AI를 우선시할 때 IT 기본 사항을 과소평가하지 마세요

GenAI는 여전히 많은 기업의 IT 프로젝트에서 중요한 역할을 하고 있습니다. Harris Poll에 따르면 비즈니스 리더의 3분의 2가 회사 내에서 GenAI 도구를 채택했다고 말합니다. IDC는 GenAI에 대한 기업 투자가 2024년까지 두 배 이상 증가할 것으로 예측합니다.

IT 분야가 계속 발전하고 있지만 보안, 비용 관리, ID 관리 등은 여전히 ​​CIO가 주의해야 할 핵심 영역입니다. 이러한 기본 측면은 여전히 ​​조직에 중요합니다.

이를 CIO의 관심과 예산을 놓고 경쟁하는 우선 순위로 보기 쉽습니다. 이는 Gen AI가 약속한 새롭고 빛나는 기회에 대한 이사회의 관심과 비교할 수 없지만, 이러한 프로젝트를 성공적으로 구현하는 데 있어서는 이는 IT 조직이 연결, 권한 및 구성 관리와 같은 기본 요소를 얼마나 잘 구현하는지에 따라 달라집니다.

Constellation Research의 부사장 겸 수석 분석가인 Dionne Hinchcliffe는 유연한 멀티 클라우드 기반, 강력한 네트워크 보안, 효과적인 데이터 개인 정보 보호 및 지적 재산 제어를 포함하여 오늘날 IT의 기본 사항을 숙지하는 것이 중요하다고 지적했습니다. 이러한 요소는 AI의 잠재력을 실현하고 강력한 애플리케이션 간 사일로와 개방형 데이터 기반을 구축하는 데 중요합니다. 이는 배를 계속 움직이는 데 필요한 판자와 못과 같습니다.

기초 IT 지식은 '녹색 야채 먹기'와 같다고 비유했는데, 이는 평범하지만 IT 산업의 장기적 건강과 활력에 매우 중요합니다. 이 균형 잡힌 식단 비유는 강력하고 현대적인 IT 인프라가 AI 및 기타 고급 기술이 번성하는 기반임을 보여줍니다.

독립 연구 분석가인 Sagable의 창립자인 Andy Mann도 이에 동의하며, IT 인프라의 내부 운영과 기본 기능이 "곡괭이와 삽"과 마찬가지로 AI 개발을 주도하는 데 핵심적인 역할을 한다는 점을 지적했습니다. 그는 특히 CIO가 일반 애플리케이션에 필요한 다양한 차폐 및 처리를 처리해야 한다는 점을 고려할 때 CIO가 AI 워크로드를 효과적으로 관리하고 실행하도록 보장해야 한다고 믿습니다.

데이터 실사

GenAI는 특히 데이터 보안에 특별한 영향을 미친다고 Mann은 말했습니다. AI에게 이 모든 데이터를 수집하고 재사용하라고 지시할 때 데이터 손실 방지를 어떻게 달성할 수 있을까요?

실제로 보안, 규정 준수 및 효율성 이유로 CIO는 GenAI가 어떤 데이터에 액세스할 수 있는지 신중하게 관리하기를 원할 것입니다. , 검색 증강 생성(RAG)은 자신의 데이터로 작업할 때 LLM을 유용하게 만들 수 있는 핵심 기술이 되고 있습니다. 그러나 모든 데이터를 입력하고 싶지는 않으며 필요한 것보다 하나 더 준비하는 것 이상입니다. 여전히 흔하지 않은 전문 지식이 필요하고 높은 급여를 요구하는 데이터 세트에는 모델을 가르치는 내용도 포함됩니다. 전체 Slack 또는 Teams 기록을 입력하면 "내일 이 작업을 수행하겠습니다"와 같은 응답을 받게 됩니다. 이는 인간 직원에게는 완벽하게 괜찮지만 GenAI 시스템에서 기대하는 것과 정확히 일치하지는 않습니다.

Microsoft MVP 및 Rencore의 파트너 관리 이사인 Christian Buckley는 Copilot과 같은 AI 도구가 기업 데이터 및 메타데이터의 구조, 정보 아키텍처, 콘텐츠 정리 및 일부 기업의 정보 관리를 포함한 기업 정보 관리의 결함을 드러낼 수 있다고 지적했습니다. 권한 관리 및 관리의 미숙함.

데이터 저장 비용이 떨어지면서 많은 기업에서는 불필요한 데이터를 유지하거나 마이그레이션이나 재구성 후 오래되었거나 더 이상 유용하지 않은 데이터를 정리하고 있습니다. Buckley는 "사람들은 위험 프로필과 검색 성능이 저하되는 것을 제외하고는 비용이 들지 않기 때문에 돌아가서 쓰레기를 치우지 않습니다."라고 말했습니다. 그는 데이터 위생을 염두에 두지 않고 GenAI 기능을 도입하면 사람들이 최적의 성능을 발휘할 수 있도록 최적으로 일할 준비가 되어 있지 않아 환멸을 느끼게 될 것이라고 경고했습니다.

Microsoft가 Delve를 출시했을 때 동일한 문제가 드러났으며 그 후 신속한 통합으로 2010년 SharePoint에 강력한 검색 기능이 도입되었습니다. "SharePoint에서 검색이 실제로 작동하는 것을 보기 시작했을 때 사람들은 검색이 제대로 작동하지 않는다고 불평했지만 실제로는 그렇게 했습니다. 검색이 하는 일은 데이터 관리 부족을 드러내는 것입니다."라고 그는 말했습니다. 사람들은 '이것은 내 모든 권한을 위반합니다'라고 말합니다. 아니요, 데이터에 구멍이 있는 부분이 드러나고, 더 강력한 검색 기능을 갖기 위해 데이터에 AI를 사용하고 싶은데, 이러한 데이터를 어떻게 활용하는지 잘 모르시나요?”

또 다른 문제는 메타데이터 태그와 민감도 레이블이 데이터에 올바르게 적용되지 않기 때문에 GenAI 도구와 사용자가 포함되어야 하는 정보를 볼 수 없다는 것입니다.

어느 쪽이든 제대로 관리되지 않은 데이터는 내부에서만 사용할 수 있는 정보를 노출하는 Gen AI 도구에 외부 파트너가 액세스하는 등 규정 준수 및 기밀 유지 문제로 이어질 수 있습니다. 결국, 더 많은 외부 사용자가 참여하는 프로젝트에서는 어떤 정보에 액세스하고 있는지, 이 외부 액세스가 여전히 적절한지 여부를 다시 확인해야 합니다. 예를 들어 다국적 기업이고 프랑스 직원이 호주의 연금 또는 육아 휴직 정책에 따라 HR에서 퇴사하는 경우 . 자원 로봇은 내부 사용을 위해라도 정보를 얻으므로 혼란을 야기할 수 있습니다.

버클리는 다음과 같이 말했습니다. “어떤 콘텐츠를 가지고 있는지, 어디에 있는지, 누가 내부 및 외부에서 액세스할 수 있는지, 무엇을 공유하고 있는지, 라벨이 어떻게 지정되어 있는지 모른다면 AI를 통치할 준비가 되었다고 어떻게 말할 수 있습니까? 거버넌스 관점에서 사람들이 무엇을 하고 있는지, 어디서 하고 있는지, 어떻게 하고 있는지 추적해야 하며 이는 계속해서 변화할 것입니다.”

컨테이너 및 인증서

권한 관리는 ID 관리에 달려 있습니다. . 이는 지속적인 관심이 필요한 또 다른 영역입니다. 컨테이너 생태계가 발전하고 Kubernetes 채택에 새로운 기술이 필요함에 따라 많은 CIO는 여전히 가상화와 크게 다른 컨테이너화된 애플리케이션 환경을 관리하기 위해 안간힘을 쓰고 있습니다. 올해는 속도를 높일 것입니다.

IAM 플랫폼 제공업체인 AppViewX의 최고 솔루션 책임자인 Murali Palanisamy는 이는 또한 관리해야 할 기계 ID가 더 많아진다는 것을 의미한다고 말했습니다. 그는 “전체적으로 디지털 혁신으로 인해 연결된 장치, 클라우드 서비스, 클라우드 네이티브 및 컨테이너화된 애플리케이션의 사용이 크게 증가하고 있습니다. 이러한 모든 추가 컴퓨터, 워크로드 및 서비스에는 신뢰할 수 있는 ID가 필요하므로 이에 대한 필요성이 확대됩니다. 컴퓨터 ID 관리의 필요성.”

IoT, 소프트웨어 공급망 보안(특히 코드 서명을 통해 이러한 요구를 완화)과 GenAI에 대한 데이터 사용으로 인해 보안 액세스를 위한 TLS 인증서 및 개인 키에 대한 의존도가 높아지고 있습니다. Palanisamy는 다음과 같이 덧붙였습니다. "애플리케이션이나 기계가 서로 통신할 때마다 대다수는 TLS 인증서를 사용하여 신뢰를 구축하고, 시스템에서 서로를 식별하며, 통신을 안전하게 인증하고 암호화합니다." 중요하고 이를 관리하는 것은 더 이상 임시적이고 수동적인 프로세스가 될 수 없습니다. 특히 Google이 TLS 인증서의 유효 기간을 398일에서 90일로 줄이도록 제안하고 있으므로 더 빠른 교체가 필요하며 주의해야 할 다른 규정 변경 사항도 있습니다. 또한: 2023년 12월부터 시작되는 SEC의 새로운 사이버 보안 규칙, EU의 확장된 NIS2(네트워크 및 정보 시스템 지침), 결제 카드 업계에서와 같이 보안 표준을 위험 기반이 아닌 위험 기반으로 만드는 전반적인 변화 데이터 보안 표준 (PCI-DSS)가 PCI 4.0으로 업데이트되었습니다.

Palanisamy는 컴퓨터 ID 관리도 핵심 보안 중점 영역이 되어야 하며 자동화, 자동 등록 및 프로비저닝 해제를 통해 개인 정보 및 민감한 데이터에 대한 액세스를 제어해야 한다고 덧붙였습니다. 그는 “전송 중인 데이터를 보호해야 할 때 머신 ID가 중요한 역할을 합니다. AI 프로젝트가 발전함에 따라 컴퓨터 ID 관리는 신뢰와 보안 인증 및 암호화를 보장하는 데 매우 중요합니다. 올바른 데이터를 관리하고 제어할 수 있어 민감한 개인 데이터의 보안을 보장할 수 있습니다. 클라우드 프로젝트는 반짝이는 새로운 AI 이니셔티브보다 우선순위가 낮다고 생각하기 쉽지만 실제로는 이러한 프로젝트가 기반입니다. 그는 "AI 프로젝트의 성공에는 속도와 민첩성이 필요하므로 처음부터 AI 프로젝트의 기본 클라우드 인프라에 보안이 통합되어야 한다"고 덧붙였다.

Cost Control

클라우드 서비스에 대한 Finop 및 비용 관리 클라우드 AI 서비스 및 API에 의존하는 GenAI 사용량이 너무 많기 때문에 CIO는 특히 AI 개발 및 실험을 위한 예산 책정 및 자동화를 고려하고 싶어할 것입니다.

"100명의 사람이 AI 실험을 하고 있는데 단 한 사람만이 인스턴스 프로비저닝을 잊어버리면 청구서를 받게 될 것입니다."라고 Mann은 말했습니다. 기타 워크로드 비용 관리, 더 작은 인스턴스로의 축소, 더 저렴한 LLM 또는 더 낮은 수준의 라이선스를 위한 도구입니다. "Copilot 관리는 단순한 권한 관리 그 이상입니다. 사람들은 자신이 지불한 라이선스가 사용되고 있는지 알고 싶어합니다."

다른 클라우드 워크로드에서 알 수 있듯이 라이선스 및 라이선스를 기반으로 기업에 제공하는 가치는 다음과 같습니다. API 호출을 시연해야 합니다. 비용이 정당한 것처럼 GenAI 프로젝트는 약속한 생산성 향상과 혁신을 실제로 제공하는지 평가해야 합니다.

"저는 AI를 너무 빠르게, 너무 오랫동안 실행한 최초의 CIO가 해고되기를 기다리고 있습니다."라고 Mann은 말했습니다. 차단 및 처리에 대한 기본 CIO 원칙은 다음과 같습니다. 내 포트폴리오에는 무엇이 있고 그 가치는 무엇입니까? 이러한 워크로드를 관리하는 데 드는 비용과 활용도 및 품질에 비해 ITSM, ITIL 스타일의 규율 및 포트폴리오 관리가 다시 돌아올 것입니다. 왜냐하면 이 새로운 워크로드를 처리하려면 이 수준의 규율이 확실히 필요하기 때문입니다.

그러나 다른 영역에서는 IT 팀이 예산과 지출을 늘리려고 할 것입니다.

하드웨어 업데이트 가속화

Windows 10이 2025년에 만료됨에 따라 CIO는 향후 18개월에 걸쳐 Windows 11로 마이그레이션할 계획을 세울 것입니다. 기본적으로 약속된 보안 개선 사항을 얻는다는 것은 차세대 CPU가 장착된 장비에 투자하는 것을 의미합니다. 성능에 영향을 주지 않고 보안 기능을 지원하기 위한 올바른 지침이 있는 새 PC.

실시간으로 화상 통화를 편집하거나 Windows 11에서 Copilot을 실행하는 등 장치의 AI 작업 속도를 높이기 위해 NPU(신경 처리 장치) 또는 이와 유사한 특수 하드웨어가 점점 더 많아질 것입니다. 하지만 빠른 하드웨어 발전은 CIO를 의미할 수도 있습니다. 최신 상태를 유지하려면 향후 더 짧은 하드웨어 교체 주기에 대한 예산을 책정해야 하며, 어떤 직원이 올바른 PC 하드웨어를 보유하고 있는지 추적하는 자산 관리는 AI를 통해 약속된 생산성 향상을 얻는 데 핵심이 될 수 있습니다.

데이터 센터를 준비하는 것은 GPU에서 찾을 수 있는 가격보다 더 많은 투자를 의미할 수 있습니다. 대부분의 LLM은 클라우드에서 실행되고 API를 통해 액세스되지만 GenAI 도구를 비즈니스에 유용하게 만들려면 도구를 자체 데이터 소스에 연결해야 합니다.

5G, Wi-Fi 6 및 7, 새로운 위성 연결을 통해 지연 시간을 줄이고 더 나은 연결을 안전하게 제공하도록 네트워크 아키텍처를 발전시키는 것이 하이브리드 및 원격 작업을 지원하는 데 핵심입니다. 그러나 AI는 보안 엣지를 더욱 촉진할 것입니다. 컴퓨팅 및 네트워킹이 필요합니다.

또한 데이터 관리 소프트웨어 회사인 Datadobi의 제품 마케팅 부사장인 Steve Leeper는 가격 하락으로 인해 올플래시 객체 스토리지 시스템으로의 전환이 촉진되고 있으며 빠른 처리량과 확장성이 필요한 프로세스에 도움이 될 데이터베이스 성능을 제공한다고 말했습니다. AI 워크로드에 필요한 대규모 데이터 세트는 AI 기반 운영의 끝없는 데이터 수요와 빠른 액세스 요구 사항을 충족할 것입니다.

그는 일반적으로 CIO는 스토리지의 양과 유형, AI 처리를 위한 상호 연결 네트워크 및 GPU 팜, 데이터 처리 등 AI 처리 파이프라인의 하드웨어 인프라를 고려해야 한다고 덧붙였습니다. 적합한 데이터 세트 식별, 처리 파이프라인의 지점 간에 데이터를 빠르고 정확하게 재배치합니다. 즉, 자동 데이터 손상이 발생하지 않으며 AI 처리 결과도 적절한 위치 및 스토리지 클래스로 재배치됩니다.

Leeper는 GenAI의 데이터 세트가 항상 거대하지는 않을 것이라고 말했습니다. 그는 "크고 작은 데이터 세트가 있을 것"이라고 말했습니다. 그 중 일부에는 기업의 거버넌스 정책에 따라 로컬 리소스를 사용하여 처리해야 하는 중요한 데이터가 포함되어 있습니다. 이러한 데이터 세트에 대한 AI 액세스를 관리하는 것은 CIO의 몫입니다. . 전통적인 IT 인프라 관리와 유사하므로 올해 이러한 인프라에 우선적으로 투자하면 두 가지 모두에 대한 성과를 얻을 수 있습니다.

"이러한 문제는 우리가 가지고 있는 규율을 적용해야만 해결될 수 있습니다. 하지만 장기적인 영향을 고려하는 사람이 없기 때문에 해결되지 않는 경우가 많습니다." 2023년 초 Gartner는 기업의 15%만이 이미 데이터를 분류하고 최적화하는 데이터 스토리지 관리 솔루션을 보유하고 있다고 보고했지만, 분석 회사는 이 비율이 2027년까지 최소 40%까지 증가할 것으로 예상합니다.

위 내용은 AI를 우선시할 때 IT 기본 사항을 과소평가하지 마세요의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!