Sala de servidores o computadoras servidor. Representación 3D.
getty
Los datos son sin duda el combustible de la IA. Sin embargo, existe una fuente de datos valiosos que por lo general no atrae mucha atención. Es de sistemas mainframe. Contienen enormes cantidades de datos, que se remontan a décadas, para operaciones de misión crítica.
Pero, de nuevo, existen dificultades para trabajar con mainframes e IA. “El mayor desafío es la falta de compatibilidad de las tecnologías emergentes”, dijo Chida Sadayappan, líder de ofertas de IA / ML en la nube en Deloitte Consulting LLP.
Pero los beneficios de la IA son demasiado importantes para ignorarlos. Entonces, ¿qué puede hacerse? Bueno, una estrategia es aprovechar las plataformas en la nube fuera del entorno del mainframe.
“Los nuevos enfoques para la migración a la nube reemplazan el enfoque tradicional ETL (extraer, transformar, cargar) con un enfoque ELT (extraer, cargar, transformar) más moderno que mueve los datos formateados de mainframe directamente a cualquier destino de almacenamiento de objetos antes de usar la plataforma de destino para transformarlo para su uso en aplicaciones de inteligencia artificial ”, dijo Gil Peleg, director ejecutivo de Model9. «Este método pionero agrega datos de mainframe a los lagos de datos de forma rápida, fácil y segura para que los líderes puedan maximizar el ROI de sus aplicaciones de análisis y BI en la nube».
Pero como cualquier esfuerzo de TI, debe haber un plan bien definido y los objetivos deben ser alcanzables. La realidad es que los esfuerzos de IA pueden llevar un tiempo considerable para generar ROI.
“Las empresas deben ser conscientes de que este tipo de iniciativas no siempre reducen los costos”, dijo Sudhir Kesavan, quien es el Director Global de Transformación de la Nube en Wipro FullStride Cloud Services. «Pueden tener el efecto contrario, por lo que tenerlos liderados por el negocio puede ayudar a superar el desafío de los beneficios comerciales que parecen menos tangibles para comenzar».
Mainframes e IA de IBM
Las capacidades de los mainframes han evolucionado rápidamente. Por ejemplo, IBM ha estado rediseñando su sistema Z para IA y esto ha implicado la integración con muchas plataformas de código abierto comunes como Spark, PyTorch, Keras y TensorFlow.
«Estamos permitiendo a nuestros clientes integrar la inteligencia artificial en sus cargas de trabajo empresariales de misión crítica y procesos comerciales centrales con cambios mínimos en las aplicaciones y dándoles la capacidad de calificar cada transacción mientras cumplen incluso los SLA (acuerdos de nivel de servicio) más estrictos», dijo Elpida Tzortzatos. que es miembro de IBM y director de tecnología de z / OS.
Al generar la información de inteligencia artificial en Z, esto permite respuestas en tiempo real en el punto de interacción, lo que puede ser crítico para aplicaciones como la detección de fraudes. También hay un beneficio de seguridad importante porque los datos confidenciales no se mueven.
Aprovechamiento de la IA para entornos de mainframe
El poder de la IA para mainframes no tiene por qué estar relacionado con la creación de proyectos. Por ejemplo, existen herramientas emergentes de AIOps que ayudan a automatizar los sistemas. Algunos de los beneficios incluyen un mejor rendimiento y disponibilidad, una mayor velocidad de soporte para las versiones de aplicaciones y el proceso de DevOps, y la identificación proactiva de problemas. Estos beneficios pueden ser esenciales, ya que cada vez es más difícil atraer profesionales de TI calificados.
Según una encuesta reciente de Forrester y BMC, alrededor del 81% de los encuestados indicaron que dependen parcialmente de los procesos manuales cuando se enfrentan a ralentizaciones y el 75% dijo que utilizan mano de obra para diagnosticar incidentes multisistema. En otras palabras, hay mucho margen de mejora, y la IA puede ser un factor importante para ello.
“Los tomadores de decisiones de mainframe se están volviendo más conscientes que nunca de que la forma tradicional de manejar las operaciones de mainframe pronto se quedará en el camino”, dijo John McKenny, vicepresidente senior y gerente general de Optimización y Transformación Inteligente Z en BMC. “La demanda de servicios digitales más nuevos y más rápidos ha ejercido una mayor presión sobre los centros de datos para que se mantengan al día a medida que nuevas aplicaciones se ponen en línea, el volumen de datos manejados aumenta continuamente y las cargas de trabajo se vuelven cada vez más impredecibles. En la acelerada economía digital actual, esto crea una tormenta perfecta de mayores expectativas de los clientes, una implementación más rápida de un número cada vez mayor de servicios digitales y un mainframe más estrechamente conectado respaldado por una fuerza laboral con menos experiencia ”.
Tomás (@ttaulli) es asesor / miembro de la junta de nuevas empresas y autor de Conceptos básicos de inteligencia artificial: una introducción no técnica, El manual de automatización de procesos robóticos: una guía para implementar sistemas RPA y Implementación de sistemas de inteligencia artificial: transforme su negocio en 6 pasos. He también ha desarrollado varios cursos en línea, como para el COBOL y Pitón lenguajes de programación.
