Det råder ingen tvekan om att många företag har såväl stort intresse, som fokus på att utnyttja AI för att skapa innovation, få bättre beslutsunderlag eller för att effektivisera rutinmässiga arbetsuppgifter i verksamheten. Enligt CGI:s undersökning VOC 2024 uppger 26 procent av de globala beslutsfattarna på verksamheter som kan betecknas som ”Digital leaders” att de håller på eller redan har implementerat AI-lösningar. Inga konstigheter!
Det finns dock en intressant aspekt av AI-utvecklingen: Hur den påverkar många företags molnstrategier. Som jag skrivit om tidigare är det inte alltid ett starkt lika med-tecken mellan molnet och kostnadsbesparingar. Samtidigt inser många verksamheter att användandet av olika publika AI-modeller också kan innebära dataläckage för verksamheten.
Faktum är dock att ett flertal molnleverantörer faktiskt inte kan garantera att datan som du använder för att träna dina AI-modeller kan hållas helt privat.
Brytpunkten mellan dessa två intresseområden har lett till att många IT-beslutsfattare både omprövar sina molnstrategier och behöver ta hänsyn till molnteknik i verksamhetens AI-ambitioner.
Informationsklassning en ledstjärna för både AI och moln
Flera av de stora publika molnleverantörerna lockar med att AI är inbyggt i deras lösning eller att AI-motorer är tillgängliga i samma plattform. Det är i grunden en mycket bra och effektiv tanke. Det är en fördel att AI-modeller, data och dina verksamhetssystem finns i samma sfär, eftersom AI-modellerna behöver snabb tillgång till stora mängder data för att kunna tränas och sedan vara i drift i verksamheten. Faktum är dock att ett flertal molnleverantörer faktiskt inte kan garantera att datan som du använder för att träna dina AI-modeller kan hållas helt privat. Det medför att din informationsklassning också måste utgöra en grundsten i både din AI- och molnstrategi.
Låt AI styra molnstrategin
AI kan på detta sätt innebära att verksamheten måste omvärdera molnstrategin. Det finns en hel del som tyder på att AI driver molnmodellerna mot det mer hybrida.
Det bidrar också till en tydlig trend där många verksamheter väljer att bygga privata moln. För verksamheter med mycket känslig data, exempelvis inom vården eller i bank- och finansbranschen, kan det också vara en bra idé att använda privata LLM:s (Large Language Model). Genom att lägga din AI-modell internt kan du använda data utan att riskera att den blir offentligt tillgänglig.
Samtidigt förutspår IDC att de globala kostnaderna för privata, dedikerade molntjänster, där också hostade privata moln räknas in, åtminstone kommer att fördubblas fram till 2027.
Flera externa källor underbygger också denna utveckling. Enligt Forresters Infrastructure Cloud Survey 2023 uppgav 79 procent av cirka 1 300 tillfrågade beslutsfattare inom molnområdet att deras verksamheter implementerar privata moln. Samtidigt förutspår IDC att de globala kostnaderna för privata, dedikerade molntjänster, där också hostade privata moln räknas in, åtminstone kommer att fördubblas fram till 2027.
Det står helt klart att många verksamheter behöver se över sina molnstrategier för att ta höjd för och säkerställa en ansvarsfull användning av AI. Vi på CGI har lagt mycket tid på att fundera och utarbeta strategier, policys och best practices för både AI-implementering och molnutvärdering. Jag diskuterar gärna vad som kan vara rätt väg för er verksamhet. Hör av dig, vettja!
Du kan läsa mer om våra Cloud-tjänster här:
