Introduction
L'intelligence des données devient le prochain champ de bataille pour l'IA d'entreprise et les infrastructures autonomes, car les entreprises découvrent que copier des informations dans des tableaux de bord et des lacs de données est trop lent pour les charges de travail agiles. Cela force les équipes IT à repenser les architectures conçues pour les applications en premier et les données en second.
Contexte Technique
Les entreprises comme Pure Storage réévaluent leurs stratégies d'IA, en visant à briser les silos d'applications et à transformer les référentiels dispersés en contexte vivant pour l'IA. Selon Chadd Kenney, vice-président de la gestion de produit chez Everpure Inc., « Si vous pouviez briser ces silos, prendre le contexte et le partager à travers chacune de ces applications, puis construire un système d'enregistrement avec toutes ces données consolidées, les agents IA pourraient réellement fonctionner sur des données en temps réel ».
Pure Storage utilise la découverte et la classification à travers les référentiels sur site, cloud et logiciel en tant que service, souvent liés à une base de données de gestion de configuration, pour cartographier où vivent les données. Cette approche étend la portée de ses plateformes FlashArray et FlashBlade du stockage à l'intelligence des données.
Analyse et Implications
Cela déplace le mandat IT de la lutte opérationnelle constante à l'automatisation basée sur les politiques. La conformité autonome et la gestion des performances peuvent réduire le temps que les équipes passent à poursuivre les pannes, leur laissant plus de place pour se concentrer sur la gouvernance, la confidentialité et la manière dont les contrôles suivent finalement les données plutôt que les systèmes individuels.
Perspective
À l'avenir, il faudra surveiller comment les entreprises adoptent ces infrastructures autonomes pour accélérer leur IA d'entreprise et surmonter les défis liés aux silos de données. Les limites de cette approche incluent la nécessité d'une infrastructure plus large et la gestion de la complexité des données. Les prochaines étapes consisteront à intégrer davantage l'IA dans les processus métier et à développer des stratégies de gouvernance des données efficaces.
