Imagem de Elchinator por Pixabay

O que você precisa saber para gerenciar dados como os grandes players

Paulo de Godoy, country manager da Pure Storage no Brasil

O sucesso de algumas das maiores e mais conhecidas empresas do mundo, como Apple, Google, Microsoft, Uber, Airbnb, Spotify e Amazon, tem origem nos ecossistemas ou plataformas que elas construíram. Essas plataformas simplificaram as experiências do cliente e permitiram o impulsionamento de inovações, serviços e recursos dessas empresas. É a razão pela qual elas foram disruptivas em seus respectivos setores e conquistaram a fidelidade dos clientes.

As projeções de médio prazo das empresas de pesquisa para o crescimento do mercado de gerenciamento de dados corporativos variam, mas todas apontam para um crescimento robusto. De acordo com a Fortune Business Insights, o mercado global de gerenciamento de dados corporativos foi avaliado em US$ 92,18 bilhões em 2023 e deve crescer de US$ 101,04 bilhões em 2024 para US$ 224,87 bilhões até 2032 a um CAGR de 10,5%.

Podemos pensar em plataforma como uma construção por blocos, que entrega seu valor quando vista como um todo. Ela permite a entrega de serviços e o aumento de recursos, conecta usuários e facilita interações, transações e geração de valor. Ao simplificar operações, otimizar processos, eliminar silos e melhorar a comunicação, as plataformas trazem maior agilidade no desenvolvimento e na entrega de inovações, ao mesmo tempo em que reduzem os riscos. As plataformas também permitem o autoatendimento — uma conveniência que os consumidores adoram, para tudo, desde pedir um carro no aplicativo até reservar férias.

 

Empresas que exemplificam o poder das plataformas

A Apple é um dos melhores exemplos de plataforma no mundo da tecnologia de consumo. Eles têm seu próprio silício, loja de aplicativos, sistemas operacionais e produtos eletrônicos. E embora esses produtos funcionem bem de forma independente, eles funcionam ainda melhor juntos — como uma orquestra que permite aos usuários sincronizar seus dados e preferências entre dispositivos. As atualizações de software são enviadas aos usuários conforme a plataforma evolui.

No espaço B2B, a Cisco oferece a plataforma Cisco Networking Cloud que unifica soluções desconexas e ajuda as equipes de TI e segurança a lidar com a complexidade de multi-cloud, inúmeras aplicações de terceiros, IoT e ameaças à segurança. Já a NVIDIA foi além das Unidades de Processamento Gráfico e construiu uma plataforma de IA, com serviços de treinamento e modelos — todos mantidos juntos pelo software da plataforma para este fim. Isso facilitou o ponto de entrada para seus clientes na jornada da Inteligência Artificial.

 

A magia da plataforma para gerenciar dados corporativos

 

Os dados são o ativo mais valioso que uma organização pode ter, e a maneira como são usados ​​geralmente determina os resultados comerciais e as experiências do cliente. Os dados devem estar disponíveis e entregues quando necessário, e com o nível de desempenho necessário. Isso exige soluções eficientes, confiáveis ​​e escalonáveis ​​focadas em fluxos de trabalho de dados. Em outras palavras, uma abordagem de plataforma para armazenamento de dados corporativos.

Essa plataforma deve atender a todas as necessidades relativas à aquisição, armazenamento, análise, governança e segurança dos dados. Ela deve ter suporte a grandes números e diversos tipos de cargas de trabalho, usuários, implementações nativas da nuvem e aplicações corporativas. Os dados devem ser totalmente integrados, constantemente atualizados e protegidos, disponíveis apenas para quem é autorizado a acessá-los. Deve-se automatizar tudo o que for possível. Uma plataforma de dados corporativos ajuda a obter insights acionáveis ​​de dados para impulsionar a inovação, melhorar a eficiência, acelerar o crescimento e aprimorar a experiência do cliente.

Essa abordagem também ajuda muito as empresas a gerenciar seus dados em todos os ambientes. A plataforma pode ser unificada por um sistema operacional comum que roda em todo o hardware e é gerenciado por um único software. Isso permite que a empresa entregue atualizações de software automaticamente e realize atualizações de hardware sem interrupções, com zero tempo de inatividade para o negócio.

Também é fundamental ser capaz de implementar dados e aplicações em qualquer local – na borda, no data center ou na nuvem pública. As aplicações podem ser modernas, tradicionais ou ambas. A plataforma pode ser usada como serviço ou de forma tradicional, com pagamento feito em uma base operacional ou de despesa de capital. Tal arranjo dá ao cliente a liberdade de implementar serviços de dados em qualquer combinação – tudo dentro de um único ecossistema.

 

O futuro bate à porta

 

A era da Inteligência Artificial (IA) está sobre nós, e as plataformas de dados empresariais precisam entregar o desempenho e os recursos necessários para cargas de trabalho complexas de IA. Haverá uma necessidade crescente de soluções de automação de armazenamento e copilotos de IA generativa para armazenamento, à medida que as empresas se esforçam pelo ROI. Os líderes que acompanham o ritmo das mudanças e adotam as tecnologias mais modernas têm mais chances de tornarem suas empresas disruptoras de mercado. E, como citei no começo do artigo, sabemos muito bem que o mundo adora um bom disruptor.

Como o apetite por inovação transformou o cenário de risco empresarial

Paulo de Godoy, country manager da Pure Storage no Brasil

Colocar a inteligência artificial em prática requer uma série de etapas. Primeiro: construir a infraestrutura para dar suporte à IA; segundo: treinar modelos; e terceiro: identificar casos de uso e implementar os modelos em processos de negócios reais. Depois vem a etapa que realmente importa: criar um ROI saudável a partir de investimentos em IA.

Mas para manter a competitividade nessa corrida rumo à inovação, as empresas precisam superar riscos como segurança cibernética, dívida tecnológica e custos descontrolados. Este é um páreo que conta com muitas empresas disputando para permanecer na liderança.

Na recente pesquisa “Innovation Race“, realizada com 1.500 CIOs e decisores de TI, pouco mais da metade dos CIOs e líderes seniores de TI (51%) relatam que gastam mais tempo e recursos em “combate a incêndios” — ou seja, manter as operações atuais em funcionamento em vez de inovar e trabalhar em projetos que irão crescer e melhorar o negócio. O mais impressionante deste estudo é que 98% afirmam que a infraestrutura de sua organização ainda precisa de melhorias para dar suporte ao gerenciamento de riscos e à inovação no futuro.

 

Quais são os riscos?

 

As ameaças cibernéticas surgiram como a maior preocupação, ainda mais agora que sabemos que elas não surgem apenas de criminosos. Um simples erro de configuração de um parceiro fornecedor é suficiente para causar um grande incidente. Mas o cenário de risco se estende muito além da segurança cibernética. Confira abaixo alguns pontos importantes de reflexão.

• Incompatibilidade de sistemas e ambientes. O problema mais comum é com sistemas mais antigos ou simplesmente incompatíveis que requer a integração de dados de diferentes fontes que são mantidos por departamentos separados.
• Dívida tecnológica. A infraestrutura necessária para implementar a IA é cara e, às vezes, escassa. A pesquisa Innovation Race aponta que 81% dos entrevistados preveem cargas de dados que ultrapassarão os data centers atuais de suas empresas.
• Aumento dos custos da nuvem. O choque do preço da nuvem se tornou tão generalizado e severo que os líderes estão repensando como usam a nuvem e se a nuvem pode fazer parte de uma abordagem híbrida que atenderá melhor às necessidades da empresa, ao mesmo tempo em que controla os custos.
• Custos de energia. A IA também está causando aumento nas contas de luz. A quantidade de energia necessária para a IA também pode ameaçar as metas de sustentabilidade de uma organização.

A esta lista, podemos adicionar:

• A escassez de talentos. Uma das melhores maneiras de sair dos ciclos de destruição de combate a incêndios é ter uma equipe ampla disponível para lidar com os desafios conforme eles surgem. Mas a escassez de talentos de TI é real e tem impactos imediatos, incluindo custos maiores do que o previsto.
• Dados e gerenciamento de dados. Treinar modelos de IA requer muitos dados. Algumas empresas sentem que não conseguem sequer sair dos portões de largada na corrida da inovação porque não possuem os dados necessários ou porque os dados que têm são “sujos”, o que significa que precisam ser reformatados e/ou limpos e verificados.

Esses riscos certamente parecem desencorajadores, mas, no mundo real, eles se combinam, entram em sinergia e jogam uns com os outros para criar um quadro ainda mais complexo. O resultado é muito tempo gasto em combate a incêndios e menos tempo aplicado à inovação e melhorias.

 

Estratégias para o sucesso

 

No mundo dos negócios não existe uma fórmula mágica para o sucesso, mas algumas estratégias ajudam a trilhar o melhor caminho. Confira abaixo alguns pilares para aumentar as chances de se posicionar melhor nessa corrida rumo à inovação.

• Entenda seu cenário de risco. O cenário de risco se estende muito além do crime cibernético ou mesmo da TI voltada para o cliente em geral. Perceba que você não pode se esconder dos riscos e que a melhor abordagem é vasculhar sua empresa em busca de vulnerabilidades com um olhar cético, garantindo que não haja surpresas.
• Avalie a prontidão da IA. É fácil deixar que o exagero e o pensamento positivo da IA ​​ditem expectativas irrealistas sobre os cronogramas do uso dessa tecnologia. Novamente, o mantra deve ser: sem surpresas. Tenha clareza sobre a prontidão da IA ​​e defina metas alcançáveis ​​que reconheçam os limites e obstáculos específicos da sua empresa.
• Repense a infraestrutura. Incorpore metas de IA, avalie suas necessidades com base nas especificidades do seu negócio. Reconheça que soluções prontas para uso podem levar você apenas até certo ponto e busque as ferramentas e parceiros que podem ajudar a construir os sistemas certos.
• Avalie o uso e o custo da nuvem. Os crescentes custos da nuvem estão levando a atenção de muitas organizações para nuvens híbridas. Procure parceiros com custos favoráveis ​​e transparência de custos.
• Reveja os custos de energia. A IA vem assombrando o cenário de sustentabilidade para muitas organizações, além de se tornar um custo significativo na implementação. Uma abordagem de infraestrutura híbrida com os parceiros certos como serviço pode reduzir o uso de energia, diminuir custos e possivelmente ajudar a reduzir os requisitos de espaço físico da sua empresa.
• Estabeleça um plano de recuperação cibernética. Estabeleça um plano robusto com resiliência em várias camadas, snapshots imutáveis ​​e que não podem ser deletados e recuperação de dados ultrarrá Defina funções, hierarquias de comando e planos de comunicação para usar em caso de um incidente cibernético.
• Reforce a retenção de talentos. Se você tem pessoas bem qualificadas na sua empresa, elas valem ouro. Estabeleça comunicação aberta e outros processos para garantir que estejam felizes com suas funções, cargas de trabalho e trajetória de carreira.

Golden Path: Entenda como o Kubernetes alivia a jornada DevOps

Paulo de Godoy, country manager da Pure Storage no Brasil

Para os entusiastas da história de Duna, o termo Golden Path soa familiar, afinal, é resumidamente um “caminho para manter a humanidade viva”. Bom, na esfera da engenharia de software, o termo não foge muito do conceito, e é conhecido como o caminho mais suave por meio de um modelo de autoatendimento para que os desenvolvedores executem suas tarefas.

O papel das plataformas modernas de gerenciamento de dados criadas em ambientes de contêineres Kubernetes vem ganhando cada vez mais força neste cenário emergente da engenharia de plataforma. Conheça abaixo um pouco mais sobre como estes engenheiros suavizam o árduo caminho dos DevOps por meio de um acesso mais fácil e rápido a serviços e recursos essenciais para inovação nos negócios.

 É preciso dar aos desenvolvedores o que eles querem

 

Quando o DevOps surgiu no final dos anos 2000, trouxe consigo os princípios fundamentais de propriedade compartilhada, feedback rápido e automação do fluxo de trabalho para ajudar a concretizar a visão de desenvolvimento ágil de software. Isso exigia alto grau de autonomia para os desenvolvedores e, em troca, capacitava-os com as ferramentas necessárias para aumentar a eficiência.

O modo operacional favorito dos desenvolvedores (e muitas funções técnicas especializadas, como cientistas de dados, pesquisadores de IA etc.) pode ser resumido em três pontos principais: acesso instantâneo a recursos, resultados imediatos e autoatendimento completo.

Usar esses itens como uma bússola ao criar serviços voltados para perfis técnicos é uma ótima maneira de permitir a inovação e garantir a rápida adoção. Embora nem sempre seja possível fornecer recursos e resultados instantâneos, o fato de chegar o mais próximo possível do instantâneo gera maior satisfação.

 

DevOps, os principais clientes

 

Hoje, vemos o amadurecimento do DevOps com o surgimento da engenharia de plataforma, uma nova função para uma era mais madura no desenvolvimento de aplicações. É ela que atua nos bastidores para fornecer um catálogo de serviços e componentes de infraestrutura fáceis de usar e de autoatendimento para dar suporte à experiência diária de desenvolvimento.

As melhores práticas desta engenharia têm como objetivo ajudar os desenvolvedores de aplicações a se integrarem e começarem a criar mais rapidamente, fornecendo tudo o que eles precisam para experimentar, desenvolver, testar e implementar. A plataforma disponibilizada para esses desenvolvedores geralmente se inspira nos serviços popularizados pela nuvem pública e em seu modo de operação. Ela é projetada para fornecer acesso instantâneo não apenas às melhores e mais recentes ferramentas e softwares que sustentam a inovação, mas também para facilitar o acesso aos próprios dados, protegidos por estratégias e protocolos de segurança predeterminados.

 

Kubernetes e gerenciamento de dados

A plataforma ideal com foco no desenvolvedor também inclui o gerenciamento de dados. Ela pode se basear no Kubernetes como o meio para orquestrar, implementar, executar e dimensionar aplicações nativas da nuvem, bem como gerenciar os serviços de dados necessários para essas aplicações.

Os recursos de gerenciamento de dados são fundamentais para a engenharia de plataformas, pois permitem a exploração e o teste em condições realistas, por exemplo, usando uma cópia instantânea dos dados de produção em vez de um conjunto de dados sintéticos pouco realista.

O ideal é que os recursos de gerenciamento de dados também sejam projetados considerando o autoatendimento e forneçam acesso aos dados de forma altamente disponível, confiável, elástica, multilocatária e segura.

Também é fundamental que essa base entregue cadeias de ferramentas e serviços de dados fáceis de especificar para os desenvolvedores, de modo que eles possam usá-los facilmente como blocos de construção, mesmo que não tenham amplo conhecimento do Kubernetes ou de como implementar um determinado mecanismo de banco de dados de forma segura e dimensionável.

 

Nosso Golden Path é possível

 

As equipes de engenharia de plataforma estão ocupadas trabalhando sem serem vistas em segundo plano para trazer o Golden Path de autoatendimento para o desenvolvimento de aplicações. Com o Kubernetes como estrutura de orquestração, contêineres e serviços de dados como recursos principais, os engenheiros de plataforma podem finalmente concretizar totalmente a visão de maior agilidade e produtividade do DevOps.

De Telco à Tech-co: A nova era de telecom

Paulo de Godoy, country manager da Pure Storage no Brasil

Começo este artigo com uma breve introdução ao título, “das empresas de telecomunicações às empresas de tecnologia”. Como descrito pela KPMG, tech-co é “um termo relativamente novo que surgiu para descrever a transformação das telcos tradicionais em negócios inovadores e mais focados na tecnologia”. As Tech-cos serão cada vez mais centradas no cliente, automatizadas (por exemplo, nativas da nuvem) e capazes de obter mais valor e insights dos dados, o que hoje em dia significa o uso de inteligência artificial.

Confira abaixo os principais pontos desta transformação, centrados nas principais áreas de discussão do setor: 5G, IA, aumento de custos e sustentabilidade, e modelos financeiros.

 

VNFs e CNFs para 5G

 

Graças aos importantes investimentos que as empresas de telecomunicações têm feito em atualizações de redes, é compreensível que o primeiro tópico esteja relacionado ao 5G. Vamos nos concentrar especificamente nas VNFs – virtualização das funções de redes e CNFs – funções de rede nativas da nuvem.

A transição de VNFs para CNFs representa uma grande mudança em direção a uma infraestrutura de rede muito mais ágil, escalonável e eficiente. As VNFs enfrentam desafios em termos de eficiência, desempenho e complexidade de gerenciamento. Além disso, as VNFs são projetadas para serem monolíticas, portanto, a escalabilidade e a portabilidade não são as esperadas. Todos esses fatores estão acelerando a adoção de contêineres.

O foco principal para isso tem sido o núcleo 5G, já que uma recente pesquisa aponta que 60% das operadoras afirmam que priorizaram o núcleo 5G para ser nativo da nuvem. Mas embora sejam promissoras, as empresas de telecomunicações ainda enfrentam desafios em torno dos serviços de dados.

Há alguns anos, as implementações de CNF aconteciam principalmente em pocket network, mas agora, felizmente, o nativo da nuvem representa mais de 35-40% do que acontece no core da infraestrutura.

Aliás, se tiver interesse em se aprofundar um pouco mais em CNF, confira aqui este outro artigo que escrevi para a Infra News Telecom.

 

Inteligência artificial e telecomunicações

 

Como todo setor, as telecomunicações estão focadas no que a IA pode fazer. Muitos casos de uso estão sendo discutidos, incluindo atendimento ao cliente, otimização de redes, segurança e até vendas e marketing.

A IA já existe há algum tempo, em formas simples como chatbots e, embora a tecnologia tenha evoluído muito rápido, as implementações de IA em grande escala são a resposta, mas as telcos ainda estão tentando descobrir quais são as questões.

Espera-se que as empresas de telecomunicações realizem implementações menores de IA, geralmente posicionadas na borda da rede, em vez dos tipos de projetos de IA massivos e centralizados que observamos em outras indústrias. Além disso, é fundamental ter em mente a centralidade e importância do armazenamento de dados em modelos de IA, que muitas vezes fica em segundo plano, atrás de todo o foco em GPUs e computação.

Subestimar a importância e o valor dos dados da empresa é uma falha grave. A chegada definitiva da IA exige que os líderes enxerguem o armazenamento como a tecnologia mais importante nos negócios de sua empresa porque é onde residem os dados.

 

Aumento de custos e sustentabilidade

 

A energia está no topo da lista das preocupações das telcos e, bem, são dois lados da moeda. Existem metas de emissão net zero a longo prazo, mas um desafio imenso é o acesso operacional suficiente à eletricidade, especialmente à medida que aumentam as iniciativas de IA que consomem muita energia.

Outro fator que complementa esse desafio da energia no setor é que as empresas de telecom ainda operam muitos equipamentos legados que não podem ser facilmente desligados, ao mesmo tempo em que tentam implementar soluções virtualizadas e/ou nativas da nuvem que exigem ainda mais infraestrutura.

É fundamental que as empresas de telecomunicações abandonem as redes 2G e 3G legadas que consomem muita energia. E, já que a sustentabilidade é um ponto crítico, é também crucial que estas empresas escolham para suas infraestruturas as soluções que são realmente capazes de reduzir drasticamente o consumo de energia.

 

Melhorias no fluxo de caixa

 

Para o tópico final, vamos passar de tecnologia para finanças, observando que a forma como você paga pela infraestrutura pode ser tão importante quanto o que você compra. As empresas de telecomunicações têm sido tradicionalmente muito intensivas em capital. Existem alguns custos muito grandes e a capacidade de depreciação ao longo do tempo tem seus benefícios do ponto de vista contábil. No entanto, os custos da transição para 5G estão disparando. E à medida que as empresas de telecomunicações continuam a inovar em tecnologia, também inovam os seus modelos financeiros e estão dispostas a olhar para abordagens diferentes.

Essas novas abordagens incluem compras baseadas em assinatura para equipamentos de data center que, além de reduzir os custos iniciais, fornecem uma flexibilidade excepcional para experimentar novos modelos de negócios e serem mais criativas.

A nova era Tech-co é promissora e, para que o setor se beneficie e se transforme cada vez mais rápido, é crucial que discussões como essa sejam recorrentes no board. Afinal, as melhores e mais inteligentes tecnologias já estão no jogo, e a inovação das empresas de telecom depende das decisões e ações mais assertivas para os negócios.

Gestão de infraestrutura: O futuro está na inteligência

Paulo de Godoy, country manager da Pure Storage no Brasil

As práticas de gestão de infraestrutura estão evoluindo com muita rapidez. Impulsionados pela IA e pela transformação digital, os data centers enfrentam o crescimento maciço de dados e de complexidade, requisitos de agilidade sem precedentes, além da escassez de talentos e do alto custo de energia.

Para além de uma mudança radical, essa é uma tempestade perfeita, e isso traz oportunidades de melhoria. Confira abaixo uma análise dos desafios desta gestão na nova etapa da jornada digital e as soluções de ponta que podem trazer grandes vantagens para os líderes.

O desafio dos dados

 

Dentre os fundamentos que afetam o gerenciamento do storage, nossa relação com os dados é crucial. Desde 2010, a taxa média anual de crescimento de dados tem sido de cerca de 38%, de acordo com a Statista. Isso inclui alguns anos de pico – como durante a pandemia – quando a criação de dados disparou, com um volume global previsto em 181 zetabytes até 2025. Uma quantidade impressionante, sem sinais de desaceleração.

O planejamento para essas taxas de crescimento de dados é uma dor de cabeça para os líderes, principalmente devido ao ciclo tradicional de investimento e depreciação. No passado, a capacidade de acomodar requisitos não planejados significava ter que manter hardware extra em reserva. Ao mesmo tempo, com o aumento dos custos de energia, as empresas de TI agora também precisam se concentrar na eficiência e na sustentabilidade de sua infraestrutura.

O ato de provisionar o armazenamento também consumia tempo (e equipe), principalmente em empresas segmentadas verticalmente entre os departamentos de negócios e as subunidades de software, servidores, storage e redes de TI. Muitas vezes, a empresa precisava de muitos administradores com múltiplas habilidades para gerenciar diversos ambientes em vários fornecedores e tecnologias. Tudo isso poderia facilmente levar semanas.

 

O desafio das complexidades

 

Lidar com o aumento dos dados e da complexidade das aplicações não é só aumentar o número de funcionários de administração de storage. Além de ineficiente, é algo praticamente impossível no cenário atual da TI, devido à escassez e custos inviáveis com equipes especializadas. Outro ponto crucial é que as empresas modernas querem que seus profissionais se concentrem na inovação, no aumento da produtividade e na experiência do cliente, e não em tarefas mecânicas com infraestrutura.

O antigo paradigma de gerenciamento de TI segmentado verticalmente se desfez diante das novas arquiteturas de TI. Estamos em transição para novas normas que incluem modelos operacionais em nuvem e infraestrutura como código com armazenamento especificado como parte do processo de desenvolvimento e implementação de aplicações. A agilidade e a velocidade de entrega são agora mais importantes do que nunca e espera-se que as empresas sejam capazes de se adaptar rapidamente aos novos requisitos.

 

A inteligência da autonomia

 

Com os novos modelos de implementação de aplicações, como a conteinerização, os recursos de storage são definidos como parte do arquivo de configuração da aplicação, projetado para ser implementado automaticamente pela plataforma de orquestração.

Aqui, as aplicações são ativadas e escalonadas rapidamente, com requisitos incorporados a esses ciclos de vida e, muitas vezes, em um ritmo que vai além do que os humanos podem gerenciar manualmente. Nessa velocidade de operações, o gerenciamento de storage precisa funcionar por meio de políticas predefinidas, provisionamento e dimensionamento automáticos.

 

O futuro inteligente

 

O futuro desta gestão está centrado nos perfis de desempenho de storage definidos pelo cliente, selecionados por meio de autoatendimento ou totalmente automatizados no ambiente da aplicação por meio de armazenamento como código e orquestradores.

As empresas inteligentes de TI transformarão a função do administrador em algo como um gerente de produto. Isso significa definir “produtos” de armazenamento por meio de conceitos de abstração, como classes e políticas. Isso também significa permitir o autoatendimento pelos clientes internos das empresas e pelas plataformas de orquestração em vez de ser a pessoa que provisiona os objetos, deixando o novo gerente de produtos livre para gerenciar frotas de dispositivos em vez de arrays individuais, monitorar o uso dos serviços existentes e criar ofertas.

Para viabilizar esse modelo operacional em nuvem, alguns fornecedores de armazenamento podem oferecer plataformas com as quais os administradores de armazenamento podem gerenciar e adicionar capacidade à sua frota de dispositivos de armazenamento sem interrupções, bem como definir classes de armazenamento, políticas e zonas de disponibilidade a serem disponibilizadas aos seus consumidores. Enquanto isso, os desenvolvedores que usam plataformas de infraestrutura como código podem especificar a classe de armazenamento que desejam para uma aplicação, codificá-la em modelos, testá-la e implementá-la.

Para ambientes em contêineres totalmente automatizados, é fundamental utilizar uma plataforma de dados Kubernetes de nível empresarial para aplicações modernas. Isso garante a gestão para clusters do Kubernetes com implementação e dimensionamento automatizados, além de proteção de dados. Algumas soluções incluem até mesmo serviços de dados, como um conjunto de bancos de dados selecionados para uso em ambientes Kubernetes, com apenas um clique, economizando muito tempo dos desenvolvedores.

No entanto, viabilizar o autoatendimento e, ao mesmo tempo, depender de longos ciclos de compra e entrega deixa a empresa exposta aos riscos. Adotar totalmente esses conceitos significa consumir as plataformas de armazenamento como um serviço, para conseguir o dimensionamento rápido quando necessário, obter flexibilidade, além de investir em hardware somente quando for realmente necessário. As empresas devem analisar a tecnologia do fornecedor, mas também sua capacidade de fornecer suas plataformas por meio de modelos de consumo flexíveis e sob demanda.

 

Seja o maestro da sua infraestrutura

 

Seguindo a tendência crescente do ‘all-in-one’, é importante que ao buscar um fornecedor, exija que todos os arrays de armazenamento em flash estejam vinculados em um único ambiente operacional, para que as cargas de trabalho possam ser gerenciadas em escala em toda a empresa a partir de uma única visualização, junto com uma plataforma de dados Kubernetes e toda a funcionalidade de armazenamento de autoatendimento que uma empresa moderna precisa.

Avalie também os benefícios em relação à eficiência energética, que podem chegar até 85%, além da redução do espaço físico necessário, para maximizar a eficiência do data center. Por fim, atue com um fornecedor que possa oferecer tudo isso por meio de um modelo como serviço flexível e respaldado por SLA, com garantias quanto ao uso de energia, zero migrações de dados e upgrades sem interrupções. Esta é a chave para atingir uma gestão moderna e contínua.

Você conhece os riscos de uma migração tecnológica?

Paulo de Godoy, country manager da Pure Storage no Brasil

Sabemos que as migrações tecnológicas incluem potencial perda de dados, tempo de inatividade do sistema, problemas de compatibilidade e interrupções nas operações comerciais – mas estes não são todos os riscos.

Bom, é fato que se estamos nos mudando para uma casa nova, por exemplo, é natural ficarmos animados com a ideia. Ainda assim, será uma decisão cuidadosamente pensada e orçada. Afinal, ninguém compra ou aluga um imóvel sem considerar os custos principais, como energia, aquecimento, água, além das despesas mensais de moradia. Então, do mesmo modo, ao considerar o armazenamento de dados, os líderes precisam garantir que estão considerando e construindo os custos e as operações contínuas.

Um relatório da Forrester sobre uma plataforma de software da Thomson Reuters estima que os custos de implementação podem chegar a 40%. Já a pesquisa Cloud Pulse Survey 4T23 da IDC coloca esse valor ainda mais alto, com 1.350 usuários de nuvem em todo o mundo afirmando que 54% do orçamento de TI é alocado para manter os sistemas e aplicações de TI existentes, em vez de novos projetos que apoiam a inovação nos negócios.

A questão aqui é que estes itens não são considerados com frequência quando se toma uma decisão de compra. Isso porque a maioria dos clientes não possui essas métricas ou mede em diferentes centros de custo, com orçamentos atribuídos a outros departamentos: a eletricidade está nas instalações, a contratação fica com o RH, os custos de migração (horas de fim de semana e gerenciamento de edifícios, por exemplo) estão em TI, finanças e instalações, enquanto a área de compras examina o custo inicial. É como comprar uma casa olhando através de um pequeno olho mágico na porta. Quando a porta se abre, os novos proprietários percebem que não é o apartamento moderno e espaçoso que lhes foi prometido – e o choque é desagradável.

 

Por que as empresas fazem isso?

 

Há três questões:

1. A equipe de compras não entende as complexidades do gerenciamento da infraestrutura, pois está concentrada em pressionar o fornecedor na hora da venda, e não no uso a longo prazo, ou a medida é bonificada apenas pelo custo de aquisição.
2. Nem sempre se sabe como medir o custo total. Alguns fornecedores ofuscam os custos reais de operação simplesmente para entrar no mercado.
3. Os custos operacionais em um período de três a cinco anos parecem estar muito distantes. E, às vezes, quem está implementando o sistema pode pensar que, em alguns anos, o problema será de outra pessoa.

Vamos focar agora neste último ponto: é tão distante que fica fácil esquecer a dor da migração e do gerenciamento do departamento de tecnologia. Substituir um servidor é muito fácil, as equipes movem instâncias de máquinas virtuais de um lugar para outro e isso é instantâneo, requer mínimo ou zero esforço e tempo. No entanto, uma nova matriz de armazenamento é diferente.

Imagine a casa novamente: você percebe que ela está caindo aos pedaços, não pode mais morar lá e precisa se mudar. Todas as suas lembranças e móveis estão lá – os seus dados, que valem muito! Uma migração é o equivalente a não consertar um telhado com vazamento e esperar que seus pertences permaneçam seguros e secos. Usando um sistema legado, as empresas são forçadas a fazer isso a cada alguns anos. Isso representa um enorme risco comercial e um gasto considerável de tempo, planejamento, esforço e custo. Infelizmente, algo invariavelmente dá errado, os pertences podem ser extraviados e dados valiosos e operações comerciais são colocados em risco.

Esses erros ou problemas se devem a alguns fatores. No caso do erro humano, podem gerar interrupções durante o gerenciamento de mudanças. Se as empresas puderem minimizar as mudanças, elas automaticamente reduzirão os riscos. As soluções de armazenamento como serviço (STaaS) ajudam a eliminar os esforços com gerenciamento de mudanças e o valor disso é imenso. Para muitas empresas, a migração é um problema grande e caro e, com STaaS, os componentes do array são substituídos conforme necessário, assim é possível eliminar essas preocupações e o tempo de inatividade. O STaaS agrega ainda mais valor, pois o fornecedor compartilha o risco de consumo e oferece muitos serviços de valor agregado, como planejamento de capacidade. Além disso, é importante se alertar aos SLAs e garantias que colocam o ônus sobre o fornecedor para que ele gerencie e forneça um serviço de forma adequada.

O equilíbrio entre as pressões orçamentárias e a necessidade insaciável de mais armazenamento de dados está impulsionando o aumento da adoção do STaaS. O valor é enorme para que as empresas: a) minimizem os riscos; b) eliminem as migrações; c) reduzam o lixo eletrônico; d) aumentem a agilidade dos negócios; e) garantam a utilização eficiente dos ativos – e a lista dos benefícios vai longe.

 

Prepare-se para os imprevistos

 

Estima-se que uma migração planejada leve cerca de um ano, mas, invariavelmente, levará muito mais tempo. Já ouvi falar de um grande banco que estava migrando uma tecnologia legada e programou dezenas de aplicações para migrar em um fim de semana, mas, no último minuto, apenas algumas delas seriam transferidas devido a outros fatores. Isso significaria atrasos constantes no processo de migração, o que imediatamente aumenta o custo. Sem contar que os novos arrays ficam subutilizados em grande parte. Se o setor de compras avaliou um negócio com base no custo por gigabyte e os arrays não estão sendo preenchidos rapidamente, o custo real por gigabyte está aumentando. Se em um ano um array estiver apenas 50% cheio, significa que o cliente pagou o dobro e está usando apenas metade do que foi comprado. A infraestrutura antiga, que já deveria estar desativada, não foi porque as aplicações e os dados ainda estão nela. Além disso, o novo kit está ocioso, mas custa dinheiro para funcionar. Enquanto isso, o responsável pela compra pode estar “curtindo” um bônus que recebeu por ter comprado soluções baratas. As empresas precisam evitar esse trabalho em grande escala e optar por uma tecnologia que seja atualizada de forma contínua e sem interrupções.

 

Mudar para um hotel?

 

Eu diria que quase ninguém gosta de cozinhar e limpar todos os dias ou pagar impostos, e muita gente opta por flats, hotéis e serviços de acomodações temporárias para evitar isso. Embora recebam um serviço e uma experiência premium, elas pagarão um preço premium. Essa é uma das promessas da nuvem: As equipes de TI e os proprietários de aplicações não precisam se preocupar com a execução diária ou com problemas de migração, mas pagam um preço muito alto por cada utilidade incremental. Outra pessoa arca com a subutilização e o risco de migração. Em segundo plano, há um exército de pessoas realizando todas essas funções. Embora não seja a equipe da empresa que esteja realizando o trabalho, a empresa pagará por isso, às vezes sem perceber. É claro que há benefícios da nuvem, incluindo economias de escala, portabilidade, facilidade de uso e a capacidade de testar coisas novas. Há lugar para a nuvem e para o on-premise, dependendo dos objetivos comerciais da empresa, e a maioria tem uma abordagem híbrida atualmente. As pessoas percebem que, se for realizada uma avaliação adequada do gerenciamento do ciclo de vida dos ativos de infraestrutura e se o ambiente for bem administrado, as empresas poderão fornecer armazenamento on-premise para as cargas de trabalho e as aplicações adequadas a um custo de longo prazo menor do que na nuvem.

 

Estratégia para proprietários

 

Para evitar cair nessa armadilha e se sobrecarregar com custos inesperados, as empresas precisam de uma abordagem de longo prazo. A estratégia deve garantir que as implementações de tecnologia não se concentrem apenas no custo inicial da compra, mas sim em todo o ciclo de vida da propriedade. Assim como o proprietário de uma casa precisa fazer um orçamento para reparos, o mesmo acontece com as empresas quando consideram o armazenamento de dados no longo prazo e a eliminação de migrações. A união de todas as partes de uma empresa é vital para o sucesso – compras, infraestrutura, RH, TI mais ampla, proprietários de aplicações, todos eles precisam estar envolvidos e cientes do que e porque está sendo adquirido, para que possam se preparar para o sucesso a longo prazo.

IA e sustentabilidade: Qual é o desafio e o que as teles têm a ver com isso?

Paulo de Godoy, country manager da Pure Storage no Brasil

A IA – Inteligência artificial nos prova diariamente que pode fazer cada vez mais. Pense em qualquer coisa e uma ferramenta de IA pode gerar uma imagem ou texto sem esforço. No entanto, o impacto ambiental de, por exemplo, gerar uma imagem por meio da IA, nem sempre é comentado. Gerar uma imagem por IA consome aproximadamente a mesma quantidade de energia que carregar um celular. Um fato relevante quando pensarmos que cada vez mais as empresas apostam na IA.

Afinal, o treinamento de modelos de IA requer enormes quantidades de dados, e são necessários data centers para armazenar todos esses dados. Na verdade, existem estimativas de que os servidores de IA (num cenário médio) poderiam consumir 85 a 134 terawatts-hora (Twh) de energia anualmente até 2027. Isto é equivalente à quantidade total de energia consumida na região total dos Países Baixos em um ano. A mensagem é clara: a IA consome muita energia e causará um impacto grande no ambiente.

 

A IA gera um problema de sustentabilidade?

 

Para criar um modelo de IA útil, são necessários vários elementos. Isso inclui dados de treinamento, conexão estável, espaço de armazenamento suficiente e GPUs. Cada componente consome energia até certo ponto, mas o poder de computação exigido pelas GPUs é o que mais consome. De acordo com pesquisadores da OpenAI, a quantidade de poder computacional utilizado tem duplicado a cada mais de 3 meses desde 2012. Este é um enorme aumento que provavelmente continuará num futuro próximo, dada a popularidade de várias aplicações de IA. Este aumento no poder de computação está tendo um impacto cada vez maior no meio ambiente. Para ilustrar, um estudo da Universidade de Massachusetts descobriu que o treinamento de modelos populares de IA poderia levar à emissão de 284.000 quilogramas de CO2 – a mesma quantidade de emissão gerada por um carro médio que deu 31 voltas ao mundo!

As empresas que estão na jornada de criação de um modelo de IA devem, portanto, pesar cuidadosamente o valor acrescentado dessa iniciativa em relação ao seu impacto ambiental. Além disso, a infraestrutura subjacente e as próprias GPUs precisam se tornar mais eficientes (energeticamente).

 

Redução do impacto da IA ​​no meio ambiente

 

Várias indústrias são importantes durante o processo de criação de um modelo de IA: a indústria de data centers, o setor de energia, a indústria de semicondutores, as operadoras de telecomunicações e a indústria de armazenamento. Para reduzir o impacto da IA ​​no ambiente, é necessário tomar medidas em cada um destes setores para melhorar a sustentabilidade.

 

A indústria de armazenamento e o papel do flash

 

Na indústria de armazenamento, podem ser tomadas medidas concretas para reduzir o impacto ambiental da IA. Um exemplo são as soluções de armazenamento totalmente flash, que são significativamente mais eficientes em termos energéticos do que o armazenamento tradicional baseado em disco (HDD). Em alguns casos, as soluções totalmente flash podem proporcionar uma redução de 85% no consumo de energia em comparação com o HDD. Alguns fornecedores estão indo além dos SSDs prontos para uso e desenvolvendo seus próprios módulos flash, permitindo que arrays totalmente flash se comuniquem diretamente com o armazenamento flash. Isso permite a maximização das capacidades do flash e alcanço de desempenho, uso de energia e eficiência ainda melhores, ou seja, data centers que consomem menos energia, espaço e refrigeração.

Uma vantagem adicional das soluções totalmente flash é que elas também são mais adequadas para executar projetos de IA em comparação com soluções HDD. Isso ocorre porque vincular modelos de IA a dados requer uma solução de armazenamento que forneça acesso fácil e confiável aos dados em silos e aplicações em todos os momentos – isso muitas vezes não é possível com uma solução de armazenamento HDD.

 

Energia de backup dos data centers

 

Os data centers podem dar um salto nas métricas de sustentabilidade com técnicas de refrigeração melhores e mais eficientes, mas os geradores de reserva, por exemplo, também podem ser mais sustentáveis. Um bom exemplo disso são as instalações de energia de reserva no data center da NorthC em Groningen. Este é o primeiro data center na Europa a utilizar células de combustível baseadas em hidrogénio verde como energia de reserva, em vez dos tradicionais geradores a diesel. É claro que este hidrogénio tem de ser gerado de forma “verde”, e aí este é um papel importante para o setor da energia. Felizmente, no Brasil a perspectiva é das melhores, com o recente anúncio de que o país terá a maior fábrica de hidrogênio verde do mundo nos próximos anos.

 

Indústria de semicondutores

 

É necessário mais energia proveniente de fontes renováveis ​​porque os fabricantes de semicondutores – principalmente das GPUs que constituem a base de muitos sistemas de IA – estão tornando seus chips cada vez mais poderosos, exigindo mais energia para funcionar. Por exemplo, há 25 anos, uma GPU continha um milhão de transistores e media cerca de 100 mm², sem consumir tanta energia. Hoje, as GPUs contêm 14 bilhões de transistores, medem cerca de 500 mm² e consomem 200 W de energia. Portanto, a indústria de semicondutores precisa apostar muito na eficiência energética – algo que já está acontecendo. A eficiência energética do processo de produção, por exemplo, está em constante melhoria e há muita experimentação com novos materiais. Além disso, a Lei dos Chips, na Europa, aposta no poder computacional, na eficiência energética, nos benefícios ambientais e na IA.

 

Operadoras de telecomunicações

 

As teles são essenciais para uma troca de dados rápida e confiável. Isto é relevante porque a eficácia da IA ​​depende em grande parte dos dados gerados em algum lugar e depois transportados para o data center onde a IA está em execução. Pense em uma aplicação de IA que precisa de informações de sensores em uma fábrica. As operadoras de telecomunicações podem se tornar mais sustentáveis ​​de várias maneiras, como, por exemplo, concentrando-se na inovação ou reduzindo as emissões na cadeia de suprimento.

A IA terá um impacto no ambiente, mas iniciativas como a mudança para o armazenamento flash ou a melhoria das práticas sustentáveis nos data centers podem reduzir esse impacto. Todos os setores podem tomar medidas concretas para um rumo mais saudável ao planeta. Isto já está sendo feito em larga escala, mas sempre pode ser feito de forma mais rápida. É fundamental que o investimento contínuo no combate às alterações climáticas seja uma das grandes prioridades de qualquer negócio.

A agilidade da decisão depende da infraestrutura

Paulo de Godoy, country manager da Pure Storage no Brasil

Quando se trata de dados e análises, tempo é dinheiro. De acordo com uma pesquisa da IDC, 75% dos decisores empresariais acreditam que os dados perdem valor em poucos dias. Isso coloca os líderes em uma corrida contra o tempo para encontrar insights valiosos e acionáveis antes que suas informações se tornem obsoletas.

Questões como a qualidade dos dados e a eficácia dos algoritmos aumentam a complexidade do problema, mas um fator que ainda é pouco explorado é o armazenamento. A verdade é que, longe de ser simplesmente “um lugar para despejar os dados”, a infraestrutura moderna de armazenamento é um elemento crítico para o sucesso das análises em tempo real.

Confira abaixo alguns dos desafios que as empresas enfrentam neste campo e as implicações que isso traz para dois dos tópicos mais quentes em tecnologia: IA – inteligência artificial e análises em tempo real.

 

A importância da infraestrutura em tempo real

 

Hoje, as empresas armazenam dados por motivos muito diferentes dos que faziam há algumas décadas.

No início da revolução digital, as informações eram geralmente mantidas por razões de conformidade ou governança ou simplesmente para acompanhar o desempenho do passado. Há poucos anos que os líderes começaram a questionar o que poderiam extrair dos dados históricos, analisando o que poderia ser aproveitado do passado para realmente apoiar o planejamento tentando prever os desdobramentos futuros.

Isto levou a enormes avanços na capacidade de aproveitar dados para a tomada de decisões empresariais e evoluiu simultaneamente com a explosão do volume de dados gerados pelas empresas, bem como as tecnologias disponíveis para capturar e analisar esses dados.

Muitas vezes, porém, a questão de como e onde armazenar informações tem sido tratada como algo secundário. Acho que as pessoas muitas vezes ficam surpresas quando descobrem que uma enorme quantidade de dados do mundo está armazenada em discos mecânicos que rangem ou até mesmo em armazenamentos em fita ainda mais ultrapassados. Os dados armazenados desta forma são muitas vezes de difícil acesso, tanto em termos de custos financeiros como, principalmente, de consumo de energia.

No âmbito da descoberta de medicamentos, por exemplo, o tempo para obter insights é crítico, não apenas por razões comerciais, mas porque pode fazer a diferença para a saúde humana e para a reação contra pandemias. Uma infraestrutura de alto desempenho é capaz de aumentar em até 300 vezes alguns processos analíticos para acelerar a identificação de “superbactérias”, por exemplo, e avaliar potenciais curas.

Felizmente, muitos decisores estão amadurecendo rapidamente e percebendo que precisam de soluções otimizadas por IA para melhorar suas operações e reduzir o consumo de energia em sua própria infraestrutura de armazenamento de dados.

 

O desafio da qualidade dos dados

 

A qualidade dos dados é o maior problema enfrentado por empresas que estão tentando fazer a transição para se tornarem orientadas por dados. Quando chega a hora de obter insights, esse costuma ser um dos principais desafios.

Isso porque dentro do nosso tão evoluído cenário atual, a pergunta mais importante ao avaliar a qualidade de uma informação é “isso realmente aconteceu?”.

Se os dados não corresponderem à realidade, a eficácia dos modelos fica comprometida. O desenvolvimento de formas de avaliar e mitigar lacunas na qualidade dos dados deve estar no topo da lista de prioridades para as empresas que estão nesse processo de transformação.

Há muitas maneiras pelas quais a infraestrutura de armazenamento afeta a qualidade dos dados. Existe acessibilidade, o que significa que os dados podem ser validados e corrigidos mais facilmente. Também tem impacto na governança, onde ferramentas integradas baseadas em IA podem garantir que as informações sejam armazenadas corretamente de acordo com a legislação e que todas as verificações e medidas de segurança obrigatórias estão em vigor.

Outros problemas surgem quando a infraestrutura de armazenamento de dados não é escalonável, gerando silos e barreiras entre o acesso a diferentes conjuntos de dados dentro das empresas.

 

Simplificar é um divisor de águas

 

Quando se trata de garantir que a infraestrutura de armazenamento esteja à altura da tarefa de executar as iniciativas atuais de análise de alta potência orientadas por IA, é fundamental abraçar a simplicidade e eliminar a complexidade.

Seja em discussões sobre o consumo de energia ou custos com talentos, o fato é que dentro do cenário moderno sempre será necessário mais energia e mais pessoas para entregar projetos. Nesse caso, a infraestrutura, principalmente o armazenamento, é uma enorme oportunidade para reduzir a sobrecarga humana e otimizar a eficiência energética dos sistemas de storage tradicionais e legados.

Quando se trata de gerenciamento de dados (e o armazenamento não é exceção), simplificar é o melhor caminho. A capacidade de se beneficiar de insights em tempo real baseados em dados está sendo rapidamente democratizada graças ao surgimento de plataformas de IA, grandes modelos de linguagem (LLM) e IA generativa. E, para se beneficiarem plenamente disto, as empresas precisam de garantir que a acessibilidade dos dados também seja democratizada.

No geral, a adoção de uma estratégia que simplifique a infraestrutura de armazenamento de dados pode ser um método eficaz para reduzir atrasos e gargalos que podem reduzir o tempo para obtenção de insights em tempo real.

 

O futuro da IA nas empresas

 

O futuro da IA está na qualidade dos dados e na capacidade de lidar com eles. Isso significa que o futuro da IA nas empresas depende basicamente de escolhas estratégicas e assertivas em relação à infraestrutura.

O armazenamento em flash agora é a norma em todos os lugares, é o que é usado em nossos telefones, computadores, eletrodomésticos e até carros. O único ambiente onde ainda existem discos giratórios é em data center, mas provavelmente será por pouco tempo. Isso porque, além de todos os benefícios tradicionais da tecnologia flash para obtenção de insights em tempo real e para a saúde dos negócios, essa também é a alternativa mais viável para a saúde do planeta.

Tomar as decisões corretas em relação ao armazenamento é essencial para a entrega rápida de insights e para auxiliar nas decisões estratégicas de negócios.

O impacto da IA nos bastidores da TI

Paulo de Godoy, country manager da Pure Storage no Brasil

A inteligência artificial já é e será ainda mais disruptiva para as empresas, mas você já parou para pensar em como ela impactará as arquiteturas de TI corporativas que dão suporte a tanta inovação? A real é que a IA afetará tudo o que conhecemos dos bastidores, desde como consumimos energia e espaço em rack até a governança de dados e o compliance.

 

Quando pensar em IA, pense em dados

Já sabemos como funciona a linha do tempo da tecnologia: sempre surgirão aplicações que nos farão repensar os sistemas que dão suporte a elas. Mas, no caso da IA, a disrupção tem um toque especial. Quando surgiu o ChatGPT, todos sabiam que algo iria mudar completamente em termos de TI corporativa. Mas, apesar da preocupação geral com foco no processamento, o que realmente importa são os dados.

A popularidade da IA pode ser algo mais recente, mas seus princípios já são conhecidos: o desejo de tomar decisões de forma mais rápida com base nos dados que uma empresa acumulou. No entanto, o que as empresas estão criando hoje para a IA é diferente de tudo o que foi feito no passado. Talvez, o mais próximo tenha sido uma infraestrutura para computação de alto desempenho (HPC), mas isso não foi muito para o domínio da TI corporativa, geralmente ficando dentro dos limites da academia e da pesquisa.

A maioria das empresas sequer se envolveu com HPC, porque essa computação não costuma se misturar com outros fluxos de trabalho. É tratada como um silo e gerenciada como uma “espécie diferente”. Isso significa que se a principal promessa da IA é transformar os fluxos de trabalho em toda a empresa acessando todos os dados, podemos aprender com as soluções de HPC, mas não copiá-las.

 

Quando não for possível adaptar, reestruture

 

A maioria das infraestruturas empresariais não foi projetada para IA, mas esse não é o único desafio. Além de ser algo relativamente novo, em muitos aspectos a infraestrutura de IA é contrária à maioria das estratégias de TI das empresas. Isso se deve, em parte, ao fato de o ciclo de vida das aplicações de IA ser mais iterativo do que o das tradicionais.

Outro desafio é que a maioria dos data centers projetados para a TI tradicional foi concebida com base em restrições físicas e de energia, e a IA abriu um buraco nisso tudo, com sua pegada enorme de carbono e alto consumo de energia. Muitos data centers não foram projetados para fornecer energia a esses clusters de GPU. Com a metragem quadrada do data center em alta e o custo cada vez maior da energia, temos que pensar muito sobre como resolver esse problema de forma sustentável.

 

IA e o “E” em ESG

 

Os ambientes que já conhecemos não foram projetados para essas cargas de trabalho pesadas. A letra “E” segue firme na sigla ESG por bons motivos: geopolítica, mudanças climáticas, restrições de energia. Nesse caso, as metas de sustentabilidade ajudam a defender os data centers com tecnologia totalmente flash como uma solução para apoiar o planeta.

 

O enigma da nuvem

 

É possível terceirizar a IA sem comprometimento? Se a maioria dos data centers foi criada para computação de uso geral e o legado não pode ser adaptado para IA, isso deixa as empresas com poucas opções: tornar as arquiteturas de uso geral escalonáveis e eficientes o suficiente para IA ou aproveitar a nuvem – ou as duas coisas.

A nuvem pode ser excelente para alguns casos de uso, como IA, mas sabemos que ela não é uma solução definitiva. Isso trouxe considerações (ou contras) sobre governança de dados, visibilidade e ESG. A nuvem pode mascarar os resultados de energia e refrigeração que as empresas precisam apresentar e cria mais um local para os dados residirem. Muitas empresas já têm dificuldades para identificar os dados e onde estão, e a nuvem pode agravar esse problema. Embora ainda seja uma incógnita quantas empresas desenvolverão infraestruturas inteiras de IA em vez de aproveitar a nuvem como um toque especial, a mudança está chegando.

 

O que o (breve) futuro nos reserva?

 

Resposta simples: uma infraestrutura de uso geral de última geração. Independentemente de como os novos sistemas são projetados, o que sempre unirá todos eles são os dados que consomem e compartilham. A inovação em armazenamento de dados precisa estar no fronte para permitir que as empresas aproveitem essa tecnologia.

As novas arquiteturas devem ser projetadas para se tornar um silo a menos verticalmente integrado e um conjunto a mais de recursos otimizados para resolver os maiores desafios de dados das empresas. Isso significa implementar uma infraestrutura de uso geral para um conjunto mais amplo de casos de uso, como cargas de trabalho sofisticadas e aceleradores.

O compartilhamento abundante de dados dentro da empresa é um benefício para alimentar a IA. Uma pequena quantidade de plataformas com capacidade altamente dimensionável pode simplificar o futuro da TI corporativa, em todas as cargas de trabalho: análise, file, objeto e muito mais. Isso permitirá a expansão da TI e a ampliação dos recursos de uso geral, tornando a IA menos disruptiva do que esperamos.

Sete soluções para os maiores desafios da IA na cibersegurança

Paulo de Godoy, country manager da Pure Storage no Brasil

À medida que a IA – inteligência artificial ganha cada vez mais popularidade e amplia a forma como trabalhamos, há uma área na qual ainda precisamos ter muita cautela: a segurança cibernética. A IA pode apoiar a proteção? Certamente, mas também pode ajudar os cibercriminosos. Nas mãos das pessoas erradas, esses recursos podem ajudar a identificar vulnerabilidades e explorar caminhos de forma mais rápida para lançar ataques ou violar defesas. É uma faca de dois gumes e, à medida que aprendemos a manejá-la, aqui estão alguns pontos a considerar ao lidar com os desafios da aplicação de IA à segurança dos dados.

 

1 – Não descarte o elemento humano da segurança cibernética

 

A IA pode resolver alguns problemas de forma mais rápida do que os humanos, mas ainda não está totalmente sob controle. E, enquanto o elemento humano for fundamental na implementação, esse fator também abre portas para vulnerabilidades que a IA não consegue resolver.

Em alguns casos, como modelos de treinamento, podem até ser influenciados por erros. Pior: a IA pode até gerar mais complexidade para o gerenciamento humano. À medida que aumentam os ataques baseados ou gerados por IA, treinar pessoas para identificá-los e aplicar medidas de segurança torna-se cada vez mais desafiador.

 

2 – IA não é uma solução mágica – cuidado com a falsa sensação de segurança

 

A segurança é uma história sem fim e em constante evolução. Assim como uma empresa com experiência em segurança evolui, os invasores e desenvolvedores de malware fazem questão de modernizar suas ferramentas e táticas todos os dias. Embora a IA tenha se tornado uma importante ferramenta na sua caixa, ela também está na deles.

As empresas precisam ter esse mesmo cuidado com suas práticas, adotando novas ferramentas e tecnologias e aplicando uma abordagem de segurança em vários níveis para se manterem atualizadas. A IA deve fazer parte desse esforço, mas não é o todo.

 

3 – IA é mais reativa do que proativa

 

A própria natureza dos modelos de aprendizagem e do reconhecimento de padrões é reacionária – é uma ferramenta poderosa quando se trata de detecção de anomalias e de discrepâncias comportamentais que podem indicar uma violação ou um invasor à espreita. No entanto, essa aplicação é frequentemente rotulada como proativa.

Tecnologias e processos amplos e proativos de segurança ajudam a construir uma postura defensiva mais robusta, que é crucial quando os cibercriminosos estão sempre aprendendo novas maneiras de escapar dessa detecção reativa.

A reativa é importante, mas, para ser eficaz, uma estratégia de segurança deve abranger o antes, o durante e o depois de uma violação. Isso significa boa higiene de dados, gerenciamento de patches, autenticação multifatorial, análise rápida de registro consistente e muitos treinamentos e exercícios práticos para garantir que os objetivos de recuperação sejam exaustivamente testados e possam ser executados com sucesso quando for necessário.

 

4 – De olho nos modelos, inteligência artificial é um reconhecimento avançado de padrões. Mas e se algum valor atípico gerar respostas erradas porque os modelos não evoluem?

 

O problema é que os usuários de rede corporativa geralmente são bastante previsíveis. Os modelos aprendem isso com o tempo, mas isso significa que quaisquer irregularidades podem, na verdade, introduzir problemas no ambiente de segurança, em vez de resolvê-los. Um exemplo disso pode ser um sistema que reage e modifica regras de firewall de forma dinâmica, bloqueando usuários legítimos do sistema.

Ainda é necessário um sólido grau de revisão prática, especialistas para fazer um double check, uma grande quantidade de dados para filtrar falsos positivos e, ao mesmo tempo, monitorar o modelo ao longo do tempo.

 

5 – Criar uma aprendizagem supervisionada

 

Confiar demais na IA como parte de um sistema de segurança capaz de influenciar e transformar pode trazer à tona preocupações importantes em torno da IA e da sua predisposição a erros. Por definição, esses sistemas podem criar regras de sim/não de forma dinâmica, com base no que consideram “padrões” ou “valores discrepantes”. Isso significa que a ferramenta pode fazer alterações que você não pretende, proteger excessivamente um sistema ou tornar um sistema pouco seguro. Uma ligeira anomalia no comportamento do usuário pode causar um bloqueio, mesmo para os usuários remotos.

Esses tipos de ajustes baseados em modelos podem ser ainda mais difíceis de determinar, localizar ou reverter do que os ajustados por humanos. Um ponto ainda mais preocupante é se suas permissões ou regras de acesso forem complexas, a IA poderá não conseguir distinguir entre exceções e anomalias.

 

6 – A criticidade da intervenção humana e da lógica

 

A aprendizagem supervisionada reintroduz o elemento humano nos modelos, o que nos leva de volta ao ponto nº 1: os humanos precisam fazer parte da equação e precisam ser capazes de interagir com a IA como usuários, mas também como um dos aspectos mais importantes da segurança – precisam andar de mãos dadas.

O que é um resultado bom ou ruim? Quando a IA deve agir? Embora não seja sensato deixá-la funcionar inteiramente por conta própria, você corre o risco de reintroduzir conceitos preconcebidos ou gerar mais vulnerabilidades ao intervir.

Não podemos confiar totalmente na IA ou presumir que ela nos dá uma imagem completa e precisa. Um ser humano terá que entender as informações para tomar a decisão certa e com cautela.

 

7 – O essencial para a assertividade da detecção de anomalias em grande escala

 

É necessário uma quantidade imensa de dados para executar o reconhecimento avançado de padrões. Para encontrar a agulha no palheiro, os dados devem vir de diversas fontes. Não se trata apenas do volume, mas também da amplitude a partir da qual os dados devem ser recolhidos e analisados.

Muitas empresas subestimam isso, fazendo com que a IA como ferramenta de segurança esteja longe de estar pronta para uso. As plataformas de dados devem oferecer visibilidade, simplicidade e escala a níveis incríveis para atender a essas demandas.

 

Conclusão

 

Embora a IA possa não resolver todas as preocupações de segurança de dados, uma plataforma de armazenamento de dados projetada para resiliência pode, principalmente uma que ofereça recuperação antes e depois que a IA detecte algo.

É fundamental que os líderes reflitam sobre isso agora, já que essas plataformas analíticas e de IA para ingestão e correlação de maior volume potencializam a detecção de ameaças e análises forenses com insights rápidos para que você possa conter invasores antes que eles implementem malware. Também é fundamental garantir a proteção dos dados com total imutabilidade e com controles de acesso rígidos e recuperação de dados rápida e granular.