云服务提供大规模资源以支持人工智能和机器学习工作，但在许多情况下，混合方法可能是最好的方法。 这需要一种企业架构方法来确保一切正常。
戴尔科技公司的人工智能和数据分析负责人 Bill Wong 表示：“我们看到很多公司都在暂停使用云计算，”他在最近举办的业务转型与卓越运营峰会和行业奖 (BTOES) 活动中发表了主题演讲 由 Proqis 提供。 “很多公司都要求一切都必须在云端进行。人们发现，虽然将一切都放在一个中心位置有一些好处，但省钱的好处似乎已经被搁置了。在一些 在某些情况下，尤其是使用 AI 时，放置数据的位置的成本非常高。因此，如果您正在训练 AI 模型来进行图像识别……它可能至少有十倍的差异。”
Wong 表示，许多公司需要退后一步，问问在处理复杂应用程序和大量敏感数据方面什么是有意义的。 那么，当谈到 AI 计划时，“大多数公司都在选择混合方法。许多公司喜欢在云端开发，但如果他们有大量数据，他们会在本地进行开发，并在他们完成模型时 他们在云端执行生产。”
这种混合环境需要一种架构驱动的方法来构建数据平台，使组织能够共享数据并最大限度地利用其在高级分析方面的投资。 目标是建立一种基于平台的数据驱动文化，为数据科学家和开发人员提供敏捷、开放的生态系统以协同工作。
“我们从哪里开始？” 王继续说道。 “这就像首次引入云时一样。C 级高管需要了解他们的战略。从企业架构方法来看，你必须制定战略。” 该策略从小处着手，并“与执行利益相关者保持一致。选择一个将获得高知名度且风险低的用例。”
Wong 承认，在许多组织中，为 AI 用例寻求高管支持并确定容易实现的成果“要求很高。这不是一项容易的任务。但是寻找那些可以快速获得成功的用例， 这将有助于让人们支持它。所以对于银行业，一些具有客户体验的客户洞察力。在医疗保健方面，一线人员、临床医生或患者都会受益。而且它不一定很复杂 . 这是你可以在那里做的最具挑战性的技术事情之一。但回报是值得的。”
Wong 继续说道，采用架构思维的最终方法是转向“模型驱动的环境”。 “我们将看到越来越多不需要编码的工具，让更多公民类型的数据科学家能够创建这些应用程序。” 机器学习即服务等产品有助于将开发时间从“数月缩短至数周”。 他说。 添加数据编目等工具来管理推动基于 AI 的转型的数据。 “您想尝试从等式中删除 IT 并拥有一个自助服务门户，”他解释道。 这种自助服务方法需要使数据科学家、分析师和其他用户能够“查看菜单，选择数据，以及数据含义的描述字典词汇表。然后是平台即服务——如何部署 基础设施，包括使用和利用 Kubernetes 的硬件、软件，将一切容器化。”
随着 DIY IT，我们已经进入了自己动手做企业的时代，人们可以通过易于使用的在线服务接触并获取所需的资源，无论是内部或公共 SaaS 还是基于云的 . 这就是人工智能的民主化。 但正如 Wong 指出的那样，AI 仍然太复杂，存在太多安全问题，无法通过云服务充分发挥作用。 每个 DIY 服务的背后都有一个优雅的架构，可确保安全地使用计算和数据资源。 DIY AI 还有一段路要走，但建设已经开始。
