Braki w infrastrukturze IT i luka kompetencyjna, największym wyzwaniem, wynika z najnowszego raportu NTT DATA

90 proc. respondentów wskazuje przestarzałą infrastrukturę jako barierę dla wdrożeń technologii generatywnej sztucznej inteligencji – wynika z badania NTT DATA „Global GenAI Report: How organizations are mastering their GenAI destiny in 2025”. Wyzwaniem jest nie tylko ten aspekt, ale również brak rozwoju kompetencji w zakresie AI. W jaki sposób można sobie z tym radzić? Analizując główne wnioski z raportu NTT DATA, widać olbrzymi entuzjazm w kontekście rozwoju i wykorzystania rozwiązań generatywnej sztucznej inteligencji (GenAI) oraz planów na 2025 rok. Dane z badania potwierdzają także olbrzymie oczekiwania w stosunku do użycia tej technologii. Jakie inne wnioski płyną z raportu NTT DATA?

97 proc. spośród przebadanych 2 307 dyrektorów z 34 krajów spodziewa się realnego wpływu GenAI na procesy biznesowe w ich firmach. Z tego względu 99 proc. z nich planuje dalsze inwestycje w rozwój tej technologii. 2/3 firm chce ponadto w ciągu dwóch najbliższych lat znacząco zwiększyć budżety na GenAI. 83 proc. firm przyznaje, że posiada strategię w zakresie GenAI, a 49 proc. musi jeszcze w pełni dostosować ją do ogólnych celów biznesowych. Inwestycje oraz rozwój generatywnej sztucznej inteligencji mają się przekuć w realne korzyści biznesowe. 64 proc. globalnych liderów c-level oczekuje znaczącej transformacji swoich branż dzięki GenAI.

 – Firmy chcą wykorzystać w swojej działalności rozwiązania z zakresu sztucznej inteligencji, dostosowując je do swoich potrzeb. W naszym badaniu zapytaliśmy ponad 2 tys. dyrektorów praktycznie z całego świata. Oczywiście, każda branża ma swoją specyfikę, ale niektóre motywacje są zbieżne. Wśród nich wymienić należy na pewno wzrost produktywności (wierzy w to 96 proc.), poprawę zgodności i optymalizacji doświadczeń oraz poprawę efektywności operacyjnej – tłumaczy Łukasz Jęczmiński, Senior Solutions Manager – Cloud & Data Center w NTT DATA, firmie zajmującej się integracją usług IT. – Są też pewne wyróżniki, specyficzne dla danej branży. Przykładowo, firmy motoryzacyjne priorytetowo traktują kontrolę jakości, ocenę ryzyka i automatyzację, podczas gdy sektory: bankowy i inwestycyjny koncentrują się na zarządzaniu ryzykiem i wykrywaniu oszustw.

Wyzwania i największe obawy firm dotyczące rozwoju AI

Wśród największych ograniczeń, jeśli chodzi o implementację i rozwój generatywnej sztucznej inteligencji 90 proc. respondentów jako główną przeszkodę w efektywnym wykorzystaniu GenAI wskazuje przestarzałą infrastrukturę IT. Firmy są również świadome konieczności zdobycia i poprawy konkretnych umiejętności. Podkreślając braki, 64 proc. badanych wskazuje na krytyczną potrzebę rozwoju wewnętrznych umiejętności GenAI. Konieczność pozyskiwania i analizowania czystych, różnorodnych danych jako klucz do sukcesu w projektach AI wymienia natomiast 57 proc. firm. Wśród innych wyzwań w zakresie wykorzystania generatywnej sztucznej inteligencji szefowie bezpieczeństwa informacji (ang. CISO’s) największe obawy wyrażają ponadto w związku z presją wynikającą z wdrożeń AI (45 proc. wskazań).

Różne sposoby pozyskiwania wiedzy na temat AI

Firmy jednoznacznie przyznają, że specjalistyczna wiedza z zakresu GenAI jest kluczowa do realizacji udanych, skalowalnych wdrożeń. Dwie trzecie z nich stwierdza jednak, że pracownicy nie mają obecnie odpowiednich umiejętności, aby w pełni wykorzystać generatywną sztuczną inteligencję. Z tego względu prawie 80 proc. respondentów twierdzi, że utworzyło lub buduje zespoły ekspertów GenAI. Na rynku są jednak również mniejsze podmioty, których nie stać na tworzenie bądź rozwój dużych, rozbudowanych zespołów.

 – W tym miejscu mam dwie rekomendacje dla firm w zależności od ich możliwości. Jedną z nich jest budowanie własnych, multidyscyplinarnych zespołów, złożonych z ekspertów IT, analityków danych, specjalistów ds. regulacji oraz liderów branżowych. Drugą możliwością jest nawiązywanie partnerstw, które odciążą firmy, ograniczając koszty tworzenia własnych, rozbudowanych zespołów. Wyniki z naszego raportu pokazują, że większość organizacji stawia na tego typu rozwiązania – 65 proc. firm w celu niwelowania luk w kompetencjach zewnętrznych zespołów preferuje współpracę z wyspecjalizowanymi dostawcami usług GenAI – komentuje Łukasz Jęczmiński z NTT DATA.

Potrzeba nowoczesnej infrastruktury centów danych

Do rozwoju AI konieczne będą jednak nie tylko nowe kompetencje, ale i nowoczesna infrastruktura IT wysokiej gęstości. Trenowanie modeli sztucznej inteligencji wiąże się z koniecznością przechowywania i przetwarzania ogromnych ilości danych, w związku z czym rozwój tej technologii będzie wiązał się z rosnącym zapotrzebowaniem na usługi centrów danych dostosowanych do wymogów technologicznych, które stawia AI.

–  Szybki rozwój AI zmienia charakterystykę obciążeń energetycznych, a to wprost odbija się na wymaganiach względem data center. O ile typowa szafa złożona z klasycznych serwerów wymaga kilku kW mocy, a większe, dedykowane do zastosowań chmurowych szafy serwerowe to rząd 20 kW, tak w przypadku AI mówimy o co najmniej kilkukrotnym skoku gęstości mocy – tłumaczy Wojciech Stramski, Prezes Zarządu Beyond.pl, dostawcy usług data center, chmury i Managed Services.

Rewolucja związana ze sztuczną inteligencją to szansa dla Polski, aby stała się hubem przetwarzania danych w regionie. Jak jednak podkreśla Wojciech Stramski, abyśmy mogli wziąć udział w tym wyścigu AI, nie możemy czekać: – Powinniśmy w stosunkowo szybkim czasie zaadresować kwestie energetyczne, aby dostarczać energię odnawialną w dobrej cenie i generować jej więcej w miksie energetycznym. Kolejnym elementem jest sprawne przeprocesowanie decyzji administracyjnych wymaganych przez tego typu inwestycje. Przed sektorem centrodanowym stoi więc zadanie związane z dostosowaniem się do nowych wymagań generowanych przez technologie AI. Szczególnie, że centra danych mogą być dla organizacji planujących wykorzystanie sztucznej inteligencji optymalnym wsparciem w utrzymaniu infrastruktury IT w projektach AI.

Chmura najbardziej opłacalna i praktyczna

Z badania NTT DATA wynika, że 96 proc. respondentów uważa rozwiązania oparte na chmurze za najbardziej praktyczne i opłacalne do wykorzystywania przez aplikacje GenAI. Szczególną rolę zaczyna odgrywać private cloud, podobnie jak prywatne GenAI. Dotyczy to przede wszystkim sektorów regulowanych takich jak np. finansowy.

– Wdrażanie rozwiązań chmurowych staje się istotnym motorem rozwoju dla polskich firm, które coraz częściej zdają sobie sprawę z możliwości tych technologii. Chmura nie tylko pozwala na szybsze przetwarzanie ogromnych ilości danych, ale także dostarcza niezbędnej mocy obliczeniowej dla zaawansowanych technologii, takich jak m.in. sztuczna inteligencja. Model cloudowy oferuje organizacjom szansę na równoczesne rozwijanie innowacji oraz wzmacnianie mechanizmów cyberbezpieczeństwa. W erze rosnących wymagań technologicznych i intensywnej cyfryzacji, inwestycja w chmurę staje się strategicznym krokiem na drodze do zrównoważonego i bezpiecznego rozwoju – zauważa Krystian Stypczyński, Head of SAP Consulting w NTT DATA Business Solutions.

Krótki cykl innowacji AI i możliwe przykre konsekwencje

Firmy powinny pamiętać również o tym, że cykl innowacji dla generatywnej sztucznej inteligencji trwa obecnie około sześciu miesięcy. Oznacza to, że jego rozwój i możliwości postępują szybciej w porównaniu z innymi trendami technologicznymi, które rozwijały się w przeszłości. Warto również mieć świadomość, że brak odpowiedniego zabezpieczenia danych może mieć przykre konsekwencje. Jak wynika bowiem z raportu IBM Cost of a Data Breach (edycja 2024), średni koszt naruszenia informacji przechowywanych w wielu środowiskach, w tym w chmurze prywatnej i publicznej, wynosi ponad 5 mln dol. Proces ich zabezpieczenia trwa natomiast przeciętnie 283 dni.