De potentie van artificiële intelligentie (ai) is enorm. Maar de technologie is nog niet massaal omarmd. Een vaak genoemde drempel is dat data in de multicloud te versnipperd zijn. Dat hoeft echter geen belemmering meer te zijn, mits organisaties met een aantal zaken rekening houden.
Volgens diverse blogs en futuristen is artificiële intelligentie (ai) de ‘next big thing’ in de it-wereld. Maar de echte doorbraak laat al lange tijd op zich wachten. IDC becijferde dat slechts een kwart van de organisaties een bedrijfsbrede ai-strategie voert.
Voordelen
Dat is jammer, want de voordelen van ai zijn evident. Zeker in combinatie met die andere grote technologietrend, het internet of things, kunnen organisaties grote delen van hun business automatiseren, middels zelfdenkende en zelflerende systemen.
Praktijkvoorbeelden zijn er genoeg. Zo wist een ai-systeem direct na de finale van Wimbledon een goede samenvatting van de wedstrijd te maken. Binnen twee minuten na de laatste set was deze publiekelijk beschikbaar. Het geheim? Watson, het ai-platform van IBM, kan aan de hand van geluiden, gezichtsuitdrukkingen en lichaamstaal van de sporters de belangrijke momenten afleiden en zo een representatieve samenvatting maken.
Ook binnen de gezondheidszorg biedt ai een grote meerwaarde. Zo stelde Watson binnen tien minuten de juiste diagnose bij een vrouw die getroffen was door een zeldzame leukemie-variant.
Versnipperd datalandschap
Gebrek aan de juiste skillset is een veelgenoemd argument dat ai nog niet massaal is omarmd. Maar ook multicloud vormt voor velen een drempel. In de multicloud staan data in allerlei verschillende cloudomgevingen, en organisaties weten niet altijd hoe ze die bij elkaar moeten brengen. Gestructureerde en ongestructureerde gegevens staan vaak ook geografisch verspreid. Een versnipperd datalandschap is echter geen valide argument om ai links te laten liggen. Ook in multicloudomgevingen heeft ai een enorme potentie. Wel vraagt die situatie om een aantal speciale aandachtspunten:
1. Ondersteuning voor ai op ieder dataplatform. Zo moet de ai-technologie op ieder platform kunnen draaien waar de betreffende data en applicaties aanwezig zijn. IBM heeft daarom een aantal Watson-diensten beschikbaar gesteld als microservices gebaseerd op Kubernetes-containertechnologie. Organisaties zetten zo ai eenvoudig in op het gewenste platform.
Deze container draait on-premises, maar ook in de IBM Cloud en de cloudomgevingen van Google, Microsoft en Amazon. Zo hoeven organisaties niet alle data eerst naar de engine te brengen. De engine komt als het ware naar de data toe. Bijkomend voordeel: het voorkomt vendor lock-in.
2. De juiste dataconnectoren. Voor veel organisaties is dit niet genoeg. Data staan vaak op allerlei platformen. Denk aan Salesforce, Tableau, Looker of Dropbox. In die gevallen zijn dataconnectoren onmisbaar. IBM’s platform voor machine learning en data analytics, Watson Studio, is overigens vorig jaar nog voorzien van integratiemogelijkheden met Hadoop Distributions (CDH en HDP). Analytics is daarmee mogelijk op de plek waar de data zijn opgeslagen.
3. Alternatief: dataconsolidatie. Een andere optie is het verzamelen van alle data op een centrale plek. IBM Cloud kan dat faciliteren, bijvoorbeeld met IaaS- of PaaS-diensten, of simpelweg als cloudstorage. De integratie van IaaS- en PaaS-diensten in een multicloudomgeving is ook mogelijk.
In het hierboven geschetste scenario is de integratie van Mendix met IBM Cloud cruciaal voor ai-adoptie. In een geconsolideerde dataomgeving vindt de analyse van de data plaats met speciaal ontwikkelde apps. Die apps kunnen met low-code- en no-code-platformen gebouwd worden.
Geen belemmering
De boodschap is duidelijk: ook in een complexe cloudarchitectuur is de inzet van ai heel goed mogelijk. Ai kan immers richting de data worden gebracht, of andersom. De multicloud vormt in ieder geval geen belemmering meer.
