Como o armazenamento de dados legado está atrasando sua estratégia de IA

O poder da GPU não é o único pilar sobre o qual se sustenta a revolução da IA; o armazenamento de dados é igualmente importante. É um aspecto fundamental da história da IA empresarial que as empresas costumam ignorar em sua corrida pela capacidade computacional.

No entanto, a maioria acaba por perceber a sua importância, razão pela qual a empresa de pesquisa ESG (da Omdia) constatou que 83% dos departamentos de TI planejam reformular suas infraestruturas de armazenamento nos próximos 2 anos.^[1] Mas onde está a lacuna? O que impede que os sistemas tradicionais de armazenamento de dados corporativos ajudem as organizações a alcançar suas metas em IA?

Onde o armazenamento legado deixa a desejar na estratégia de IA

Há diversos obstáculos no armazenamento de dados que acabam surgindo na corrida para consolidar e entregar os projetos de IA.

Capacidade

A coleta e a preparação de dados enfrentam um enorme problema de capacidade de armazenamento. Projetos de IA inflam drasticamente os volumes de dados, especialmente durante a preparação e o planejamento, fases em que 52% das empresas apontam a capacidade como o principal desafio (segundo a ESG). As necessidades de armazenamento para IA também podem flutuar drasticamente, gerando demandas de capacidade imprevisíveis. Enquanto o armazenamento tradicional pressupunha um crescimento anual constante, a inferência de IA exige soluções flexíveis.    

Plataformas modernas combinam velocidade com resultados garantidos de redução de dados para facilitar o planejamento. Já os sistemas legados costumam improvisar recursos como desduplicação e compressão como soluções de última hora.

Desempenho

O desempenho do armazenamento também é fundamental para a coleta e preparação de dados em projetos de IA. Empresas de médio porte e provedores “neocloud” podem ficar obcecadas pelo uso de GPUs, mas um armazenamento lento corre o risco de deixar essas GPUs ociosas em parte do tempo. O desempenho lidera a lista de desafios durante o treinamento de modelos, com 42% das empresas indicando à ESG que esse é o seu principal problema. E, embora as equipes de segurança queiram uma marcação granular dos dados antes que os modelos entrem em operação, os sistemas de armazenamento legados tornam isso uma tarefa árdua.

Os modernos arrays all-flash que utilizam NVMe de ponta a ponta aumentam drasticamente o desempenho, reduzindo a latência e elevando o número de IOPS.

Integração:

Embora as empresas possam presumir que a arquitetura legada suporta bem os fluxos de trabalho de IA, elas acabam percebendo que não é bem assim. Dados de pesquisa da ESG revelaram que 71% das organizações não conseguem fazer com que seu armazenamento se integre adequadamente aos fluxos (pipelines) de IA. Os sistemas de armazenamento tradicionais tratam cada conjunto de dados como um silo separado, o que implica a cópia física dos dados entre namespaces.

Por outro lado, as plataformas de armazenamento modernas unificam os dados em namespaces únicos. Eles suportam cargas de trabalho em bloco, arquivo e contêiner simultaneamente, estendendo-se até mesmo a ambientes em nuvem. Isso cria ambientes mais simples e automatizados, nos quais os dados estão sempre próximos de onde deveriam estar nos pipelines de IA.

Segurança e conformidade

As empresas européias enfrentam uma dura realidade: os órgãos reguladores exigem que os dados permaneçam dentro das fronteiras. Os provedores de nuvem não podem garantir isso. A restrição à soberania gera demanda por infraestrutura local que funcione como soluções de armazenamento em nuvem. Isso torna a segurança e a conformidade um grande problema para as cargas de trabalho de IA, manifestando-se principalmente na fase de inferência, segundo a ESG, onde se equipara ao desempenho como o principal obstáculo.

A tensão entre a conformidade e a capacidade é evidente também nos dados da ESG. Embora 80% transfiram dados de IA para a nuvem a fim de ajudar a mitigar os problemas de capacidade e desempenho de suas arquiteturas de armazenamento legadas, quase a mesma proporção (76%) insiste que seus dados mais valiosos permaneçam no local.

Para obter o melhor dos dois mundos, as soluções de armazenamento híbrido são essenciais para a IA empresarial. As plataformas de armazenamento modernas preenchem essa lacuna ao funcionarem nativamente na AWS, no Azure e no Google Cloud, mantendo ao mesmo tempo o controle local. Suas ferramentas de migração nativas e recursos de backup multi-nuvem tornam as implementações híbridas mais práticas.

Insights sobre resiliência cibernética

Lacunas na resiliência cibernética expõem organizações a riscos. Estratégias maduras aumentam em 2,8x a recuperação. Veja o infográfico.

Baixe agora

O caminho a seguir: modernização do armazenamento para inferência de IA

Todos acabam percebendo que o armazenamento de dados legado não dará conta do recado; mas, quanto mais tarde isso ocorrer em uma iniciativa de IA, maior será o impacto disruptivo para a empresa. Com o tempo, é provável que os projetos de IA se tornem mais sofisticados e abrangentes à medida que os CIOs ganham confiança; e é aí que as limitações do armazenamento legado se farão sentir mais cedo. As organizações mais perspicazes definirão uma estratégia para isso logo no início.

Adquirir armazenamento moderno certificado pelo programa da NVIDIA eliminará as incertezas, assim como trabalhar com fornecedores que ofereçam garantias de capacidade, longevidade e ciclo de vida de suporte.

Acerte nessa escolha e você poderá colher os frutos de ciclos de treinamento produtivos e uma escalabilidade fluida para a inferência de IA. Demore demais para agir e você poderá acabar assistindo às suas ambições de IA serem sufocadas por uma infraestrutura obsoleta.