Datahanteringens utveckling under 2025

Generativ AI kräver distribuerad data och hybrida system

Av: Saptarshi Sengupta, Denodo

Under 2024 började företag använda generativ AI framförallt för att öka produktiviteten. Samtidigt fortsatte lagringskapaciteten att växa och antalet internetanvändare globalt steg till 5,5 miljarder. Men vad säger dessa trender oss om 2025? Som datahanteringsexpert vill jag gärna dela med mig av från förutsägelser från två kollegor från Denodo - alla relaterade till de ökade kraven på AI och distribuerad data:

• För att GenAI-initiativ ska lyckas måste organisationer satsa på distribuerad data. – Alberto Pan, CTO på Denodo
• GenAI-initiativ kommer att kräva ett bredare, mer organisatoriskt fokus. – Terry Dorsey, Dataarkitekt på Denodo
• Autonoma agenter och agentbaserade arbetsflöden kommer att bana väg för GenAI-utveckling. – Terry Dorsey
• Företag kommer att utnyttja hybrida infrastrukturer, och till och med flytta viktiga data till lokala system. – Alberto Pan
• Smarta datahanteringslösningar kommer att arbeta över flera plattformar. – Alberto Pan

Organisationer måste omfamna distribuerad data för GenAI
Alberto Pan förutspår att till 2026 kommer över 50 % av företagen att anse att datadistribution och heterogena datasystem som den största utmaningen för att utveckla GenAI-baserade dataprodukter.

GenAI-applikationer kräver att data är redo för AI, vilket innebär att den kan hämtas från hela organisationen på ett säkert och kontrollerat sätt, i realtid. Men även de mest avancerade metoderna för att ge GenAI-applikationer tillgång till företagsdata, såsom retrieval-augmented generation (RAG), kan inte helt hantera den komplexitet som krävs för att tillhandahålla AI-redo data, eftersom dessa data i grunden är distribuerade.

Plattformar för logisk datahantering kan erbjuda AI-applikationer tillgång till AI-redo data. Dessa plattformar möjliggör realtidsåtkomst till distribuerade datakällor samtidigt som de erbjuder möjligheten att hantera säkerhets- och datastyrningspolicyer centralt.

GenAI-initiativ kommer att kräva ett bredare fokus
I takt med att organisationer börjar använda AI skapar de nya roller, såsom Chief AI Officer (CAIO), och omdefinierar befintliga roller som CIO och CDO så att de passar till AI-initiativ. Men AI-forskningen går extremt snabbt framåt, ofta snabbare än implementeringstakten.

Terry Dorsey säger:
- Många företag försöker integrera AI inom befintliga organisationsstrukturer och med traditionella metoder, vilket kanske inte är tillräckligt. Jag förutspår att vi 2025 kommer att se nya fokusområden för AI-driven transformation.

Dorsey förutspår att dessa fokusområden kommer att inkludera:
• Datasäkerhet och integritet. Utveckling av ramverk för datastyrning som balanserar säkerhet och tillgänglighet.
• Förbättrad förändringshantering. Införande av AI-arbetsgrupper, tydliga kommunikationsprotokoll och utbildningsprogram för smidiga övergångsprojekt.
• Anpassning till affärsmål. Samarbete mellan teknik- och affärschefer för att säkerställa att AI-projekt levererar mätbart värde.
• Affärsprocessoptimering. Implementering av AI-drivna arbetsflöden för bättre insikter och effektivitet.
• IT-strukturering för agilitet. Skapande av hybridroller och AI-integrationsteam för att bättre stödja AI- och datainitiativ.

Autonoma agenter och agentbaserade arbetsflöden vinner mark
Stora språkmodeller (LLMs) har imponerande förmågor, särskilt inom text-till-SQL och sammanfattningar. Terry Dorsey förutspår att autonoma agenter och agentbaserade arbetsflöden kommer att vara en självklar del av AI-landskapet 2025.

Han säger att:
- Eftersom LLMs är bra på att granska information och saknar ego i självbedömning, ser vi många ramverk som utnyttjar denna förmåga. De är också skickliga på att fatta beslut och strukturera information från naturligt språk. Dessa egenskaper utgör grunden för autonoma agenter och agentbaserade arbetsflöden.

Stora aktörer som Amazon, Google och Microsoft har utvecklat kraftfulla ramverk för att hjälpa företag att bygga AI-drivna agenter. Med verktyg som Amazon Bedrock Agents och Google Vertex AI kan företag skapa agenter som hämtar data, svarar på kundfrågor och utför åtgärder med minimal mänsklig inblandning.

Framtiden är hybrid
Alberto Pan förutspår att till 2026 kommer över 80 % av organisationerna som bygger centrala molndatalager eller data lakehouse-infrastrukturer att besluta sig för att flytta vissa arbetsbelastningar till andra miljöer, inklusive andra moln eller lokala system – en process känd som datarepatriering.

Enligt en rapport från IDC i juni 2024 förväntade sig cirka 80 % av respondenterna någon form av datarepatriering inom de kommande 12 månaderna.

Datarepatriering är komplext och kostsamt, så företag kommer att optimera kostnader genom att välja den mest effektiva miljön för varje specifikt användningsområde. Öppna tabellformat möjliggör datarepresentation som är kompatibel med flera bearbetningsmotorer, och logiska datahanteringsplattformar förenklar hantering av olika moln- och lokala system.

Dataprodukter kommer att dra nytta av flera plattformar
Alberto Pan förutspår också att till 2026 kommer över 80 % av organisationerna som satsar på en dataproduktstrategi att skapa kraftfulla dataprodukter genom att utnyttja flera plattformar.

Dataprodukter drar nytta av ett växande antal distribuerade datakällor, eftersom ingen enskild plattform kan optimera funktionalitet, prestanda och kostnad för alla dataprodukter. Exempelvis planerar färre än 5 % av de som använder både Snowflake och Databricks att avveckla någon av dem, och de flesta planerar att använda ytterligare moln- och lokala system.

Logiska datahanteringsplattformar stödjer utvecklingen av dataprodukter genom att etablera en enhetlig, styrd infrastruktur över flera plattformar. Detta möjliggör interoperabilitet, återanvändning och upptäckbarhet av dataprodukter.

2025-03-04 - Industritorget