ఇటీవలి బ్లాగ్ అవుట్పుట్లో, Rackspace అనేది చాలా మంది పాఠకులకు తెలిసిన అడ్డంకులను సూచిస్తుంది: గజిబిజి డేటా, అస్పష్టమైన యాజమాన్యం, పాలన అంతరాలు మరియు మోడల్లు ఉత్పత్తిలో భాగమైన తర్వాత వాటిని అమలు చేయడానికి అయ్యే ఖర్చు. సర్వీస్ డెలివరీ, సెక్యూరిటీ కార్యకలాపాలు మరియు క్లౌడ్ ఆధునీకరణ యొక్క లెన్స్ ద్వారా కంపెనీ వాటిని ఫ్రేమ్ చేస్తుంది, ఇది దాని స్వంత కృషిని ఎక్కడ ఉంచుతుందో మీకు తెలియజేస్తుంది.
Rackspace లోపల పనిచేసే AI యొక్క స్పష్టమైన ఉదాహరణలలో ఒకటి దాని భద్రతా వ్యాపారంలో ఉంది. జనవరి చివరలో, కంపెనీ తన అంతర్గత సైబర్ డిఫెన్స్ సెంటర్ కోసం నిర్మించిన అనుకూల బ్యాక్-ఎండ్ ప్లాట్ఫారమ్గా RAIDER (Rackspace Advanced Intelligence, Detection and Event Research)ని వివరించింది. అనేక హెచ్చరికలు మరియు లాగ్ల మధ్య భద్రతా బృందాలు పనిచేస్తున్నందున, భద్రతా నియమాల మాన్యువల్ రైటింగ్పై ఆధారపడి ఉంటే ప్రామాణిక గుర్తింపు ఇంజనీరింగ్ స్కేల్ చేయదు. Rackspace దాని RAIDER సిస్టమ్ డిటెక్షన్ ఇంజనీరింగ్ వర్క్ఫ్లోస్తో థ్రెట్ ఇంటెలిజెన్స్ను ఏకీకృతం చేస్తుంది మరియు MITER ATT&CK వంటి తెలిసిన ఫ్రేమ్వర్క్లకు అనుగుణంగా “ప్లాట్ఫారమ్-రెడీ”గా వర్ణించే డిటెక్షన్ రూల్ సృష్టిని ఆటోమేట్ చేయడానికి దాని AI సెక్యూరిటీ ఇంజిన్ (RAISE) మరియు LLMలను ఉపయోగిస్తుంది. అని కంపెనీ పేర్కొంది గుర్తింపు అభివృద్ధి సమయాన్ని సగానికి పైగా తగ్గించండి మరియు గుర్తించడానికి మరియు ప్రతిస్పందించడానికి సగటు సమయం తగ్గించబడింది. ఇది ముఖ్యమైన అంతర్గత ప్రక్రియ మార్పు మాత్రమే.
కాంప్లెక్స్ ఇంజనీరింగ్ ప్రోగ్రామ్ల నుండి ఘర్షణను తొలగించే మార్గంగా కంపెనీ ఏజెంట్ AIని కూడా ఉంచుతుంది. ఒక జనవరి పోస్ట్ AWSలో VMware పరిసరాలను ఆధునీకరించడం AI ఏజెంట్లు డేటా-ఇంటెన్సివ్ విశ్లేషణ మరియు అనేక పునరావృత విధులను నిర్వహించే నమూనాను వివరిస్తుంది, అయినప్పటికీ ఇది మానవ డొమైన్లో “నిర్మాణ తీర్పు, పాలన మరియు వ్యాపార నిర్ణయాలు” అలాగే ఉంచుతుంది. Rackspace ఈ వర్క్ఫ్లోను సీనియర్ ఇంజనీర్లను మైగ్రేషన్ ప్రాజెక్ట్లలోకి పక్కన పెట్టడాన్ని ఆపివేస్తుంది. రెండు రోజుల కార్యకలాపాలను స్కోప్లో ఉంచడమే లక్ష్యమని కథనం పేర్కొంది – ఇక్కడ అనేక వలస ప్రణాళికలు విఫలమవుతున్నాయి, ఎందుకంటే వారు ఆధునీకరించిన మౌలిక సదుపాయాలను కలిగి ఉన్నారని కానీ ఆపరేటింగ్ పద్ధతులను కాదని కనుగొన్నారు.
ఇతర చోట్ల కంపెనీ AI-మద్దతు ఉన్న కార్యకలాపాల యొక్క చిత్రాన్ని నిర్దేశిస్తుంది, ఇక్కడ పర్యవేక్షణ మరింత అంచనా వేయబడుతుంది, సాధారణ సంఘటనలు బాట్లు మరియు ఆటోమేషన్ స్క్రిప్ట్ల ద్వారా నిర్వహించబడతాయి మరియు టెలీమెట్రీ (ప్లస్ హిస్టారికల్ డేటా) నమూనాలను గుర్తించడానికి ఉపయోగించబడుతుంది మరియు పరిష్కారాలను సిఫార్సు చేస్తుంది. ఇది సాంప్రదాయ AIOps భాష, అయితే ఇది Rackspace అటువంటి భాషను నిర్వహించే సేవల పంపిణీకి ముడిపెడుతోంది, కస్టమర్-ఫేసింగ్ వాతావరణంలో AI యొక్క మరింత సుపరిచితమైన ఉపయోగంతో పాటు కార్యాచరణ పైప్లైన్లలో కార్మిక వ్యయాన్ని తగ్గించడానికి కంపెనీ AIని ఉపయోగిస్తుందని సూచిస్తుంది.
a లో AI-ప్రారంభించబడిన కార్యకలాపాలను వివరించే పోస్ట్కంపెనీ ఫోకస్ స్ట్రాటజీ, గవర్నెన్స్ మరియు ఆపరేటింగ్ మోడల్స్ యొక్క ప్రాముఖ్యతను నొక్కి చెబుతుంది. ఇది AIని పారిశ్రామికీకరించడానికి అవసరమైన యంత్రాంగాన్ని నిర్దేశిస్తుంది, పనిభారంలో శిక్షణ, ఫైన్-ట్యూనింగ్ లేదా అనుమితి ఉందా అనే దాని ఆధారంగా మౌలిక సదుపాయాలను ఎంచుకోవడం వంటివి. చాలా పనులు సాపేక్షంగా తేలికైనవి మరియు ఇప్పటికే ఉన్న హార్డ్వేర్పై స్థానికంగా అనుమితిని అమలు చేయగలవు.
సంస్థ AI స్వీకరణకు నాలుగు పునరావృత అడ్డంకులను గుర్తించింది, ముఖ్యంగా విచ్ఛిన్నమైన మరియు అస్థిరమైన డేటా, మరియు ఇది ఏకీకరణ మరియు డేటా నిర్వహణలో పెట్టుబడిని సిఫార్సు చేస్తుంది కాబట్టి నమూనాలు స్థిరమైన పునాదులు కలిగి ఉంటాయి. ఇది రాక్స్పేస్కు ప్రత్యేకమైన అభిప్రాయం కాదు, అయితే ఇది టెక్నాలజీ-ఫస్ట్, బిగ్ ప్లేయర్ ద్వారా పెద్దగా వ్రాయడం అనేది అనేక ఎంటర్ప్రైజ్-స్కేల్ AI విస్తరణలు ఎదుర్కొంటున్న సమస్యలకు ఉదాహరణ.
మరింత పెద్ద పరిమాణంలో ఉన్న కంపెనీ, మైక్రోసాఫ్ట్, సిస్టమ్లలో స్వయంప్రతిపత్త ఏజెంట్ల పనిని సమన్వయం చేయడానికి పని చేస్తోంది. కోపైలట్ ఆర్కెస్ట్రేషన్ లేయర్గా పరిణామం చెందింది మరియు మైక్రోసాఫ్ట్ యొక్క పర్యావరణ వ్యవస్థలో, బహుళ-దశల పని అమలు మరియు విస్తృత మోడల్ ఎంపిక ఉనికిలో ఉంది. అయినప్పటికీ, రెడ్మండ్ను రాక్స్పేస్ పిలవడం గమనార్హం ఉత్పాదకత లాభాలు మాత్రమే వస్తాయి గుర్తింపు, డేటా యాక్సెస్ మరియు పర్యవేక్షణ దృఢంగా కార్యకలాపాల్లోకి ప్రవేశించినప్పుడు.
Rackspace యొక్క సమీప-కాల AI ప్లాన్లో AI-సహాయక సెక్యూరిటీ ఇంజనీరింగ్, ఏజెంట్-సపోర్టెడ్ ఆధునీకరణ మరియు AI-అగ్మెంటెడ్ సర్వీస్ మేనేజ్మెంట్ ఉన్నాయి. ప్రైవేట్ క్లౌడ్ AI ట్రెండ్లకు సంబంధించిన కంపెనీ బ్లాగ్లో ప్రచురించబడిన జనవరి కథనంలో దీని భవిష్యత్తు ప్రణాళికలు బహుశా గుర్తించబడతాయి. దీనిలో, రచయిత అనుమితి ఆర్థికశాస్త్రం మరియు పాలన 2026లో నిర్మాణ నిర్ణయాలను బాగా నడిపిస్తుందని వాదించారు. ఇది వ్యయ స్థిరత్వం మరియు సమ్మతి ఆధారంగా ప్రైవేట్ క్లౌడ్లలోకి అనుమితి పనులను తరలిస్తూనే, పబ్లిక్ క్లౌడ్లలో ‘బర్స్టీ’ అన్వేషణను అంచనా వేస్తుంది. ఇది కొత్తదనం కాకుండా బడ్జెట్ మరియు ఆడిట్ అవసరాలపై ఆధారపడిన కార్యాచరణ AI కోసం రోడ్మ్యాప్.
వారి స్వంత విస్తరణలను వేగవంతం చేయడానికి ప్రయత్నిస్తున్న నిర్ణయాధికారులకు, ఉపయోగకరమైన టేక్అవే ఏమిటంటే, Rackspace AIని ఒక కార్యాచరణ విభాగంగా పరిగణిస్తుంది. ఇది ఇచ్చే నిర్దిష్టమైన, ప్రచురించబడిన ఉదాహరణలు పునరావృతమయ్యే పనిలో సైకిల్ సమయాన్ని తగ్గించేవి. పాఠకులు కంపెనీ నిర్దేశాన్ని అంగీకరించవచ్చు మరియు కంపెనీ క్లెయిమ్ చేసిన కొలమానాల పట్ల ఇప్పటికీ జాగ్రత్తగా ఉండవచ్చు. అభివృద్ధి చెందుతున్న వ్యాపారంలో తీసుకోవాల్సిన చర్యలు ఏమిటంటే, పునరావృతమయ్యే ప్రక్రియలను కనుగొనడం, డేటా గవర్నెన్స్ కారణంగా కఠినమైన పర్యవేక్షణ ఎక్కడ అవసరమో పరిశీలించడం మరియు ఇంట్లోనే కొన్ని ప్రాసెసింగ్లను తీసుకురావడం ద్వారా అనుమితి ఖర్చులు తగ్గించబడవచ్చు.
(చిత్ర మూలం: Pixabay)
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
