Perché la sua strategia di AI è valida solo quanto la sua strategia all’edge
Le aziende di tutto il mondo si affrettano a implementare modelli di AI per superare la concorrenza, ma vanno a sbattere contro una dura realtà: un modello di AI è brillante solo quanto i dati che lo alimentano, e la maggior parte dei dati semplicemente non è pronta per l'AI.
I dati di alto valore e in tempo reale necessari per alimentare questi modelli non si trovano in un data warehouse cloud già perfettamente organizzato e formattato. Vengono generati nel mondo fisico: negli stabilimenti industriali, all'interno delle stanze d'ospedale e nei terminali dei punti vendita. Se non è possibile ripulire, strutturare e proteggere questi dati direttamente alla fonte, restano soltanto rumore digitale, anziché diventare la materia prima necessaria per alimentare l'AI.
La vera preparazione all'AI inizia all'edge, ed è proprio per questo che abbiamo scritto Edge to AI for Dummies. Per creare applicazioni sicure e intelligenti, è necessario innanzitutto padroneggiare l'arte di trasformare l'infrastruttura edge grezza in dati ottimizzati per le pipeline e pronti per l'AI.
Cosa significa “dati all’edge”?
Un dispositivo edge è un componente hardware che elabora, archivia o analizza i dati proprio nel luogo in cui vengono generati, anziché inviarli tutti a un cloud centralizzato. Si pensi a telecamere di sorveglianza intelligenti, sensori industriali o monitor medicali.
Il mercato dell’IoT è in forte espansione: passerà da 10 miliardi di dispositivi nel 2020 a 21 miliardi nel 2026, mentre si prevede che il mercato dell’edge computing raggiungerà la cifra impressionante di 206 miliardi di dollari entro il 2032. Il settore manifatturiero detiene la quota di mercato maggiore, pari al 30%, con casi d’uso come i dati in tempo reale e la manutenzione predittiva. Le città intelligenti rappresentano il 23% della quota di mercato relativa alla gestione urbana, al traffico e ai servizi pubblici (Fonte: market.us Scoop).
Cosa significano realmente questi numeri per la sua attività? Dimostrano che le aziende stanno scoprendo casi d'uso innovativi che generano un impatto enorme sul business sfruttando i dati edge.
Casi d'uso e impatto aziendale
In che modo i settori stanno trasformando concretamente i dati edge in valore per il business?
In ambito sanitario, i dispositivi edge raccolgono continuamente i dati dei pazienti e monitorano in tempo reale i parametri vitali. Anziché attendere un controllo manuale, gli algoritmi all’edge possono segnalare immediatamente un’anomalia, consentendo interventi salvavita.
Il settore manifatturiero ottimizza l'efficienza utilizzando sensori applicati ai macchinari pesanti per monitorare vibrazioni e temperatura. Prevedendo con precisione quando un componente si guasterà, le fabbriche evitano costosi tempi di inattività e mantengono condizioni più sicure per i lavoratori.
Il settore dei servizi finanziari utilizza dispositivi edge da anni. Nel settore bancario, la velocità è tutto. I dispositivi edge e le reti locali distribuite tracciano e monitorano istantaneamente le transazioni digitali per individuare schemi fraudolenti prima che un ladro possa dileguarsi con i fondi.
I grattacapi nascosti della gestione dei dati all’edge
Sebbene il potenziale sia enorme, implementare e gestire software su migliaia di dispositivi fisici e server remoti comporta sfide specifiche e concrete. Nel pianificare la sua architettura, il suo team deve prepararsi ad affrontare tre sfide principali:
1. Il problema della gestione: distribuire un modello o una pipeline di dati su un singolo server cloud è semplice. La distribuzione, l’aggiornamento e il controllo delle configurazioni su 10.000 dispositivi remoti distinti forniscono risposte automatizzate all’edge in tempo reale, ma, senza un hub di gestione centralizzato, costituiscono un incubo operativo.
2. Vulnerabilità di sicurezza: Un server all'interno di un data center cloud è protetto da misure di sicurezza biometriche e da pareti in cemento. Eseguire l'AI essenziale all'edge è una svolta, eppure un dispositivo intelligente collegato a un semaforo, a un camion per le consegne o alla parete di un ospedale è completamente esposto. Garantire l'autenticazione sicura dei dispositivi, la crittografia dei dati e aggiornamenti remoti sicuri sul campo è estremamente complesso, ma non negoziabile.
3. Punti ciechi nel debug e nel monitoraggio: Quando una pipeline di dati si interrompe nel cloud, si fa clic su un pulsante e si leggono i log. Portare i dati dall'edge ci offre informazioni fondamentali su ciò che accade nell'intero ecosistema. Tuttavia, quando un agente leggero di raccolta dei dati si guasta su un dispositivo medico remoto, è estremamente difficile capire perché. La raccolta dei log e la diagnosi dei guasti hardware senza sovraccaricare completamente la larghezza di banda limitata della rete richiedono una strategia di osservabilità altamente sofisticata.
Per affrontare queste sfide, molte aziende cercano soluzioni che coprano l’intero ciclo di vita dei dati in un ambiente sicuro e sottoposto a governance.
Soluzione Cloudera: sicurezza lungo tutto il percorso dall'edge all'AI
Cloudera è l'unica soluzione che offre un supporto coerente e unificato dall'edge to AI, mantenendo i dati protetti e sottoposti a governance durante l'intero ciclo di vita.
Cloudera Edge Management risolve l'incubo operativo offrendo un unico hub di gestione centralizzato per sviluppare, distribuire e monitorare i flussi di dati edge. Include strumenti low-code intuitivi che consentono di progettare visivamente pipeline di dati e distribuirle immediatamente a migliaia di agenti remoti.
Cloudera Edge Management si integra perfettamente con Cloudera AI, consentendoti di fornire ai tuoi modelli di machine learning dati aggiornati in tempo reale provenienti dal mondo fisico. Leggi il datasheet qui.
Ma una soluzione AI completa non si ferma all'edge. Cloudera integra una potente suite di strumenti per i dati in movimento, per gestire l'acquisizione, lo streaming e la gestione dei dati mentre si spostano all'interno dell'azienda.
Uno sguardo al futuro: portare l'AI all'edge
Man mano che l'hardware edge diventa più potente, il futuro non consiste solo nello spostare i dati dall'edge all'AI, ma anche nell'eseguire l'AI direttamente sull'edge. Si pensi, ad esempio, a droni autonomi che correggono la traiettoria di volo in pochi millisecondi o a telecamere nei punti vendita che aggiornano istantaneamente il monitoraggio delle scorte, senza bisogno di una connessione cellulare al cloud.
Per arrivare a questo, oggi è necessaria una solida base dati. È pronto a colmare il divario tra le sue operazioni fisiche e i suoi obiettivi di AI?
Scarichi oggi la sua copia gratuita di Edge to AI for Dummies
