Nhiều tổ chức đang cố gắng cập nhật cơ sở hạ tầng để cải thiện hiệu quả và quản lý chi phí ngày càng tăng. Tuy nhiên, con đường này hiếm khi đơn giản. Các thiết lập lai, hệ thống cũ và những yêu cầu mới từ AI trong doanh nghiệp thường tạo ra sự đánh đổi cho các đội ngũ IT.

Những động thái gần đây của Microsoft và một số nhà cung cấp nền tảng dữ liệu và lưu trữ cho thấy cách các doanh nghiệp đang cố gắng giải quyết những vấn đề này, cũng như những gì các công ty khác có thể học hỏi từ họ khi lên kế hoạch cho chiến lược AI doanh nghiệp của riêng mình.

Hiện đại hóa thường đình trệ khi chi phí tăng cao

Nhiều doanh nghiệp muốn có sự linh hoạt của điện toán đám mây nhưng vẫn phụ thuộc vào các hệ thống được xây dựng trên máy ảo và quy trình nội bộ đã có từ nhiều năm. Một vấn đề phổ biến là các ứng dụng cũ không bao giờ được xây dựng cho đám mây. Việc viết lại chúng có thể tốn thời gian và tạo ra rủi ro mới. Nhưng một động thái “nâng và chuyển” (lift and shift) đơn giản thường dẫn đến hóa đơn cao hơn, đặc biệt khi các đội ngũ không thay đổi cách các khối lượng công việc hoạt động.

Một số nhà cung cấp đang cố gắng giải quyết vấn đề này bằng cách đưa ra các cách di chuyển máy ảo lên Azure mà không cần thay đổi lớn. Những người dùng ban đầu cho biết điểm hấp dẫn là cơ hội kiểm tra việc di chuyển lên đám mây mà không cần chỉnh sửa lại ứng dụng ngay từ đầu. Đối với một số người, việc thử nghiệm sớm này gắn liền với việc chuẩn bị các hệ thống sẽ hỗ trợ khối lượng công việc AI doanh nghiệp sau này.

Họ cũng chỉ ra chi phí lưu trữ thấp hơn khi được quản lý thông qua các công cụ riêng của Azure, điều này giúp việc di chuyển trở nên dễ dự đoán. Bài học quan trọng cho các công ty khác là tìm kiếm các lộ trình di chuyển phù hợp với hoạt động hiện có của họ thay vì buộc phải xây dựng lại hoàn toàn ngay từ đầu.

Bảo vệ và kiểm soát dữ liệu vẫn là mối quan tâm hàng đầu trong môi trường lai

Nguy cơ mất dữ liệu hoặc sự cố ngừng hoạt động kéo dài vẫn khiến nhiều lãnh đạo thận trọng với các kế hoạch hiện đại hóa lớn. Một số tổ chức hiện đang xây dựng các hệ thống phục hồi mạnh mẽ hơn tại chỗ, ở biên (edge) và trên đám mây. Kế hoạch tiêu chuẩn hiện bao gồm các tính năng như ảnh chụp nhanh bất biến (immutable snapshots), sao chép và khả năng hiển thị tốt hơn về dữ liệu bị xâm phạm.

Một sự tích hợp gần đây giữa Microsoft Azure và một số hệ thống lưu trữ nhằm cung cấp cho các công ty một cách quản lý dữ liệu trong phần cứng tại chỗ và các dịch vụ Azure. Sự quan tâm đã tăng lên trong số các tổ chức cần lưu trữ dữ liệu cục bộ hoặc tuân thủ các quy tắc nghiêm ngặt. Các thiết lập này cho phép họ giữ dữ liệu nhạy cảm trong nước trong khi vẫn làm việc với các công cụ Azure, điều này ngày càng quan trọng khi các ứng dụng AI doanh nghiệp phụ thuộc vào dữ liệu đáng tin cậy và được quản lý tốt.

Đối với các doanh nghiệp đối mặt với áp lực tương tự, điểm mấu chốt là các mô hình lai có thể hỗ trợ các nhu cầu tuân thủ khi lớp kiểm soát được hợp nhất.

Chuẩn bị cho AI thường đòi hỏi nền tảng dữ liệu vững chắc hơn, không phải xây dựng lại hoàn toàn

Nhiều công ty muốn hỗ trợ các dự án AI nhưng không muốn đại tu toàn bộ cơ sở hạ tầng của họ. SQL Server 2025 của Microsoft bổ sung các tính năng cơ sở dữ liệu vector cho phép các đội ngũ xây dựng các ứng dụng dựa trên AI mà không cần chuyển đổi nền tảng. Một số doanh nghiệp đã kết hợp SQL Server với các mảng lưu trữ hiệu suất cao để cải thiện thông lượng và giảm kích thước của các tập dữ liệu liên quan đến AI. Những cải tiến này đang trở thành một phần của kế hoạch AI doanh nghiệp rộng lớn hơn.

Các đội ngũ làm việc với các thiết lập này cho biết điểm thu hút là cơ hội chạy các khối lượng công việc AI ban đầu mà không cần cam kết với một ngăn xếp (stack) mới. Họ cũng báo cáo rằng hiệu suất dễ dự đoán hơn giúp họ mở rộng quy mô khi các đội ngũ bắt đầu đào tạo hoặc thử nghiệm các mô hình mới. Bài học lớn hơn là việc sẵn sàng cho AI thường bắt đầu bằng cách cải thiện các hệ thống đã chứa dữ liệu kinh doanh thay vì áp dụng một nền tảng riêng biệt.

Quản lý Kubernetes cùng với các hệ thống cũ hơn mang lại sự phức tạp mới

Nhiều doanh nghiệp hiện đang vận hành kết hợp các container và máy ảo. Việc giữ cả hai đồng bộ có thể gây áp lực lên các đội ngũ, đặc biệt khi khối lượng công việc chạy trên nhiều hơn một đám mây. Một số công ty đang chuyển sang các công cụ quản lý dữ liệu hợp nhất cho phép môi trường Kubernetes tồn tại song song với các ứng dụng cũ.

Một ví dụ là việc sử dụng ngày càng nhiều Portworx với Azure Kubernetes Service và Azure Red Hat OpenShift. Một số đội ngũ sử dụng nó để di chuyển máy ảo (VM) vào Kubernetes thông qua KubeVirt trong khi vẫn duy trì các quy trình làm việc quen thuộc để tự động hóa. Cách tiếp cận này nhằm giảm thiểu việc cấp phát quá mức và giúp việc lập kế hoạch dung lượng dễ dàng hơn. Đối với những người khác, đây là một phần của nỗ lực rộng lớn hơn nhằm chuẩn bị cơ sở hạ tầng của họ để hỗ trợ các sáng kiến AI doanh nghiệp. Nó cũng mang lại cho các công ty một con đường chậm hơn, an toàn hơn để áp dụng container. Bài học rộng hơn là các chiến lược container lai hoạt động tốt nhất khi chúng tôn trọng các kỹ năng hiện có thay vì buộc phải thay đổi đột ngột.

Một con đường rõ ràng hơn đang mở ra cho các công ty lên kế hoạch hiện đại hóa

Xuyên suốt các ví dụ này, một chủ đề chung nổi bật: hầu hết các doanh nghiệp không cố gắng xây dựng lại mọi thứ cùng một lúc. Họ muốn có các kế hoạch di chuyển dễ dự đoán, bảo vệ dữ liệu mạnh mẽ hơn và các cách thức thực tế để hỗ trợ các dự án AI ban đầu. Các công cụ và quan hệ đối tác hiện đang hình thành xung quanh Azure cho thấy rằng hiện đại hóa đang ít chú trọng đến việc thay thế hệ thống mà tập trung nhiều hơn vào việc cải thiện những gì đã có sẵn.

Các công ty tiếp cận hiện đại hóa bằng những bước nhỏ, đều đặn – trong khi vẫn cân nhắc chi phí, bảo mật và nhu cầu dữ liệu – có thể thấy dễ dàng hơn để tiến lên mà không phải đối mặt với rủi ro không cần thiết.