Per comprendere al meglio la relazione tra cloud e intelligenza artificiale, bisogna considerare che la continua crescita del mercato cloud (+19% in Italia nel 2023) è trainata proprio dal desiderio delle aziende di sperimentare, di implementare e di integrare soluzioni di intelligenza artificiale all’interno dei propri ecosistemi informativi. Cerchiamo di comprenderne i motivi.
Secondo l’Osservatorio del Politecnico di Milano, nel 2023 la componente IaaS del paradigma cloud è cresciuta del 29% grazie (anche) al ruolo chiave delle Virtual Machine nelle iniziative di implementazione dell’intelligenza artificiale. Secondo l’Osservatorio, infatti, le Virtual Machine sono “uno strumento abilitante per sviluppare nuovi servizi come quelli legati all’Intelligenza Artificiale generativa”. La medesima fonte è ancora più diretta quando, riferendosi al +27% dei servizi PaaS, sottolinea che questo risultato è “spinto dalle opportunità legate alle funzionalità di Artificial Intelligence e Analytics e dalle iniziative strategiche di modernizzazione del parco applicativo”.
Dopo molti anni di incertezza, oggi tutte le aziende hanno un’idea precisa dell’impatto potenziale dell’AI sulla propria competitività ed efficienza. L’intelligenza artificiale è il mezzo con cui nuovi player entrano in mercati ultra-competitivi nella speranza (fondata) di poter conquistare una posizione che, solo qualche anno fa, sarebbe stata impossibile da ottenere. Sempre l’intelligenza artificiale è lo strumento con cui plasmare nuovi modelli di business, creare automazione (appunto, intelligente), ridurre i costi e perfezionare l’esperienza del cliente. È un’opportunità che deve essere colta. E ha bisogno del cloud.
C’è un fortissimo legame tra cloud e intelligenza artificiale. Il primo ha bisogno dell’AI per consolidare ulteriormente la propria centralità nei progetti di trasformazione digitale, la seconda richiede il cloud come basamento tecnico su cui svilupparsi e crescere.
Le soluzioni di intelligenza artificiale sono infatti estremamente onerose in termini di potenza di calcolo: lo è il training dei modelli, ma anche l'utilizzo degli algoritmi per sviluppare previsioni o analisi in tempo reale. Durante la fase di addestramento, i modelli di AI richiedono l'elaborazione nel minor tempo possibile di enormi quantità di dati per migliorare continuamente la loro precisione. Questo processo può richiedere anche mesi di calcolo intensivo, specialmente per modelli complessi come le reti neurali profonde.
In questo contesto, solo il cloud computing può fornire un'infrastruttura sufficientemente scalabile e flessibile, che permetta alle aziende di accedere a risorse di calcolo su richiesta senza dover investire in hardware dedicato. Sì, perché per gestire i carichi di lavoro di AI (sia training che inferenza) sono necessari componenti specializzati come le GPU (Graphics Processing Units) e le TPU (Tensor Processing Units), che solitamente non trovano spazio in un tipico data center interno.
L’aspetto che più di ogni altro avvicina cloud e intelligenza artificiale è dunque la scalabilità, che il cloud provider potrebbe rendere virtualmente illimitata, permettendo all’azienda di costruire i propri modelli e le proprie soluzioni mettendole al riparo dalle mosse dei competitor.
Va poi detto che i workload di AI gestiscono enormi volumi di dati, e quindi anche il tema dello storage sicuro e conforme alla normativa assume un suo peso. Questo è particolarmente importante per le applicazioni AI che elaborano informazioni personali o dati sensibili; in questo caso, il provider garantisce che tutte le operazioni siano condotte in modo sicuro e conforme alle leggi vigenti.
Cloud (ibrido) e Intelligenza Artificiale, una coppia perfetta
Non da ultimo, occorre poi ragionare in chiave di cloud ibrido (o multicloud) e riflettere sul fatto che i grandi hyperscaler offrono servizi dedicati a semplificare l’implementazione dell'intelligenza artificiale nel parco applicativo aziendale. Per esempio, sono disponibili degli strumenti avanzati per l'addestramento e il deployment di modelli di AI, piattaforme per la gestione dei dati e framework preconfigurati che riducono la complessità e il tempo necessario per implementare soluzioni di intelligenza artificiale.
Adottare un modello ibrido, magari con una componente pubblica di più fornitori e una privata nella quale ospitare i workload critici e maggiormente soggetti compliance e performance, rappresenta un’opzione molto valida per sfruttare il cloud in tutto il suo potenziale, massimizzandone l’effetto sulla competitività e mantenendo solida l’efficienza.