Como a IA pode ajudar as empresas a reduzir os custos de armazenamento de dados

A quantidade de dados gerenciados pelas empresas do mundo está crescendo. De acordo com uma fonte, a quantidade overall de dados criados, capturados, copiados e consumidos globalmente foi de cerca de 64,2 zettabytes em 2020 – o equivalente a um trilhão de gigabytes. Sem surpresa, as empresas relatam que o custo de armazenamento de seus dados também está subindo. Em um Fórum de armazenamento corporativo de 2018 pesquisaos líderes empresariais disseram que os altos custos de operação, a falta de capacidade de armazenamento e o equipamento antigo estavam entre suas principais preocupações.

Os custos crescentes de armazenamento levaram muitas empresas a adotar opções de nuvem, que oferecem a vantagem de baixos custos de entrada. Mas com os custos aumentando à medida que mais empresas se movem online – um Pepperdata relatório descobriu que mais de um terço das empresas têm orçamentos de serviços em nuvem ultrapassados ​​em até 40% — os líderes de TI estão explorando alternativas.

No lado da nuvem, uma safra nascente de startups está aplicando a IA ao problema de gerenciar os gastos na nuvem. Fornecedores como Densificar e Lançar IA afirmam que suas plataformas com inteligência synthetic podem recomendar a melhor configuração de armazenamento para as cargas de trabalho de uma empresa, levando em consideração vários requisitos. Outros provedores de tecnologia voltaram sua atenção para sistemas locais, criando algoritmos que, segundo eles, podem reduzir os custos de armazenamento com sugestões de {hardware} ou novas técnicas de compactação de arquivos.

“O armazenamento de dados hoje sofre de vários desafios: as implantações de armazenamento geralmente são compostas por uma variedade de mídias de armazenamento diferentes, como memória, flash, unidades de disco e fitas. Além disso, as organizações executam vários garage arrays com base em protocolos de acesso… ou com base na criticidade das cargas de trabalho”, disse o vice-presidente de pesquisa do Gartner, Arun Chandrasekaran, à VentureBeat por email. “O uso da IA ​​tem o potencial de simplificar o gerenciamento do ciclo de vida dos dados com base nos requisitos de criticidade, desempenho, segurança e custos dos dados.”

Otimização de nuvem

Durante a pandemia, a pressão para digitalizar as operações levou um número recorde de empresas a migrar para a nuvem. De acordo com um recente pesquisa da O’Reilly, 90% das organizações estavam usando algum tipo de computação em nuvem em 2021, enquanto O relatório State of the Cloud da Flexera mostra que 35% das empresas gastaram mais de US$ 12 milhões em operações na nuvem em 2021.

A tendência de adoção deu origem a startups desenvolvendo plataformas baseadas em IA projetadas para ajustar o uso para controlar os gastos. Um deles é o Densify, que análises cargas de trabalho em knowledge facilities privados, Amazon Internet Services and products, Microsoft Azure, Google Cloud Platform e ofertas de nuvem da IBM para determinar a quantidade de CPU, RAM e armazenamento de que eles precisam e, em seguida, sugere maneiras de economizar. O Densify pode usar dados de log já disponíveis para começar a otimizar imediatamente. Depois disso, a plataforma continuará analisando as alterações de preços dos provedores de nuvem, as necessidades dos aplicativos e novos produtos para descobrir onde os clientes podem reduzir ainda mais as despesas.

“Geralmente, dentro de duas a quatro semanas, você obtém 50% da economia”, disse o CEO Gerry Smith à VentureBeat em uma entrevista anterior. “Dependendo de onde estão as economias, dentro de mais dois a quatro meses, [you’ll get] 100% da economia.”

Lançar IA, um concorrente do Densify, também aproveita a IA para otimizar os gastos na nuvem. Apoiando os principais provedores de serviços em nuvem, a plataforma se conecta às nuvens existentes e gera um relatório para identificar oportunidades de economia de custos.

“Temos outros modelos que usam conjuntos de dados globais para previsões de características de mercado”, disse o CEO Yuri Frayman ao VentureBeat em outubro de 2021. “Por exemplo, treinamos um modelo world para prever preempções de instância por tipo de máquina, região, zona de disponibilidade e sazonalidade. Esse modelo é compartilhado de forma autônoma entre todos os clientes e todos os dados são usados ​​para treinar novamente o modelo continuamente.”

No native e compactação

Para empresas que não migraram para a nuvem – ou que têm seus dados espalhados pela nuvem e ambientes locais – existem soluções como o Garage Optimization Analytics da Accenture, que combina pesquisa e IA para entender o conteúdo corporativo e automatizar a classificação de dados.

A Accenture afirma que reduz os custos de armazenamento ao detectar conteúdo duplicado ou quase duplicado, ajudando os clientes a mover ou arquivar os dados certos no momento certo. O Garage Optimization Analytics também automatiza a migração para armazenamento de custo mais baixo e rastreia a economia de armazenamento, computando o retorno geral do investimento (ROI).

O provedor de TI Rahi Techniques oferece um serviço semelhante chamado Pure1 Meta, que united states of america modelos de IA para prever capacidade e desempenho e fornecer conselhos sobre implantação e otimização de carga de trabalho. O Pure1 Meta pode executar simulações para cargas de trabalho específicas, gerando respostas para perguntas de planejamento de capacidade enquanto ajuda ostensivamente a aumentar a utilização de recursos.

A IA também está desempenhando cada vez mais um papel na compactação de arquivos. Para vídeos, músicas e imagens, a compactação baseada em IA pode fornecer o mesmo – ou quase o mesmo – nível de qualidade visible com menos bits. Outro benefício é que é mais fácil atualizar, padronizar e implantar novos formats de IA em comparação aos formats padrão, pois os modelos podem ser treinados em um período de pace relativamente curto e, o mais importante, não exigem {hardware} para fins especiais.

Websites como Compression.ai e VanceAI aproveite os modelos para compactar imagens sem comprometer a qualidade ou a resolução. Qualcomm e Google experimentaram formats orientados por IA para áudio e vídeo. E a DeepMind, de propriedade da Alphabet, criou um sistema de IA para compactar vídeos no YouTube, reduzindo a quantidade média de dados que o YouTube precisa transmitir para os usuários em 4% sem uma perda perceptível na qualidade do vídeo.

Olhando para o futuro

Chandrasekaran, do Gartner, observa que a adoção de tecnologias de IA para gerenciamento de dados, que se enquadram na categoria de “AIops”, permanece bastante baixa. (As plataformas AIops visam aprimorar a TI aproveitando a IA para analisar dados em ferramentas e dispositivos de uma organização). Mas ele acrescenta que a pandemia tem sido um catalisador para a adoção, à medida que as organizações se esforçam para automatizar mais rapidamente para responder a circunstâncias de “mudança rápida”.

Recente pesquisas concordar. De acordo com a Emergn, 87% das empresas esperam que seus investimentos em habilidades de automação aumentem nos próximos 12 a 26 meses. E em um 2020 K2 enquete92% dos líderes de negócios disseram que consideram a automação de processos necessary para o sucesso no native de trabalho moderno.

“Há muita ‘lavagem de IA’ na indústria hoje. Portanto, verificar as reivindicações do fornecedor e implantar uma solução que forneça ROI pode ser frustrante. AIops requer muita integração”, disse Chandrasekaran. “Para equipes que não são qualificadas em arquitetar e manter ambientes de dados complexos, uma implantação robusta de AIops pode se tornar um sonho impossível. Também precisa haver uma mudança cultural, onde as organizações estejam dispostas a tomar decisões baseadas em dados.”

Olhando para o futuro, Chandrasekaran espera ver soluções de gerenciamento de armazenamento com inteligência synthetic mais “versáteis” além dos produtos já disponíveis no mercado. Essas soluções podem permitir maiores fluxos de trabalho inteligentes de automação e correção por meio do uso de IA, acredita ele.

“As técnicas de IA podem ajudar a otimizar o posicionamento de dados nas camadas de armazenamento corretas, equilibrando desempenho e custos. Além disso, a IA pode ajudar a melhorar a disponibilidade da infraestrutura de dados, permitindo que as empresas acessem os dados mais rapidamente e criem uma infraestrutura confiável”, acrescentou Chandrasekaran.