در حالی که تمرکز اکثر سازمان‌ها بر روی قدرت پردازشی (Compute) و انتخاب مدل‌های زبانی بزرگ (LLM) است، یک چالش زیرساختی پنهان در حال شکل‌گیری است: عملکرد شبکه. با گسترش استفاده از هوش مصنوعی مولد (Generative AI) و مدل‌های عامل‌محور (Agentic AI) در محیط‌های چند-ابری (Multi-cloud)، تأخیر در شبکه (Latency) به عامل تعیین‌کننده در موفقیت یا شکست این پروژه‌ها تبدیل شده است.
مالیات پنهان بهره‌وری در اتصال ابری
بسیاری از سازمان‌ها اکنون از محیط‌های ابری توزیع شده در مناطق جغرافیایی مختلف استفاده می‌کنند. زمانی که یک درخواست AI نیاز به دسترسی به داده‌ها در یک محیط ابری، پردازش در محیطی دیگر و ارائه خروجی در پلتفرمی مجزا داشته باشد، هر گام شبکه (Network Hop) باعث افزایش زمان پاسخ‌دهی می‌شود. این تأخیرها در مقیاس میلیون‌ها درخواست، منجر به کاهش شدید بهره‌وری می‌شود.
گزارش‌های اخیر نشان می‌دهد که تیم‌های IT به طور متوسط 11.5 ساعت در هفته را صرف رفع مشکلات اتصال ابری (Cloud Connectivity) می‌کنند. این موضوع باعث می‌شود نرخ بازگشت سرمایه (ROI) برای ابتکارات AI پایین به نظر برسد، زیرا بخشی از مزایای بهره‌وری پیش از آنکه مدل بتواند خروجی دهد، در مسیر شبکه تلف می‌شود.
تضاد بین اعتماد استراتژیک و واقعیت عملیاتی
یک نکته قابل توجه، شکاف میان دیدگاه مدیران و واقعیت‌های عملیاتی است. در حالی که تیم‌های فنی ساعت‌ها وقت خود را صرف عیب‌یابی شبکه می‌کنند، حدود 96٪ از سازمان‌ها تصور می‌کنند شبکه‌هایشان برای پشتیبانی از پروژه‌های آینده AI «آماده» است. این عدم تطابق نشان می‌دهد که زیرساخت‌های شبکه اغلب نادیده گرفته شده و تنها پس از بروز اختلال در اپلیکیشن، مورد توجه قرار می‌گیرند.
راهکار: گذار از اینترنت عمومی به اتصالات مستقیم
برای کاهش تأخیر و افزایش امنیت، سازمان‌ها در حال تغییر رویکرد از مسیرهای غیرقابل پیش‌بینی اینترنت عمومی به سمت اتصالات مستقیم (Direct Connectivity) هستند. استفاده از Cloud Exchange یا راهکارهای اتصال خصوصی ارائه‌دهندگان ابری مزایای زیر را دارد:
- کاهش Latency: حذف گام‌های اضافی شبکه و مسیرهای شلوغ.
- افزایش امنیت: کاهش سطح حمله در برابر حملات DDoS و نشت داده‌ها.
- کنترل بیشتر: قابلیت مشاهده (Observability) بهتر بر مسیر حرکت ترافیک و شناسایی نقاط گلوگاه.
نتیجه‌گیری برای مدیران ارشد امنیت و IT
عملکرد AI و عملکرد شبکه جدایی‌ناپذیر هستند. برای اینکه هوش مصنوعی در سطح سازمانی به نتیجه برسد، مدیران CIO و CISO باید تیم‌های شبکه را از ابتدای برنامه‌ریزی AI وارد چرخه کنند. زیرساخت شبکه باید با همان دقتی که برای انتخاب مدل AI یا ظرفیت Compute در نظر گرفته می‌شود، تحلیل و بهینه‌سازی شود تا مانعی در مسیر تحول دیجیتال ایجاد نکند.
