.webp "Dell Logo")
.jpg?w=1024)
- Principais conclusões
- Qual estratégia de dados as empresas devem usar para suportar cargas de trabalho de IA?
- O que torna os dados empresariais prontos para IA?
- Como as empresas podem reduzir a movimentação desnecessária de dados para cargas de trabalho de IA?
- Como as empresas podem melhorar a acessibilidade dos dados para IA mantendo a governança e o controle?
- Como os pipelines de dados e a orquestração ajudam as empresas a escalar a IA?
Principais conclusões
- Uma estratégia sólida de dados para IA empresarial oferece às cargas de trabalho acesso a dados confiáveis sem a necessidade de copiar todos os conjuntos de dados para um único local.
- Dados prontos para IA devem ser precisos, atuais, seguros, descobríveis e utilizáveis por aplicações autorizadas.
- Processar dados mais próximo de onde eles já residem pode reduzir transferências desnecessárias e ajudar as organizações a manter o controle.
- Pipelines de dados governados e orquestração tornam a preparação de dados repetível à medida que os projetos de IA avançam de pilotos para produção. A Dell AI Data Platform with NVIDIA oferece uma base de dados governada dentro da Dell AI Factory with NVIDIA, combinando a infraestrutura e orquestração de dados da Dell com a aceleração da NVIDIA.
As empresas devem construir uma estratégia de dados para IA empresarial que disponibilize dados confiáveis e governados onde as cargas de trabalho de IA precisem deles, ao mesmo tempo em que reduz a movimentação desnecessária de dados. Dados prontos para IA são apenas parte da equação. As empresas também precisam de acesso controlado e de uma forma repetível de preparar e entregar informações à medida que os projetos de IA escalam.
Os dados empresariais já estão distribuídos por mais locais. A Dell Technologies, citando pesquisa da Gartner, relata que 75% dos dados gerenciados por empresas são criados e processados fora dos data centers tradicionais. Conforme mais informações são geradas na borda e em ambientes distribuídos, as empresas precisam decidir se os dados devem se mover ou se o processamento deve se aproximar de onde eles estão.
Qual estratégia de dados as empresas devem usar para suportar cargas de trabalho de IA?
As empresas devem projetar sua estratégia de dados de IA com base nos requisitos de cada carga de trabalho. Para cada caso de uso de IA, as equipes devem primeiro identificar os dados necessários para a carga de trabalho e as regras que regem o acesso. Elas podem então decidir quão atualizados esses dados precisam estar e onde o processamento deve ocorrer.
A Gartner recomenda alinhar os dados a casos de uso específicos de IA e identificar as fontes de dados e os requisitos de governança necessários a cada um.
A Dell AI Data Platform with NVIDIA suporta descoberta, preparação, busca e orquestração governada de dados, independentemente de onde os dados estejam. Seus mecanismos de dados e orquestração podem ajudar as equipes a encontrar, preparar, enriquecer e conectar informações estruturadas, semiestruturadas e não estruturadas em pipelines governados e repetíveis para projetos de IA. A plataforma foi projetada para manter os dados onde eles são governados e mover apenas o que a carga de trabalho exige.
A tecnologia da NVIDIA acelera essa base de dados por meio de computação acelerada por GPU, redes e software de IA. Na Dell AI Data Platform with NVIDIA, tecnologias como NVIDIA RAPIDS, cuVS, unidades de processamento de dados (DPUs) NVIDIA BlueField e NVIDIA AI Enterprise podem ajudar a acelerar a preparação de dados, indexação, recuperação e implantação de aplicações de IA, mantendo os controles empresariais.
O que torna os dados empresariais prontos para IA?
Dados prontos para IA são informações que uma carga de trabalho autorizada pode encontrar, entender e usar na forma que necessita. Isso significa que os dados precisam ser confiáveis e atualizados, mas também precisam ser fáceis para a aplicação correta descobrir e acessar. Um conjunto de dados pode estar tecnicamente disponível e ainda assim ser difícil de usar se uma aplicação não conseguir determinar se ele é confiável ou apropriado para a tarefa.
Os dados prontos para IA devem ser:
- Precisos e atualizados: Confiáveis o suficiente para a carga de trabalho pretendida.
- Capazes de serem descobertos: Fáceis para aplicações autorizadas encontrarem e entenderem.
- Seguros: Acessíveis apenas para usuários e cargas de trabalho aprovados.
- Rastreáveis: Suportados por metadados e linhagem.
- Adequados para o propósito: Disponíveis em um formato que o caso de uso possa realmente utilizar.
Os dados empresariais que alimentam aplicações de IA são frequentemente não estruturados, fragmentados e mudam rapidamente, tornando a preparação mais difícil. A Dell AI Data Platform with NVIDIA enfrenta esse desafio combinando os mecanismos de dados e de armazenamento da Dell com infraestrutura acelerada pela NVIDIA e software de IA. Juntas, essas funcionalidades ajudam as organizações a descobrir, preparar e ativar dados empresariais para aplicações de IA em tempo real.
Muitas organizações ainda têm trabalho a fazer antes que seus dados possam suportar novos casos de uso de IA. A Gartner relata que 90% dos diretores de dados e análise (CDAOs) afirmam que sua arquitetura de dados atual precisa ser reformulada para suportar novos casos de uso de IA. A Dell AI Data Platform atende a esses requisitos com capacidades para descoberta, preparação, busca e pipelines governados. As equipes podem usar essas funcionalidades para transformar informações empresariais brutas em conjuntos de dados adequados para modelos e aplicações de IA.
Como as empresas podem reduzir a movimentação desnecessária de dados para cargas de trabalho de IA?
As empresas podem reduzir a movimentação desnecessária de dados processando as informações mais perto de onde elas já residem, quando a carga de trabalho permitir. Alguns dados ainda precisarão ser copiados, transformados ou transferidos, especialmente quando as aplicações combinarem várias fontes.
Antes de movimentar os dados, as equipes devem primeiro determinar se a carga de trabalho realmente necessita de uma cópia local. Também é preciso ponderar o quão atualizada a informação precisa ser em relação a quaisquer restrições sobre onde ela pode residir. Se movimentar os dados adiciona mais infraestrutura para gerenciar sem um benefício significativo de desempenho, manter o processamento mais próximo da fonte pode fazer mais sentido.
Esta não é uma estratégia geral de "nunca movimentar dados", mas uma abordagem baseada na carga de trabalho: mantenha os dados próximos à sua fonte quando a localidade, governança, atualidade ou escala forem importantes, e movimente ou copie os dados quando a carga de trabalho tiver um motivo claro para isso.
| Consideração | Continuar o processamento próximo aos dados quando... | Movimente os dados quando… |
|---|---|---|
| Privacidade ou residência | Os dados devem permanecer em um local controlado | A política permite a transferência para outro ambiente |
| Volume de dados | As transferências seriam caras ou lentas | O conjunto de dados é gerenciável para movimentar |
| Atualidade e latência | A carga de trabalho necessita de acesso atual e com baixa latência | Algum atraso é aceitável |
| Localização de computação | Recursos de processamento adequados já estão próximos | Computação especializada está disponível em outro lugar |
| Múltiplas fontes | A maior parte dos dados necessários já está local | A carga de trabalho deve combinar dados de vários locais |
À medida que os dados empresariais se espalham além dos data centers tradicionais, as organizações podem precisar processar uma maior quantidade deles mais próximo do local onde são gerados. Manter o processamento mais próximo dos dados pode reduzir transferências entre locais centralizados, ao mesmo tempo em que suporta requisitos de segurança, auditoria e soberania de dados.
As cargas de trabalho de IA também podem ser executadas onde os dados já residem. A Dell AI Data Platform with NVIDIA é a base de dados da Dell AI Factory with NVIDIA, ajudando organizações a conectar dados empresariais governados a cargas de trabalho de IA, mantendo dados, modelos e operações dentro de ambientes confiáveis. As organizações podem usar essa abordagem quando a privacidade, a localização ou o volume de dados tornam grandes transferências impraticáveis.
De acordo com a NVIDIA, as unidades de processamento de dados BlueField-3 (DPUs) aceleram o acesso entre iniciadores, controladores e alvos de armazenamento, permitindo que múltiplas GPUs compartilhem os mesmos repositórios de dados. A NVIDIA afirma que essa abordagem pode reduzir a sobrecarga da CPU à medida que as cargas de trabalho de IA aumentam.
Como as empresas podem melhorar a acessibilidade dos dados para IA mantendo a governança e o controle?
As empresas podem melhorar a acessibilidade dos dados para IA concedendo às cargas de trabalho aprovadas acesso aos dados de que precisam, ao mesmo tempo em que aplicam controles de governança. As regras existentes de propriedade e acesso ainda precisam ser aplicadas à medida que mais modelos e aplicações se conectam aos dados empresariais.
Os controles práticos de governança podem incluir:
- Controles de acesso: Limitar o acesso aos dados por função, atributo ou carga de trabalho.
- Propriedade e linhagem: Registrar quem possui os dados e como eles mudam ao longo do tempo.
- Proteção de dados sensíveis: Usar mascaramento, redação ou tokenização quando necessário.
- Regras de retenção: Definir quando os dados devem ser retidos ou excluídos.
- Monitoramento contínuo: Acompanhar a qualidade e o acesso aos dados ao longo do tempo.
Pipelines governados podem aplicar esses controles durante a preparação dos dados. A Dell AI Data Platform with NVIDIA pode indexar e preparar informações não estruturadas e conectá-las a pipelines governados para descoberta de dados e criação de conjuntos de dados. Um caminho gerenciado para preparação pode reduzir a dependência de cópias ad hoc e oferecer às equipes uma forma definida de aplicar requisitos de acesso, linhagem, qualidade e governança antes que os dados cheguem a uma carga de trabalho de IA.
A infraestrutura acelerada pela NVIDIA e o software de IA contribuem com controles de segurança para a solução integrada, incluindo aplicação de políticas, isolamento e criptografia para dados em repouso e em trânsito. Esses controles complementam as capacidades de armazenamento, resiliência cibernética, acesso e governança da Dell.
A governança também depende de saber quem é o proprietário dos dados, quem pode usá-los e como eles são gerenciados ao longo do tempo. Como parte do seu desenvolvimento do perfil de governança e gestão de dados, o Instituto Nacional de Padrões e Tecnologia (NIST) enfatiza a gestão de acesso e a manutenção da qualidade dos dados. O instituto também exige metadados suficientes para mostrar de onde os dados vieram e como eles mudaram ao longo do tempo. A propriedade clara e regras de acesso consistentes oferecem às equipes uma forma de disponibilizar dados para aplicações de IA sem perder o controle sobre como eles são utilizados.
Como os pipelines de dados e a orquestração ajudam as empresas a escalar a IA?
Os pipelines de dados e a orquestração ajudam as empresas a escalar a IA tornando a preparação e a entrega repetíveis. A Gartner recomenda preparar pipelines de dados tanto para conjuntos de dados de treinamento de modelos quanto para fluxos de dados em tempo real para sistemas de IA em produção.
Os pipelines de dados lidam com o trabalho recorrente de preparação, enquanto a orquestração de dados coordena quando esses pipelines são executados e como as informações se movimentam entre as etapas. A orquestração também pode gerenciar o agendamento, as tentativas e as dependências de tarefas enquanto acompanha como os dados se movimentam pelo pipeline. Juntos, eles oferecem às equipes um processo mais consistente para aplicar validação e governança conforme novas cargas de trabalho de IA entram em produção.
A Dell AI Data Platform with NVIDIA pode indexar bilhões de arquivos não estruturados e conectá-los em pipelines governados, acelerando a descoberta de dados e a criação de conjuntos de dados. Os serviços de dados da Dell Technologies abordam a preparação de dados e a complexidade operacional à medida que os projetos de IA avançam de pilotos para produção.
Mais de 6.500 clientes estavam implementando o Dell AI Factory em agosto de 2026, com base em análise da Dell dos dados de pedidos dos clientes. A Dell AI Factory with NVIDIA suporta cargas de trabalho de IA desde o treinamento até a implantação, combinando a infraestrutura e os serviços da Dell com a computação acelerada e o software de IA da NVIDIA. Uma estratégia sólida de dados para IA empresarial começa com uma pergunta simples: Onde cada carga de trabalho deve acessar e processar os dados de que precisa? Responder bem a essa pergunta pode reduzir movimentações desnecessárias, ao mesmo tempo em que oferece às empresas mais controle conforme os projetos de IA se expandem.