים לארגונים לממש את מטרות ה-AI שלהם ולהשיג ערך. המשיכו לקרוא כדי ללמוד על חמש תובנות מרכזיות שעלו מהמחקר שלנו.

ה-AI טוב רק כמו הנתונים שעליהם הוא פועל, וארגונים מתקשים לנהל ולמנף את הנתונים שלהם ביעילות. עסקים ציינו את איכות הנתונים, זמינותם, ניהולם ואבטחתם כמכשולים הטכניים המרכזיים ליישום AI.

ללא נתונים נקיים, מאורגנים ונגישים, אפילו מודלים מתקדמים של AI יפעלו בצורה פחות טובה. אתגרים אלו מצביעים על כך שארגונים צריכים להתמקד בפיתוח אסטרטגיות המעדיפות אינטגרציה חלקה של נתונים, אמצעי אבטחה משופרים ופתרונות ניתנים להרחבה עבור מערכי נתונים גדולים.

המחקר שלנו מראה כי גישה מרובת עננים היא אפשרות אטרקטיבית לארגונים המעוניינים להפעיל את עומסי העבודה של ה-AI שלהם:

79% מהמקרים של שימוש ב-AI בייצור פועלים מחוץ לענן הציבורי

98% מהארגונים חישבו את עלות הבעלות הכוללת (TCO) עבור מקרי שימוש ב-AI בענן הציבורי

עומסי עבודה של AI עם ההשפעה הגדולה ביותר קשורים לעיתים קרובות לנתונים שעדיין נמצאים בתוך קירות הארגון. הענן הציבורי מציע נוחות לניסויים, אך מגיע עם תג מחיר כבד: ניתוח ESG מ-2024 מצא כי חישוב מקומי יכול להיות עד 75% יותר חסכוני מהענן הציבורי. עבור השקעות AI ארוכות טווח הניתנות להרחבה, פתרונות מקומיים מאפשרים לעיתים קרובות החזר השקעה טוב יותר, כפי שרוב הארגונים גילו לאחר חישוב ה-TCO שלהם. אך זה לא רק עניין של כסף: פריסות מקומיות מציעות גם אבטחה וממשל טובים יותר, מה שמועיל במיוחד למגזרים עם צרכי תאימות מחמירים כמו פיננסים ובריאות. זה מדגיש את הצורך לשקול בזהירות את ה-TCO עבור מקרי שימוש שונים ולמקם עומסי עבודה של AI עם האיזון הנכון של ביצועים, אבטחה והרחבה.

למרות הדיון הגובר סביב כוח וקירור כגורם מגביל לאימוץ AI, הסקר שלנו הצביע על כך שארגונים עשויים להתעלם מכוח כלוא ופתרונות זמינים כיום:

39% מכוח מרכז הנתונים אינו מנוצל

67% משרתי ה-GPU ישתמשו בקירור נוזלי ישיר לשבב בשלוש השנים הקרובות

בעוד שמפעילי מרכזי נתונים מודאגים מדרישות האנרגיה להרחבת AI, הם משאירים הרבה כוח על השולחן. ארגונים צריכים למקסם את קיבולת הכוח הקיימת של מרכז הנתונים שלהם לפני השקעה בשיפוצים יקרים או בנייה חדשה. ניתן לשחרר כוח כלוא נוסף גם על ידי שדרוג התשתית הקיימת משרתים מדור 14G ל-16/17G.

מבט קדימה, אימוץ גובר של חידושים כמו קירור נוזלי ישיר לשבב יהיה גורם מפתח בהתמודדות עם מגבלות כוח וביצועים של GPU, תוך הפחתת עלויות קירור מרכז הנתונים והגדלת ההרחבה לפריסות AI ארגוניות.

ארגונים נעים לעבר שקיפות וגמישות גדולות יותר במערכות האקולוגיות של ה-AI שלהם, כמו גם ספקים המציעים חנות אחת:

63% ממקרי השימוש ב-AI צפויים להשתמש במודלים בקוד פתוח ב-12 החודשים הקרובים

77% מהארגונים רוצים שספקי התשתית שלהם יספקו יכולות בכל ההיבטים של מסע אימוץ ה-AI

83% מהארגונים רוצים שספקי מחשבי ה-AI שלהם יספקו יכולות בכל ההיבטים של מסע אימוץ ה-AI

מעבר זה לעבר מסגרות קוד פתוח מדגיש את הביקוש לפתרונות מותאמים אישית, שקופים וחסכוניים. מערכות אקולוגיות פתוחות מספקות יכולות רחבות מעבר למה שכל ספק יחיד יכול להציע. כדי לענות על הצרכים הספציפיים שלהם, מקבלי החלטות IT מחפשים ספקים עם פתרונות AI מקצה לקצה שיכולים לעזור להם לשלב את ה-AI במלואו בכל הנכסים ה-IT שלהם.

מחשבי AI הם אפשרות אטרקטיבית לדמוקרטיזציה של הגישה ל-AI, במיוחד על ידי ניצול מודלים לשוניים קטנים (SLMs):

35% מהארגונים מתכננים לבדוק SLMs (מודלים לשוניים קטנים) על מחשבי AI ב-12 החודשים הקרובים

בניגוד לעמיתיהם הגדולים יותר, SLMs הם חסכוניים יותר באנרגיה ובעלות, דורשים פחות כוח חישובי תוך שהם מספיקים עבור יישומים רבים כמו עוזרי קידוד.

מה זה יכול לומר לעסקים? SLMs מאפשרים עיבוד AI בזמן אמת על המכשיר, מה שלא רק מפחית את ההשהיה אלא גם משפר את הפרודוקטיביות וממזער את ההשפעה הסביבתית. אימוץ ארגוני של מחשבי AI יכול לשפר עוד יותר את הנגישות של פתרונות AI עבור צוותים בכל הגדלים, ולהעצים את העובדים עם כלים חזקים לשיתוף פעולה ואוטומציה.

מה המשמעות של זה עבור ארגונים כיום? על פי הממצאים שלנו, המאיצים המרכזיים לאימוץ AI הם:

הערכת TCO כדי לייעל את תמהיל הפריסה של ענן, מקומי וקצה על בסיס מקרי השימוש

שיפור איכות הנתונים, הגישה והניהול

ניצול טוב יותר של קיבולת הכוח הקיימת של מרכז הנתונים עבור עומסי עבודה של AI

אימוץ מודלים ומסגרות בקוד פתוח לשיתוף פעולה וחדשנות

הפעלת SLMs על מחשבי AI לשיפור היעילות והנגישות

ה-AI הפך להכרחי, לא אופציונלי, להנעת יתרון תחרותי ומצוינות תפעולית בנוף העסקי של היום. בעוד שיש לו את הפוטנציאל להניע יעילות נרחבת וחדשנות פורצת דרך, הצלחת הארגון תיקבע על ידי הבחירות שהוא עושה כעת.

רוצים לקחת את הצעד הבא? ב-Dell Technologies, אנחנו כאן כדי לעזור לכם לבנות אסטרטגיית AI שעובדת עבור העסק שלכם. צרו קשר כדי ללמוד עוד על פתרונות ה-AI שלנו וכיצד הם יכולים להעצים את הצוות שלכם להשיג יותר.