Num artigo recente do blog, a Rackspace refere-se aos gargalos familiares a muitos leitores: dados confusos, propriedade pouco clara, lacunas de governança e o custo de execução de modelos quando eles se tornam parte da produção. A empresa enquadra-os através da lente da prestação de serviços, das operações de segurança e da modernização da nuvem, o que indica onde está a colocar os seus próprios esforços.
Um dos exemplos mais claros de IA operacional dentro da Rackspace está em seu negócio de segurança. No final de janeiro, a empresa descreveu o RAIDER (Rackspace Advanced Intelligence, Detection and Event Research) como uma plataforma de back-end personalizada construída para seu centro interno de defesa cibernética. Com as equipes de segurança trabalhando em meio a muitos alertas e logs, a engenharia de detecção padrão não pode ser dimensionada se depender da escrita manual de regras de segurança. A Rackspace afirma que seu sistema RAIDER unifica a inteligência de ameaças com fluxos de trabalho de engenharia de detecção e usa seu AI Security Engine (RAISE) e LLMs para automatizar a criação de regras de detecção, gerando critérios de detecção que descreve como “prontos para plataforma” em linha com estruturas conhecidas como MITRE ATT&CK. A empresa afirma que reduziu o tempo de desenvolvimento da detecção em mais da metade e reduziu o tempo médio para detectar e responder. Este é exatamente o tipo de mudança de processo interno que importa.
A empresa também posiciona a IA agêntica como uma forma de eliminar o atrito de programas complexos de engenharia. Uma postagem de janeiro sobre a modernização de ambientes VMware na AWS descreve um modelo no qual os agentes de IA lidam com análises intensivas de dados e muitas tarefas repetidas, mas mantém “o julgamento arquitetônico, a governança e as decisões de negócios” permanecem no domínio humano. A Rackspace apresenta esse fluxo de trabalho para impedir que engenheiros seniores sejam marginalizados em projetos de migração. O artigo afirma que o objetivo é manter as operações do segundo dia no escopo – onde muitos planos de migração falham à medida que as equipes descobrem que modernizaram a infraestrutura, mas não as práticas operacionais.
Em outros lugares, a empresa apresenta um quadro de operações apoiadas por IA, onde o monitoramento se torna mais preditivo, os incidentes de rotina são tratados por bots e scripts de automação e a telemetria (além de dados históricos) é usada para detectar padrões e, por sua vez, recomendar soluções. Esta é a linguagem AIOps convencional, mas a Rackspace está vinculando essa linguagem à entrega de serviços gerenciados, sugerindo que a empresa use IA para reduzir o custo de mão de obra em pipelines operacionais, além do uso mais familiar de IA em ambientes voltados para o cliente.
Numa postagem que descreve as operações habilitadas para IA, a empresa enfatiza a importância do foco na estratégia, na governança e nos modelos operacionais. Especifica o maquinário necessário para industrializar a IA, como a escolha de infraestrutura com base no fato de as cargas de trabalho envolverem treinamento, ajuste fino ou inferência. Muitas tarefas são relativamente leves e podem executar inferências localmente no hardware existente.
A empresa observou quatro barreiras recorrentes à adoção da IA, mais notavelmente a dos dados fragmentados e inconsistentes, e recomenda o investimento na integração e na gestão de dados para que os modelos tenham bases consistentes. Esta não é uma opinião exclusiva da Rackspace, é claro, mas tê-la em grande escala por um grande player pioneiro em tecnologia é ilustrativo dos problemas enfrentados por muitas implantações de IA em escala empresarial.
Uma empresa de tamanho ainda maior, a Microsoft, está trabalhando para coordenar o trabalho dos agentes autônomos entre sistemas. O Copilot evoluiu para uma camada de orquestração e, no ecossistema da Microsoft, existem a execução de tarefas em várias etapas e uma escolha de modelo mais ampla. No entanto, vale ressaltar que Redmond é criticado pela Rackspace pelo fato de que os ganhos de produtividade só chegam quando a identidade, o acesso aos dados e a supervisão estão firmemente incorporados às operações.
O plano de IA de curto prazo da Rackspace inclui engenharia de segurança assistida por IA, modernização apoiada por agentes e gerenciamento de serviços aumentados por IA. Seus planos futuros talvez possam ser discernidos em um artigo de janeiro publicado no blog da empresa que trata das tendências de IA em nuvem privada. Nele, o autor argumenta que a economia e a governança de inferência conduzirão as decisões de arquitetura até 2026. Ele antecipa a exploração “explosiva” em nuvens públicas, enquanto transfere tarefas de inferência para nuvens privadas com base na estabilidade de custos e conformidade. Esse é um roteiro para IA operacional baseado em requisitos orçamentários e de auditoria, e não em novidades.
Para os tomadores de decisão que tentam acelerar suas próprias implantações, a conclusão útil é que a Rackspace trata a IA como uma disciplina operacional. Os exemplos concretos publicados são aqueles que reduzem o tempo de ciclo em trabalhos repetíveis. Os leitores podem aceitar a orientação da empresa e ainda assim desconfiar das métricas alegadas pela empresa. As etapas a serem tomadas dentro de uma empresa em crescimento são descobrir processos repetidos, examinar onde é necessária uma supervisão rigorosa devido à governança de dados e onde os custos de inferência podem ser reduzidos trazendo algum processamento internamente.
(Fonte da imagem: Pixabay)
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e é realizado junto com outros eventos de tecnologia líderes. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
