生成式AI對雲運維的3大挑戰

作者| David Linthicum

策劃| 言徵

#現今，沒有人懷疑AI的威力，但企業必須意識到，它也會導致部署過多的應用程式、擴展問題和成本超支。

由於我在人工智慧開發以及與企業和雲端架構的整合方面有經驗，因此我深知生成式人工智慧的優點。然而，我也知道，有很多好處的地方，也有必須同時考慮的缺點。由於生成式人工智慧的發展速度非常快，因此決定如何有效管理它並減少任何負面影響變得尤為重要。

我提出了雲端運算專業人士需要理解和管理的生成式AI的三大缺點。

1、過多的雲端應用程式部署

這是我看到的最大問題。現在，利用無程式碼或低程式碼機制，我們能夠更快速地使用生成的人工智慧驅動的開發工具來建立應用程式。部署的應用程式數量（都需要管理）很容易失控。

當然，加快應用程式部署以滿足業務需求的速度是好的。應用程式的積壓在90年代和21世紀初時期限制了業務的發展，因此任何改進方法都對業務有利，對吧？

但是，我看到了一種幾乎不計後果的應用程式開發方法。建置和部署這些系統所需的工作只需要幾天，有時甚至幾個小時。公司沒有對應用程式的整體角色進行太多的預先考慮，許多應用程式是為戰術需求而專門構建的，而且往往是多餘的。 CloudOps團隊正試圖管理三到五倍於他們應該管理的應用程式和連接資料庫的數量。整個混亂局面不會擴大規模，成本也太高。

2、擴充問題

生成式人工智慧系統需要比目前提供的資源更多的運算和儲存資源。推動更大規模需要利用這些資源，不像打開更多的儲存和運算服務那麼簡單。

為了迅速擴展使用生成式人工智慧系統，必須考慮和規劃，以獲得並部署更多資源支援。這一般取決於營運團隊正確地部署適量資源，以確保同時不損害系統的價值或限制其能力。這裡的權衡幾乎無休無止。

3、花錢如流水的超支

我們可能會注意到，在忙於建立監控和管理雲端成本的金融作業系統時，產生AI系統的成本急劇增加。你該怎麼辦？

其實，這是一個商業問題，而非技術問題。公司需要了解雲端支出的發生原因、方式，以及對商業利益的回報。然後可以將成本納入預先定義的預算中。

對於那些對雲端支出有限制的企業來說，這是一個熱點。通常，業務線的開發人員希望利用生成式AI系統出於商業的正當原因。不過，就像之前所闡述的那樣，它們需要付出高昂的代價，因此公司必須尋找資金和商業動機，或者兩者兼具。

許多時候，產生式人工智慧雖然是現今所謂「酷孩子們」所使用的技術，但它通常成本不划算。生成式AI有時被用於簡單的戰術任務，而這些任務與更傳統的開發方法相比是可以的。自人工智慧誕生以來，人工智慧的過度應用一直是一個持續的問題；現實情況是，這項技術只適用於某些業務問題。但它很受歡迎，被炒作，因此被過度使用。

這些問題表明，隨著這項技術的成熟，需要更多的經驗。然而，這可能會對雲運維產生負面影響，就像雲剛開始興起時一樣。

原文連結：https://www.php.cn/link/a26475af783877529bf81eed81743d71

#

以上是生成式AI對雲運維的3大挑戰的詳細內容。更多資訊請關注PHP中文網其他相關文章！