CTERA i inteligentna tkanka danych

Izraelskie firmy z branży nowych technologii często utrzymują dwie główne siedziby, jedną w Tel Awiwie, a drugą w Stanach Zjednoczonych. Podobnie działa CTERA, która ostatnio znacząco wzmocniła swoją obecność w USA, relokując swojego CTO, Aarona Branda, do Nowego Jorku. Posunięcie to ma ułatwić rozmowy na najwyższym szczeblu dotyczące wdrażania rozwiązań Gen AI oraz zacieśnianie relacji z kluczowymi partnerami, takimi jak Hitachi, HPE i IBM. Jest to szczególnie istotne w sytuacji, gdy rynek po okresie fascynacji pracą zdalną ponownie docenia wartość bezpośrednich spotkań.

CTERA oferuje platformę usług danych z globalną przestrzenią nazw, która unifikuje pliki i obiekty. Jej architektura zapewnia dostęp do danych z każdej lokalizacji przy użyciu dowolnego protokołu. Dane są przechowywane w chmurze (Amazon AWS, Microsoft Azure, IBM Cloud Object Storage) lub w lokalnych systemach kompatybilnych z protokołem S3.

Zaawansowane zarządzanie danymi jest kluczowe w obliczu wyzwań, przed którymi stoją współczesne organizacje. Badanie CTERA przeprowadzone wśród menedżerów wyższego szczebla potwierdza tę tendencję, identyfikując trzy najważniejsze strategiczne priorytety na 2025 rok. Aż 80% respondentów wskazało na cyberbezpieczeństwo, 57% na AI wykorzystywaną w celach strategicznych, a 54% na zarządzanie rosnącą ilością danych. W odpowiedzi na te wyzwania CTERA intensywnie pracuje nad zwiększeniem bezpieczeństwa. Najnowszym przykładem jest moduł CTERA Ransom Protect, który wykorzystuje technologie bazujące na sztucznej inteligencji i uczeniu maszynowym (AI/ML) do wykrywania zagrożeń.

Izraelska firma przeszła długą drogę, od systemów synchronizacji i udostępniania plików, aż po zaawansowane platformy do zarządzania danymi w chmurze hybrydowej i na brzegu sieci, wspierane przez mechanizmy AI. Saimon Michelson, VP Alliances w CTERA, opisuje tę ewolucję w trzech falach.

-Pierwsza fala polegała na stworzeniu biblioteki wszystkich posiadanych treści, niezależnie od miejsca ich przechowywania. Druga fala to uporządkowanie tej biblioteki według indeksów, dzięki którym możemy odnaleźć potrzebne informacje. Trzecia fala oznacza faktyczne zapoznawanie się z zawartością, weryfikację wiarygodności danych oraz ich optymalne wykorzystanie w biznesie – mówi Saimon Michelson.

Dalsze wyzwania związane z optymalnym wykorzystaniem danych w biznesie, o których wspomina Saimon Michelson, nabierają szczególnego znaczenia w kontekście rosnących inwestycji i równoczesnych niepowodzeń w obszarze sztucznej inteligencji. Morgan Stanley szacuje, że 22% globalnych wydatków na oprogramowanie będzie związane z generatywną sztuczną inteligencją. Mimo to, badanie MIT ujawnia alarmujący fakt: aż 95% pilotaży AI kończy się niepowodzeniem. CTERA identyfikuje trzy główne przyczyny tej porażki. Po pierwsze, przedsiębiorstwa gromadzą pliki z różnych okresów – często nieuporządkowane i niesklasyfikowane. Zasada „garbage in, garbage out” (GIGO) działa bezlitośnie: jakość wyników jest bezpośrednio zależna od jakości danych wejściowych. Po drugie, pliki rozproszone w różnych lokalizacjach, systemach pamięci masowej i formatach (PDF, Word, MP4) tworzą chaos informacyjny. Po trzecie, poważnym wyzwaniem jest ochrona wrażliwych informacji. Ryzyko wycieku danych osobowych (PII), informacji zdrowotnych czy poufnych raportów finansowych podczas szkolenia modeli AI budzi uzasadnione obawy.

-Myślę, że to jest obecnie Święty Graal branży: posiadanie inteligentnej tkanki danych, konsolidującej wszystkie dane z różnych części organizacji, repozytoriów i o rozmaitych formatach, spajając to wszystko w strukturę umożliwiającą GenAI dostęp do wysokiej jakości informacji – mówi Aaron Brand.

W odpowiedzi na te wyzwania CTERA opracowała potok przetwarzania, który przekształca chaotyczne, nieuporządkowane informacje w dane gotowe do pracy z generatywną sztuczną inteligencją.  System pozyskuje dokumenty z magazynów danych (eksporty NFS, udziały SMB, chmury S3, OneDrive, SharePoint) i wydobywa z nich informacje tekstowe, przekształcając je w ujednolicony format. Obejmuje to transkrypcję filmów i nagrań audio, konwersję obrazów na tekst oraz zastosowanie rozpoznawania znaków (OCR).

Sztuczna inteligencja analizuje treść, tworząc warstwę semantyczną. W przypadku umów może to oznaczać wyodrębnienie sygnatariuszy, dat, kwot oraz innych kluczowych informacji, umożliwiając dokładniejsze wyszukiwanie i zapytania analityczne. System skanuje również dane pod kątem informacji wrażliwych i usuwa ryzykowną zawartość.

Po wybraniu odpowiednich danych są one przetwarzane i zapisywane w specjalnych bazach umożliwiających szybkie wyszukiwanie (mogą to być bazy wektorowe lub tekstowe). Dzięki temu użytkownicy mogą łatwo odnaleźć informacje potrzebne do odpowiedzi na swoje pytania i wyciągnąć z nich użyteczne wnioski. Ostatecznym celem jest stworzenie wirtualnych pracowników, czyli agentów będących ekspertami w określonych obszarach biznesowych, którzy będą działać w różnych systemach korporacyjnych (np. Microsoft Teams, Slack).

— Chcę, aby ci wirtualni pracownicy byli obecni i pomagali mi efektywniej wykonywać pracę, pozwalając mi jako pracownikowi skupić się na rzeczach bardziej interesujących i kreatywnych – podsumowuje Aaron Brand.