Fremtidens Cloud Computing: AI, Sikkerhed og Bæredygtighed", "kategori": "Cloud

Cloud computing har gennemgået en bemærkelsesværdig udvikling over de seneste årtier, fra at være et billigere alternativ til provisionering af virtuelle maskiner til nu at udgøre en nuanceret og kompleks infrastruktur. Selvom skyen i dag måske ikke altid er den billigste løsning i form af rå infrastrukturomkostninger, rummer teknologien stadig et betydeligt løfte for at forbedre dataintegration, forretningsanalyse og udviklingen af AI-applikationer og -tjenester. En række definerende trends vil forme fremtiden for cloud computing, drevet især af den stigende indflydelse fra kunstig intelligens (AI).

AI driver databehov i skyen

Lanceringen af OpenAI's ChatGPT åbnede op for nye muligheder for ekstremt store datasæt, især ustrukturerede data. Men træning, finjustering og priming af disse med præcise snippets ved hjælp af Retrieval Augmented Generation (RAG) kræver nye og bedre måder at iscenesætte forskellige datatyper tæt på generative AI-systemer (GenAI). Virksomheder har omfavnet holdningen om, at data er den nye olie, hvilket har inspireret væksten af uorganiserede datalakes. Forfølgelsen af GenAI vil kræve mere raffinerede tilgange til dataorganisering, kvalitetssikring, styring og integration. GenAI påvirker de produkter og tjenester, som virksomheder leverer til deres slutbrugere og kunder. De store mængder data, som GenAI og andre maskinlæringsteknologier kræver, gør skyen til den mest levedygtige og skalerbare mulighed. Muligheden for at køre AI-funktioner fra traditionel on-premises infrastruktur er simpelthen ikke omkostningseffektiv, hvilket baner vejen for cloud-baserede løsninger, hvor infrastruktur er praktisk talt ubegrænset.

Forberedelse på forskellige AI-typer

Virksomheder begynder at forberede sig på forskellige typer AI, herunder klassisk, generativ og autonom AI. Som en reaktion optimerer cloud-udbydere deres infrastruktur derefter. Efterhånden som AI- og GenAI-værktøjer integreres i cloud-tjenester, kan vi forvente en udbredelse af forudbyggede og, endnu vigtigere, forhåndstrænede modeller, der gøres tilgængelige for virksomheder uden behov for intern AI-ekspertise eller -kapacitet. Vi ser en stigning i AI-as-a-service-modellen, eksemplificeret ved Amazon SageMaker, Google Cloud AI og Azure Machine Learning. Sikkerheds- og databeskyttelsespraksis vil blive stadig mere kritisk som følge af indførelsen af disse tjenester.

GenAI kræver øget IP-beskyttelse

Forbruger-AI-tjenester kommer ofte med ansvarsfraskrivelser om, at de data, de indsamler, muligvis vil blive brugt til at forbedre AI-systemer i fremtiden. Efterhånden som GenAI gennemsyrer de fleste aspekter af forretningen, kan vi forvente, at f.eks. virksomhedsadvokater vil granske kontrakter tættere for at sikre, at virksomhedens proprietære data er beskyttet. Alle de store sprogmodeller (LLM'er), der leveres af store cloud-leverandører, kommer med en meddelelse om, at "dine data forbliver sikre". Men det vil i stigende grad påhvile juridiske, compliance- og IT-teams at sikre, at AI-systemkomponenterne er omhyggeligt arkiveret for at forhindre datalækage.

IoT og Edge Computing udvider anvendelsesmuligheder

Da skyen først opstod, var fokus på at gøre det lettere for virksomheder at migrere alle deres eksisterende IT-processer til en mere centraliseret infrastruktur. Virksomheder og leverandører har dog i stigende grad opdaget, at denne tilgang ikke altid giver mening. Nyere styringskrav, f.eks., opfordrer virksomheder til at køre mange workloads on-premises. Desuden kan IoT-anvendelsesscenarier, der involverer fabriksudstyr og autonome køretøjer, kræve at køre workloads uden for den centraliserede infrastruktur for at reducere latenstid og sænke AI-træningsomkostninger. Den sidste årti har set indførelsen af IoT i flere og flere applikationer og virksomheder. IoT-enheder, der rapporterer data til en centraliseret placering for behandling, forbedres eller erstattes hurtigt af edge computing. Dette skift kræver flytning af behandlingskraft til netværkets kant og tættere på slutpunkterne for at fremskynde behandlingen og levere resultater mere effektivt. Derudover kan båndbredden ofte reduceres, og business intelligence accelereres med edge computing.

Datacentre og AI: Miljømæssige bekymringer

Traditionelt har IT haft et ubetydeligt CO2-fodaftryk sammenlignet med byggeri eller transport. Men AI kræver meget strøm, hvilket fører til øget granskning af cloud-datacentre. Mens de promoverer deres net-nul eller lav-kulstof datacentre, fordi de køber solenergi, kan nogle cloud-udbydere overse virkningen af at forbinde et solcelleanlæg hundredvis af kilometer væk eller effekten af deres vandforbrug på lokalsamfundene. Den hurtige spredning af datacentre truer med at hæve el- og vandpriserne for lokalsamfund, der tvinges til at betale for nye kraftværker, trække nye ledninger og installere ny vandinfrastruktur for cloud-udbydere. Atomkraftværker som en renere energikilde kan levere den nødvendige strøm til AI-applikationer og reducere emissioner, men opbevaring af atomaffald i de krævede 10.000 år er stadig problematisk. Det skyhøje strømforbrug og den miljømæssige belastning fra AI og andre nye teknologier er blevet kritiske bekymringer, ikke kun for teknologiindustrien, men også for den offentlige sektor. Selvom det er i sin vorden, kan kvantecomputere yderligere forstærke disse bekymringer. Virksomheder bør se efter autentiske grønne cloud-initiativer for at opveje deres CO2-fodaftryk, hvilket muligvis fører til yderligere cloud-arrangementer, såsom multi-cloud eller hybrid cloud-økosystemer – hvis kompleksiteter kan øge behovet for hyperautomatisering i cloud-økosystemer.

Multi-cloud og Hybrid Cloud: Behov for mere kontrol

Cloud-leverandører søger mere kreative måder at tjene penge på deres investeringer og vender sig mod multi-cloud- og hybrid cloud-miljøer. Disse tilgange gør det muligt for virksomheder at skræddersy deres cloud-tjenester til specifikke behov og krav for at distribuere workloads optimalt. De begrænser også eksponering for enkeltleverandører og øger priskonkurrenceevnen. Cloud-orkestreringsværktøjer hjælper med at styre disse forskellige miljøer og reducere indvirkningen på driften. Det samlede budget, som virksomheder skal afsætte til cloud-tjenester, fortsætter med at vokse, påvirket af AI, edge computing og den samlede datavækst. I kølvandet på stigende omkostninger vil dem, der driver cloud-tjenester, være under større pres for at retfærdiggøre deres investeringer, forbedre effektiviteten i deres workloads, flytte til andre cloud-tjenester eller droppe skyen. En multi-cloud-tankegang vil kræve yderligere styringsudfordringer, standardisering af værktøjer og bedre processer for at sikre sikkerhed og compliance på tværs af flere regioner.

Sammenligning af Cloud Modeller

AI i skyen skaber nye sikkerhedsudfordringer

Cloud-leverandører forbedrer sikkerhedspositionen for deres platforme, men disse forbedringer stemmer ikke altid overens med den måde, sikkerhedsprofessionelle håndterer nye trusler på. En rapport fra IBM fra 2024 viste, at de globale gennemsnitlige omkostninger ved et virksomhedsdatabrudd var 4,88 millioner dollars, sammenlignet med 5,17 millioner dollars for et offentligt cloud-brud på grund af hastigheden og skalerbarheden af cyberangreb på cloud-platforme. Cloud er fantastisk, fordi det kan automatiseres og skaleres hurtigt, men disse angreb kan drage fordel på samme måde. GenAI accelererer også bestræbelserne på at kompromittere LLM-konti. I begyndelsen af 2024 estimerede Sysdig Threat Research Team, at den potentielle omkostning kunne nå 40.000 dollars om dagen for cloud-regninger forbundet med de nyeste LLM-tjenester. På mindre end seks måneder er dette tal svulmet til over 100.000 dollars om dagen for de nyeste versioner af LLM'er. Disse omkostninger kan opstå hurtigt. Virksomheder skal forbedre deres overvågningsteknikker for at forhindre angreb, før de kan skaleres op; ellers vil disse omkostninger vokse, efterhånden som LLM'er, der kører i skyen, øges. Offentlig cloud kræver, at virksomheder træffer flere forebyggende sikkerhedsforanstaltninger.

Omkostninger ved cloud-forbrug stiger

Mange AI-workloads flyttes til skyen, men andre IT-workloads forbliver on-premises for at reducere omkostninge. Der er tendenser, der vil sænke forbruget, mens andre vil tvinge det til at være højere. Alligevel forventes det, at de samlede cloud-budgetter vil stige. Faktorer, der sænker cloud-forbruget, inkluderer refactoring af workloads for at udnytte cloud-native kapaciteter og FinOps-praksis, der driver effektivitet, men disse fordele vil komme med øgede omkostninger forbundet med migrering af nye og mere komplekse AI-workloads. Mange virksomheder budgetterer med en 10% til 20% stigning i cloud-regninger over de næste par år. Multi-cloud-strategier for at reducere leverandørlåsning og forbedre forretningskontinuitet kan øge disse omkostninger. En stor detailhandler udviklede en multi-cloud-strategi for at øge robustheden, hvilket også øgede udgifterne med op til 10% på grund af denne risikodiversificeringsstrategi.

Effektivisering af forespørgsler optimerer datalagring

Cloud-infrastruktur understøtter flere måder at organisere data på, herunder virtuelle diske, objekter og forskellige typer datalagre. AI øger størrelsen og opdateringshastigheden af disse lagre – for ikke at nævne cloud-omkostningerne. Virksomheder vil i stigende grad søge måder at forbedre forespørgselsydelsen og køre forespørgsler mere effektivt uden at skalere op til større instanser. Gamle datahåndteringsfærdigheder vil blive mere værdifulde, fordi de kan binde forskellige konfigurationer til specifikke og opnåelige besparelser. Forvent større efterspørgsel efter databaseadministratorer. For at styre nye workloads og skyen bruger flere virksomheder databaser på Kubernetes sammen med deres applikationer. Som et resultat behøver udviklere og IT-driftsteams kun at styre én platform ad gangen i stedet for at integrere containeriserede applikationer med cloud-baserede databasemaskiner eller Database as a Service (DBaaS) muligheder. Brug af Kubernetes og open source-databaser betyder, at man ikke er låst til en specifik DBaaS eller databasetjeneste, så man har flere muligheder over tid.

Automatisering af klargøring og overvågning

Organisationer stræber efter større effektivitet i automatisering af opgaver som klargøring, ydelsesovervågning og omkostningsstyring. Målet er at reducere manuelt arbejde og forbedre nøjagtighed og responstider. Men automatisering kan også skabe udfordringer, såsom at beslutte, om man skal bruge forhåndstrænet AI eller data af høj kvalitet til træning af nye modeller. Bedste praksis inkluderer brug af syntetiske data og opretholdelse af samarbejde mellem teams, hvilket vil være afgørende for succesfuld automatisering. Forvent også øget integration af AI i cloud-management for at muliggøre bedre automatisering, omkostningsoptimering, dataanalyse og IT-support i beslutningstagning, forudsigelse af trends og personalisering af oplevelser. Dette skaber grundlag for mere intelligent og proaktiv drift af skyen.

Styring og compliance udfordrer cloud-administration

Den bredere indførelse af AI og dens reguleringer vil yderligere belaste cloud-management. Der vil blive lagt mere vægt på, hvordan virksomheder bruger AI og sikrer deres AI-platforme. IT-chefer og compliance-teams skal indlejre disse platforme sikkert i deres operationer og de datapuljer, der fodrer AI-modeller. Forvent flere nationale og regionale databeskyttelsesreguleringer drevet af GenAI-adoption. Disse reguleringer vil påvirke SaaS-arkitekturer fra top til bund, hvilket i sidste ende fører til prisjusteringer for cloud-kontrakter og forskellige anvendelsesscenarier. Regulatorer evaluerer bedre måder at anvende og håndhæve eksisterende love, såsom GDPR og HIPAA, og nyere reguleringer, som EU's AI Act og Digital Operations Resiliency Act, Indiens Digital Personal Data Protection Act og California Consumer Privacy Act. Dette vil kræve en konstant opmærksomhed på lovgivning og tilpasning af cloud-strategier.

Fremtidens nødvendige cloud-kompetencer

Mere sofistikerede værktøjer opstår for at forenkle mange aspekter af styring af operationer i skyen, hvilket vil kræve nye færdigheder. En forståelse af systemer, systemarkitektur og komponentinteraktion vil blive stadig mere kritisk. Individuelle komponentvalg vil være i konstant udvikling, men den højere forståelse af, hvordan et system opnår ønskede forretningsresultater, vil være en færdighed, der varer ved. Prompt engineering-færdigheder kan også blive essentielle for simple chatbot-forespørgsler, fodring af AI-applikationer og eksempelkodning til udrulning og konfiguration af cloud-tjenester. Derudover vil der være større efterspørgsel efter færdigheder inden for modernisering af datacentre for at ombygge faciliteter, der er bygget for et årti eller to siden. Med bredere adoption af infrastruktur som kode for provisionering og automatisering af infrastruktur, skal cloud-praktikere lære DevOps- og moderniseringsfærdigheder. Forvent også øget efterspørgsel efter cloud-sikkerhedsfærdigheder, der dækker værktøjer og processer. Færdighedsblandingen for CISOs vil ændre sig med større vægt på risikokvantificering og best practices for risikostyring. En del af dette fokus vil være på at styre de stigende omkostninger ved cyberforsikring. CISOs bliver nødt til at være mere fokuserede på, hvilke omkostninger de kan se fra et brud eller angreb, indvirkningen på virksomheden og hvor meget omsætning der vil gå tabt, samtidig med at de kan sætte monetære tal på, hvordan deres sikkerhedsstrategier forhindrer og reducerer disse tab.

Ofte Stillede Spørgsmål (FAQ)

• Hvordan påvirker AI cloud computing?
  AI driver et massivt behov for datalagring og -behandling, hvilket gør skyen til den mest skalerbare og omkostningseffektive platform for AI-udvikling og -drift. Det fører også til nye AI-as-a-service-modeller og krav om bedre datastyring.
• Hvorfor er datasikkerhed vigtig i skyen, især med AI?
  Med AI og GenAI stiger risikoen for datalækage og cyberangreb markant. Automatisering i skyen kan også accelerere angreb. Derfor er stærke sikkerhedsforanstaltninger, forbedret overvågning og compliance med nye reguleringer afgørende for at beskytte følsomme data og undgå store omkostninger ved brud.
• Hvad er forskellen på multi-cloud og hybrid cloud?
  Multi-cloud involverer brug af tjenester fra flere offentlige cloud-udbydere for at undgå leverandørlåsning og optimere omkostninger/ydeevne. Hybrid cloud kombinerer offentlig cloud med en organisations eksisterende on-premises infrastruktur, ofte for at bevare kontrol over følsomme data eller for at imødekomme specifikke latenskrav.
• Hvilke nye færdigheder kræves for cloud-professionelle i fremtiden?
  Fremtidens cloud-professionelle skal have en dyb forståelse af systemarkitektur, prompt engineering, DevOps, infrastruktur som kode og især cloud-sikkerhed. Færdigheder inden for risikokvantificering og datacentermodernisering vil også være i høj efterspørgsel.
• Hvilke miljømæssige bekymringer er der ved cloud datacentre?
  Det stigende strøm- og vandforbrug fra AI og datacentre skaber miljømæssige bekymringer. Der er øget fokus på CO2-fodaftryk, brugen af vedvarende energi og vandforvaltning. Virksomheder vil i stigende grad søge autentiske grønne cloud-initiativer.

Hvis du vil læse andre artikler, der ligner Fremtidens Cloud Computing: AI, Sikkerhed og Bæredygtighed", "kategori": "Cloud, kan du besøge kategorien Teknologi.