AI Big bang og behovet for kontrol og governance
Generativ AI brød igennem med ChatGPT i slutningen af 2022. Det var intet mindre end et Big bang-øjeblik i virksomheder over hele verden. Medarbejdere begyndte spontant at eksperimentere med teknologien, ofte uden strategiske retningslinjer. Det blev gjort i begejstring, og fordi generativ AI hurtigt viser håndgribelige gevinster i hverdagen. Det betød desværre også, at store mængder forretningskritiske data blev lagt i offentlige AI-tjenester – ofte uden virksomhedens viden eller kontrol. Det er der sidenhen kommet flere advarsler om fra en bred vifte af sikkerhedseksperter og andre instanser.
I dag befinder virksomhederne sig et andet sted. Behovet for struktur, governance, sikkerhed og private AI-løsninger er blevet tydeligere, og teknologien er modnet til et niveau, hvor private AI er både realistisk og værdiskabende.
Nutanix Enterprise AI (NAI): GPT in a Box
Nutanix’ AI-platform kaldes også “GPT in a Box”, men det officielle navn er Nutanix Enterprise AI (NAI). Løsningen er udviklet til virksomheder, der ønsker at implementere generativ AI med fuld kontrol over arkitektur, data, modeller og sikkerhed.
I dag står mange virksomheder over for et valg, der minder om dengang, fildelingstjenester som Dropbox ramte markedet. Dengang var det sikkerhed og compliance, der gjorde, at virksomheder tøvede med at implementere nye delingsløsninger. Resultatet blev, at medarbejdere gik uden om virksomheden for at få fleksibiliteten, og dermed risikerede man, at forretningskritiske data blev delt uden den nødvendige kontrol.
Præcis det samme ser vi nu med generativ AI. Teknologien giver så markante produktivitetsgevinster for den enkelte medarbejder, at den hurtigt finder vej ind i hverdagen – også uden for IT-afdelingens kontrol. AI er kommet for at blive, og dine kolleger bruger den allerede. Spørgsmålet er derfor ikke, om virksomheder skal forholde sig til AI, men hvordan de gør det på en måde, der passer til egne sikkerhedskrav og retningslinjer.
Når det handler om konkrete værktøjer, står valget typisk mellem cloudbaserede AI-services som Microsoft Copilot eller private AI-opsætninger i eget miljø. Spørgsmålet er:
Vil du sende dine data ud i public cloud – eller vil du beholde dem hjemme?
Flere og flere virksomheder vælger den private model, fordi den giver fuld kontrol over data, større fleksibilitet i valg af modeller, mulighed for lokal retræning og højere sikkerhed. Private AI er derfor hurtigt blevet meget attraktivt for virksomheder, der både vil udnytte potentialet i generativ AI og samtidig sikre, at data, knowhow og forretningskritisk viden forbliver i egne hænder.
En Nutanix-løsning, der ikke kræver Nutanix
Et af de mest markante kendetegn ved NAI er, at platformen er bygget som et container-workload, og det giver virksomheder en række helt konkrete fordele. Fordi alt er pakket ind i containere, er NAI både let at implementere, let at flytte og let at drifte. Containerteknologi skaber en standardiseret, isoleret enhed, som kan køre næsten hvor som helst uden tilpasning, og det betyder, at NAI ikke er afhængig af Nutanix-infrastruktur.
NAI kan installeres på:
- enhver Kubernetes-platform
- bare-metal servere
- Nutanix Kubernetes Platform (NKP).
Fleksibiliteten gør, at NAI kan testes og implementeres direkte i virksomhedens eksisterende miljø uden arkitektoniske ændringer. Den containerbaserede tilgang gør det nemt at rulle nye versioner ud, skalere løsningen op eller ned og udvide AI-kapaciteten efter behov. Man undgår komplekse migreringer og kan i stedet tage teknologien i brug i det tempo, der passer organisationen.
For virksomheder, der vil afprøve teknologien uden bindinger, tilbyder Nutanix desuden en NAI testdrive, hvor man gratis kan teste platformen og få praktisk erfaring, før man investerer og implementerer i produktion.
Use cases i Norden – fra chatbots til byggepladssikkerhed
Vi har i forbindelse med Nutanix .NEXT talt med Nicolai Tandrup, Advisory Systems Engineer hos Nutanix Danmark. Han fremhæver især tre typer AI-projekter, der i særlig grad optager nordiske virksomheder:
- Chatbots til kundeservice eller intern support, hvor virksomheden vil være sikker på, at data aldrig forlader virksomhedens domæne. Han siger: “Typisk er use casen, hvor den applikation, du har, har noget privat data, og hvor du for eksempel er underlagt GDPR, der skal overholdes. Så derfor vil du ikke bare, slippe data løs i public cloud.”
- Billed- og videogenkendelse i realtid for eksempel til at identificere lastbiler eller objekter, men også til at overvåge sikkerheden på byggepladser. Tandrup spår et “ret stort AI-boom på f.eks byggepladser,” hvor teknologien kan hjælpe med at tjekke, at medarbejdere for eksempel har hjelm eller vest på, og endda detektere varmeudvikling via termiske kameraer, så man fremover kan beskytte bygninger og monumenter bedre under fornyelser og undgå de store brandskader, vi tidligere har set i Danmark og udlandet.
- Sikker kodning til udviklere, som ønsker at bruge AI til at skrive kode, men ikke vil eller kan risikere, at kildekoden bliver sendt ud af huset. Platformen gør det muligt at tilbyde den hjælpsomme AI-funktion, mens alt forbliver internt.
Private AI er hurtigt blevet attraktivt for virksomheder, der ønsker at udnytte generativ AI uden at gå på kompromis med datasikkerhed og kontrol. Efterhånden som medarbejdere tager AI i brug i hverdagen, stiger behovet for løsninger, hvor virksomheden selv bestemmer, hvor data behandles, og hvilke modeller der bruges.
Med Nutanix NAI får virksomheder en fleksibel og sikker platform, der kan implementeres i eget miljø og tilpasses eksisterende infrastruktur. Det gør det nemt at komme i gang uden at sende forretningskritiske data ud i public cloud.
Vil du prøve teknologien selv, kan du tilgå den gratis Nutanix NAI Testdrive og få en fornemmelse af platformens muligheder.
Har du spørgsmål, eller ønsker du sparring, kan du kontakte Arrow eller en Nutanix-partner for at få rådgivning om, hvordan private AI kan passe ind i netop din virksomheds behov.
