„Wyjście z chmury stało się ważnym tematem w 2023 roku i istnieje duże prawdopodobieństwo, że stanie się prawdziwym trendem w 2024 roku. Oszczędności są po prostu zbyt duże, aby je zignorować dla wielu firm" - mówi David Heinemeier Hansson, duński twórca Ruby on Rails oraz współwłaściciel i CTO firmy 37signals, która w czerwcu ubiegłego roku zakończyła sześciomiesięczne całkowite wyjście z chmury. „Wystarczająca liczba osób zdaje sobie sprawę, że marketingowe hasła dotyczące chmury niekoniecznie pasują do ich rzeczywistości" – dodaje.

To właśnie ta rzeczywistość doświadczenia w chmurze sprawia, że wielu dyrektorów ds. informatyki ponownie rozważa swoje podejście do chmury skoncentrowane na platformie na rzecz jednostkowego podejścia do poszczególnych obciążeń. Powstała w ten sposób infrastruktura - połączenie lokalnych i hybrydowych platform chmurowych - będzie miała na celu ograniczenie kosztów, opanowanie chaosu w chmurze i zapewnienie odpowiedniego finansowania dla generatywnych projektów AI.

Zobacz również:

• Jak wykorzystać potencjał sztucznej inteligencji w cyfrowej transformacji? Poznaj nowoczesne narzędzia AI dla biznesu podczas spotkań Dynamics 365. Kierunek: AI

David Linthicum, były główny strateg ds. chmury w Deloitte, mówi, że wielu CIO w przedsiębiorstwach, którzy dali się wciągnąć w wyścig do chmury, rewiduje obecnie swoje strategie, szukając optymalnych platform dla różnych aplikacji - czy to w chmurze prywatnej, w chmurze publicznej, we własnych centrach danych, za pośrednictwem dostawcy usług zarządzanych, na brzegach sieci czy w architekturze mulicloud.

„Najczęstszą motywacją do takiej rewizji są koszty" - pisze Linthicum, który przypuszcza, że „większość obciążeń korporacyjnych nie jest do końca nowoczesna”, a zatem nie najlepiej pasuje do chmury.

Srinivasan CR, wiceprezes ds. usług w chmurze i cyberbezpieczeństwa oraz dyrektor ds. cyfrowych w Tata Communications, zauważa, że wiele przedsiębiorstw „staje się bardziej powściągliwych w zakresie korzystania z chmury i strategii cloudowej, starając się zrównoważyć wydajność, koszty i bezpieczeństwo.

„W miarę jak firmy starają się w coraz większym stopniu wykorzystywać sztuczną inteligencję, ponownie analizują i będą analizować obciążenia i umieszczać je w odpowiedniej infrastrukturze, czy to w chmurze publicznej, czy na brzegu sieci, czy też przenosząc je z powrotem do własnej chmury prywatnej lub serwerów wewnętrznych" - mówi Srinivasan. „Takie decyzje są w dużej mierze podyktowane potrzebą maksymalizacji wydajności i korzyści biznesowych bez utraty kontroli nad kosztami".

John Musser, starszy dyrektor ds. inżynierii Ford Pro w Ford Motor Co., zgadza się z tą opinią.

„Jest to forma dopasowania, próbująca zrównoważyć efektywność kosztową, możliwości, regulacje i prywatność" - mówi ekspert, którego zespół stwierdził, że bardziej opłacalne jest uruchamianie niektórych obciążeń na klastrze obliczeń o wysokiej wydajności (HPC) w centrum danych firmy niż w chmurze. „Nawet jeśli często robimy to w chmurze, nie oznacza to, że zawsze powinniśmy to robić w chmurze” - zaznacza.

Ten sposób myślenia zyskuje na popularności, ponieważ CIO starają się wykorzystać wnioski wyciągnięte z początkowego przejścia do chmury.

To udoskonalenie myślenia o chmurze pojawia się, gdy na horyzoncie widać już wysokie koszty sztucznej inteligencji. Dla dyrektorów ds. informatycznych, którzy potrzebują dostępu do danych w czasie rzeczywistym, na przykład w produkcji lub kontroli przemysłowej, ładowanie danych na brzegu sieci jest lepszym rozwiązaniem niż chmura publiczna.

„Edge zapewnia przetwarzanie obliczeń w czasie rzeczywistym, obliczanie algorytmów w czasie rzeczywistym w celu podejmowania decyzji" - mówi Gavin Laybourne, CIO w Maersk. „A potem wysyłam dane z powrotem do chmury, gdzie mogę sobie pozwolić na 5-10 milisekundowe opóźnienie przetwarzania"."

Na grudniowym (2023) szczycie CDO w Bostonie Mojgan Lefebvre, dyrektor ds. technologii i operacji w Travelers, zauważył, że chmura ma skalowalną i elastyczną infrastrukturę dla różnych potrzeb, a także dostęp do bardziej zaawansowanych narzędzi AI, takich jak duże modele językowe.

Jednak „co ważne, poleganie na technologii chmury nie wymaga całkowitej migracji wszystkich zasobów do środowiska opartego na chmurze" - powiedział Lefebvre.

Na przykład gigant płacowy ADP korzysta z chmury AWS dla większości swoich nowych aplikacji, a także Microsoft Azure i Cisco Cloud, a mimo to, jak zaznacza Vipul Nagrath, szef działu rozwoju produktów w ADP i były CIO firmy, nadal występuje duże obciążenie w centrach danych organizacji.

Niektórzy CIO decydują się na hostowanie obciążeń w chmurach prywatnych, takich jak platformy HPE Greenlake lub Dell APEX, aby osiągnąć większe bezpieczeństwo i niższe koszty niż w chmurze publicznej.

Richard Semple, CIO hrabstwa Williamson w Teksasie, gdzie powstaje nowy zakład produkcji chipów firmy Samsung, rozważał wszystkie chmury publiczne dla rosnącej infrastruktury cyfrowej administracji. Ostatecznie zdecydował się na bezpieczeństwo danych przechowywanych w siedzibie firmy, ale w prywatnej chmurze zaprojektowanej przez Dell.

„Nie przechodzimy do chmury, jeśli nie wiemy, że przyniesie to oszczędności i nie zmierzymy ich na bieżąco" - mówi Jamie Holcombe, CIO w Urzędzie Patentów i Znaków Towarowych Stanów Zjednoczonych. „Z doświadczenia wiem, że "gadatliwe" aplikacje są często najdroższe w chmurze, więc albo zmieniamy ich strukturę, albo utrzymujemy je lokalnie".

Ale nie wszyscy rządowi CIO przenoszą obciążenia z chmury lub odczuwają potrzebę rozważenia nawet częściowej migracji. „Jestem w 100% w chmurze i nie chciałbym, aby było inaczej" - mówi Gerald Caron, CIO Międzynarodowej Administracji Handlu.

To, czy dane obciążenie najlepiej zostanie obsłużone w chmurze, jest kwestią kontekstu. Doświadczeni CIO bardziej świadomie podchodzą do określania właściwego (czytaj: najlepszego) kierunku migracji.

Artykuł pochodzi z CIO.COM

Zachęcamy również do wysłuchania podcastu „Jak skutecznie wydobyć wartość z danych”, w którym rozmawiamy z ekspertami o sposobach na uzyskanie czytelności danych potrzebnych do podejmowania kluczowych decyzji biznesowych i technologiach, które pomagają pracować z danymi płynącymi ze środowisk niejednorodnych.