A megkérdezett döntéshozók 34,1 százalékánál pilotként, ugyanekkora aránynál pedig már élesben fut valamilyen AI-megoldás, miközben az AI/ML-infrastruktúra előkészítését csak 20,5 százalék jelölte meg modernizációs tervként. A projektek szélesebb körű bevezetéséhez azonban stabil infrastruktúrára van szükség, amely biztosítja a biztonságos működést, az erőforrások skálázását és a költségek átlátható kezelését. A nagyobb vállalati kontrollt támogató, helyben futtatott platformok segíthetnek áthidalni a szakadékot az AI-használat és a hosszú távú infrastruktúra-tervezés között.

A mesterséges intelligencia rövid idő alatt a vállalati működés egyik meghatározó technológiájává vált, és napjainkra egyre több szervezet használja éles üzleti és informatikai folyamatokban az AI-eszközöket. Az idei Bitport CIO konferencián IT- és üzleti döntéshozók bevonásával készített SUSE-felmérés alapján a válaszadók 34,1 százalékánál pilotként fut valamilyen AI-megoldás, és ugyanekkora arányban már élesben használják az AI-t.

A használat gyorsan terjed, a technológiai környezet még nem áll készen

A hazai eredmények hasonló tendenciát mutatnak, mint a nemzetközi folyamatok. A Stanford HAI 2026 AI Index Reportja szerint 2025-ben a szervezetek 88 százaléka használt mesterséges intelligenciát legalább egy üzleti területen. Az AI teljes körű, vállalati szintű skálázásáról ugyanakkor a szervezetek méretétől függően mindössze 3 és 10 százalék közötti arányban számoltak be. Az adatok arra utalnak, hogy az AI széles körű alkalmazása és nagyobb léptékű működtetése között továbbra is jelentős különbség van.

A SUSE AI Factory az erőforrások átláthatóbb kezelését is támogatja

Ezt támasztja alá a CIO-felmérés egy másik eredménye is. Miközben a válaszadók több mint kétharmadánál már elindult valamilyen AI-projekt, az AI/ML-infrastruktúra előkészítését csak 20,5 százalék jelölte meg modernizációs tervként. Ez önmagában nem feltétlenül jelenti azt, hogy a többi szervezet egyáltalán nem foglalkozik a technológiai háttérrel. Arra azonban utalhat, hogy sok vállalatnál az első felhasználási esetek és pilotok elindulása ellenére a hosszabb távú stratégia kialakítása még folyamatban van.

Felhő vagy saját infrastruktúra?

Az AI működtetéséhez jelentős számítási kapacitásra van szükség, amelyet jellemzően GPU-k, vagyis a modellek futtatását gyorsító processzorok biztosítanak. A vállalatoknak ezért arról is dönteniük kell, hogy ezeket az erőforrásokat saját környezetükben (on-premises) alakítják ki, vagy valamely felhőszolgáltatón keresztül veszik igénybe. A felmérés megosztott képet mutat ezen a területen. A döntéshozók 29,5 százaléka on-premises GPU-kapacitást, ugyanekkora arány pedig public cloud GPU-t jelölt meg. További 27,3 százalék még nem döntötte el, milyen modellre építi majd az AI működtetését.

Az éles szolgáltatást futtató szervezetek körében már határozottabb irányok láthatók. Ebben a csoportban 46,7 százalék public cloud GPU-t, 33 százalék pedig on-premises megoldást választott. A felhős kapacitás erősebb jelenléte arra enged következtetni, hogy a gyorsan rendelkezésre álló erőforrások megkönnyítik az első éles projektek elindítását. A saját infrastruktúra jelentős aránya ugyanakkor azt jelezheti, hogy sok szervezet számára meghatározó szempont az adatok helyben történő tárolása és kezelése, a közvetlen kontroll és a hosszú távon kiszámítható működés.

Helyben futtatott AI, nagyobb vállalati kontroll

Számos vállalatnál kiemelten fontos, hogy az AI-szolgáltatások és a kapcsolódó adatok az általuk ellenőrzött környezetben maradjanak. Közéjük tartozik általában minden olyan szervezet, amely érzékeny üzleti információkkal, ügyféladatokkal vagy belső tudásvagyonnal dolgozik. A SUSE AI Factory nyílt infrastruktúra-platformot kínál a privát vállalati megoldások működtetéséhez. Segítségével a szervezetek saját rendszereiken futtathatják alkalmazásaikat és modelljeiket, így közvetlen kontrollt gyakorolhatnak az adatok, a technológiai háttér és a rendelkezésre álló erőforrások felett.

Az eszköz hibrid és internettől elzárt, úgynevezett air-gapped környezetekben is használható. A helyi működés különösen azokban az esetekben jelenthet előnyt, ahol az adatokat biztonsági, szabályozási vagy üzleti okokból nem szeretnék külső AI-platformokra továbbítani. Ilyenek például a belső vállalati tudásbázisokra épülő asszisztensek, az érzékeny dokumentumokat feldolgozó alkalmazások vagy az olyan AI-megoldások, amelyeknél fontos a rövid válaszidő.

A SUSE AI Factory az erőforrások átláthatóbb kezelését is támogatja. A platformon nyomon követhető például az egyes alkalmazások tokenhasználata és a kapcsolódó költségek, valamint a GPU-k teljesítménye és kihasználtsága. Ez pontosabb képet nyújt az AI-szolgáltatások tényleges kapacitásigényéről, és segíti a rendelkezésre álló erőforrások hatékonyabb felhasználását, valamint a költségek kordában tartását. A nyílt megközelítés emellett nagyobb szabadságot kínál a modellek és technológiai szolgáltatók kiválasztásakor.

| Illusztrációk: Adobe Stock