Je vaša IT infraštruktúra pripravená na AI? Na čo myslieť skôr, než stlačíte „deploy“

Zavádzate do firmy umelú inteligenciu? Skvelý krok. Ale máte kapacitu uchovať všetko, čo jej budete musieť dať?

Umelá inteligencia sa z konceptuálneho trendu stala praktickým nástrojom – počnúc automatizáciou procesov cez predikciu správania až po vytváranie obsahu. Všetko ale začína, a často aj končí, na úrovni infraštruktúry. Zatiaľ čo vývoj AI modelov a nástrojov napreduje míľovými krokmi, IT infraštruktúra v mnohých firmách zaostáva – a to môže byť problém. 

AI nie je len softvér – je to strategická investícia aj do infraštruktúry 

Zavádzanie umelej inteligencie nie je len o kúpe ďalšej aplikácie. AI riešenia si vyžadujú robustné zázemie: veľké objemy dát, výkonné výpočtové zdroje a nepretržitý tok informácií. Kľúčová je však infraštruktúra – ak nie je stabilná a zároveň flexibnilná, AI projekty sa môžu rýchlo zmeniť na drahé experimenty bez skutočného prínosu.  

Dáta ako základ úspechu – bez nich AI nefunguje 

Mnohé firmy podceňujú prípravu dátového prostredia. Roztrúsené dáta, chýbajúci dátový sklad, neprehľadné metaúdaje – to všetko spomaľuje vývoj aj nasadenie AI. Investícia do dátovej architektúry je preto nevyhnutná, nakoľko bez kvalitných dát nie je možné dosiahnuť spoľahlivé modely, a teda ani očakávaný návrat investícií. 

Výkon nie je o počte serverov, ale o správnej architektúre 

Zvýšiť výkon AI riešení neznamená len „kúpiť ďalší server“.  Dobrá AI potrebuje paralelizáciu, GPU akceleráciu, optimalizovaný prístup k dátam a vyváženie medzi cloudom a on-premise riešeniami. Bez skúmania potrieb môže dôjsť k plytvaniu zdrojmi, zložitej správe a bezpečnostným rizikám. Rozhodnutia manažérov by mali preto byť založené na celkovej architektúre, nemali by vychádzať len z nákupného zoznamu. 

Sieťová infraštruktúra ako tichý limitátor AI výkonu 

AI zároveň kladie nové nároky na sieť – veľké objemy dát musia prúdiť rýchlo, spoľahlivo a bezpečne. Ak sieť nestíha, dochádza k výpadkom, spomaleniu modelov a strate dôvery v riešenie. Pre biznis je dôležité uvedomiť si, že aj „neviditeľná“ infraštruktúra ako sieť môže byť rozhodujúcim faktorom úspechu ich AI iniciatív. 

Zodpovednosť a vlastníctvo dát musia byť jasne definované 

Bez jasne určeného vlastníctva dát a zodpovedností vzniká chaos. Kto rozhoduje o AI nástrojoch? Kto garantuje kvalitu dát? Ak AI vzniká izolovane v jednotlivých oddeleniach, hrozí duplicita, nekompatibilita a zbytočné náklady. Centrálna stratégia a governance sú preto kľúčové pre efektívne a škálovateľné AI riešenia.

Auditovateľnosť a súlad s reguláciami nie sú voliteľné 

AI často pracuje s citlivými údajmi – od osobných dát po obchodné tajomstvá. Ak firma nezabezpečí transparentnosť a auditovateľnosť dátového toku, môže naraziť na problémy s GDPR, NIS2 či inými reguláciami. Navyše, ak nedokáže vysvetliť rozhodnutia modelu, stráca dôveru používateľov aj partnerov, preto musí byť compliance súčasťou návrhu AI riešení od úplného začiatku.

Konkrétne na AI sa dnes vzťahujú dve kľúčové európske regulácie. Nariadenie o umelej inteligencii (AI Act) ukladá poskytovateľom vysokorizikových AI systémov povinnosť viesť detailnú technickú dokumentáciu a zabezpečiť transparentnosť voči nasadzovateľom (čl. 13 AI Act). Smernica NIS2 zároveň rozšírila okruh povinných subjektov z pôvodných približne 7 sektorov na 18 a sprísnila sankcie, pri základných (essential) subjektoch až do 10 miliónov eur alebo 2 % celosvetového ročného obratu (podľa toho, ktorá suma je vyššia), pri dôležitých subjektoch do 7 miliónov eur alebo 1,4 %. Riadiace orgány majú podľa NIS2 povinnosť schvaľovať a dohliadať na bezpečnostné opatrenia a konkrétny režim zodpovednosti pri porušení závisí od vnútroštátneho práva. Či sa NIS2 týka aj vašej organizácie, závisí od odvetvia a veľkosti. Spoliehať sa pri AI projektoch len na dočasné, provizórne riešenie koncových zariadení a siete bez jednotnej správy (unified endpoint management) zvyšuje riziko, že sa tieto požiadavky nebudú dať pri audite preukázať.

Na čo myslieť ešte pred nasadzovaním 

Aké otázky si má firma položiť pred akýmkoľvek AI projektom: 

Máme dáta centralizované a v jednotných formátoch? 

Je naša storage infraštruktúra dostatočne rýchla a škálovateľná? 

Máme výpočtové prostriedky s podporou pre AI (napr. GPU)? 

Vie naša sieť zvládnuť objemy dát spojené s AI? 

Máme jasne definované zodpovednosti za dátové toky a modely? 

Vieme preukázať pôvod, kvalitu a bezpečnosť dát pre audit? 

Máme plán pre rastúce nároky AI aplikácií v budúcnosti? 

Typické chyby, ktorým sa dá vyhnúť 

Pri zavádzaní AI je dôležité vyhnúť sa niekoľkým častým chybám, ktoré môžu znížiť prínos riešení. AI by nemala byť len „rýchly doplnok“ bez potrebnej infraštruktúry, pretože to vedie k slabému výkonu a nespokojnosti používateľov. Kľúčové je tiež riešiť kvalitu a fragmentáciu dát – bez toho hrozia nepresné a neoveriteľné výstupy modelov. Treba myslieť aj na sieťové obmedzenia, aby nedochádzalo k meškaniam alebo problémom pri trénovaní modelov. Dôležitá je aj centrálna AI stratégia, ktorá zabráni vzniku paralelných a nekompatibilných riešení. Napokon, nezanedbajte bezpečnosť a compliance – ignorovanie týchto požiadaviek môže viesť k pokutám a poškodeniu reputácie. Dodržaním týchto odporúčaní sa AI projekty stanú skutočnou pridanou hodnotou. 

AI bez infraštruktúry je ako motor bez paliva 

Umelá inteligencia je neuveriteľne výkonná a všestranná – ale len vtedy, ak má pripravené prostredie, ktoré jej umožní naplno fungovať. Inak sa aj ten najlepší model stane zbytočným. Skôr než sa pustíte do ďalšieho AI projektu, zastavte sa a zhodnoťte:  Je naša infraštruktúra na to pripravená? 
Ešte stále máte priestor sa na to pripraviť, a môže vám to ušetriť veľa času, peňazí a zbytočných sklamaní. Ozvite sa nám a radi vám pomôžeme s analýzou vašej infraštruktúry a návrhom jej optimalizácie.

Rýchly test pred prvým AI projektom

Než sa firma pustí do konkrétneho AI projektu, oplatí sa overiť, či vie na nasledujúce oblasti jasne odpovedať:

• Vieme, kto v tíme vlastní dáta, s ktorými bude AI pracovať, aj po spustení projektu?
• Máme spracovanú predstavu o tom, akú záťaž na sieť a výpočtový výkon AI riešenie prinesie v produkčnej prevádzke, nielen v pilotnej fáze?
• Je nám jasné, ktoré z našich AI systémov môžu spadať pod prísnejšie požiadavky AI Act, a kto má na starosti súlad s nimi?
• Máme partnera alebo interný tím, ktorý vie návrh IT infraštruktúry aj jej bežný chod prispôsobiť nárokom AI, nielen jednorazovo nasadiť pilotný projekt?

Ak na niektorú z otázok firma jasnú odpoveď nemá, je to signál, že ešte pred samotným nasadením AI má zmysel riešiť vývoj softvéru a úpravu existujúcich systémov tak, aby vedeli AI riešenie bezpečne prijať.

Čo si zapamätať

• AI-pripravenosť infraštruktúry stojí na štyroch pilieroch: dáta, výkon, sieť a jasná zodpovednosť za dáta aj modely.
• AI Act ukladá pri vysokorizikových systémoch detailnú dokumentáciu a transparentnosť; NIS2 rozšírila okruh povinných subjektov na 18 sektorov a sprísnila sankcie aj dohľad riadiacich orgánov.
• Jednotná správa koncových zariadení a siete znižuje riziko, že firma pri audite nevie preukázať pôvod a bezpečnosť dát.
• Pred prvým AI projektom sa oplatí prejsť si krátky interný test pripravenosti namiesto rovno spúšťania pilotu.

FAQ

Musí mať na AI projekt firma špeciálnu infraštruktúru, alebo stačí bežný firemný server?

Kto by mal byť zodpovedný za dáta používané v AI projekte?

Ako súvisí AI Act s bežnou firemnou IT infraštruktúrou?

Zdroje:

• Európska komisia, AI Act
• Európska komisia, smernica NIS2 Súvisiace články

Súvisiace články

• Cyber Resilience Act mení spôsob, akým sa vyvíja softvér
• Posilňujeme kybernetickú odolnosť organizácií systematicky a technicky