Infrastructuur is grootste barrière voor AI-succes

Het onderzoek, uitgevoerd onder 600 Amerikaanse IT-besluitvormers, laat zien dat de grootste hindernis voor AI-adoptie niet de rekenkracht van chips (GPU's) is, maar de onderliggende data-infrastructuur. Door een lappendeken van losse systemen voor opslag, netwerken en verwerking loopt de efficiëntie vast. Dit heeft ertoe geleid dat meer dan de helft (54%) van de ondervraagde organisaties het afgelopen jaar AI-projecten heeft moeten uitstellen of annuleren.

De barrières voor AI-opschaling

De resultaten van het rapport leggen enkele kritieke knelpunten bloot:

• Complexiteit: Gefragmenteerde systemen maken databeheer arbeidsintensief en traag.
• Energieverbruik: 93% van de bedrijven probeert de ecologische voetafdruk van AI te verkleinen; 47% ziet stroom- en koelingskosten als een primaire beperking.
• Personeelstekort: 98% van de organisaties kampt met een tekort aan expertise op het gebied van IT en data science.

Cloud en samenwerking als oplossing

Ondanks de hindernissen ziet 97% van de leiders de cloud als essentieel voor het opschalen van AI. De cloud wordt gezien als de ideale 'lanceerzone' om snel te experimenteren zonder direct enorme investeringen in eigen hardware te doen.

Daarnaast verschuift de strategie rondom personeel. Slechts 12% van de bedrijven vertrouwt uitsluitend op eigen talent. De grote meerderheid (72%) zoekt de oplossing in ecosystemen en partnerschappen met specialisten zoals DDN, Google Cloud en NVIDIA om de ontbrekende kennis in te vullen.

Efficiëntie als nieuwe munteenheid

Volgens Alex Bouzari, CEO van DDN, is de AI-hausse tegen een "infrastructuurmuur" gelopen. De focus verschuift daarom van het simpelweg toevoegen van rekenkracht naar het optimaliseren van de 'output per watt'. Bedrijven die hun systemen weten te verenigen, rapporteren snellere resultaten en een betere benutting van hun dure hardware-investeringen.