Uso da IA em ambientes de nuvem híbrida: benefícios e casos de uso

Os ambientes de nuvem híbrida oferecem às empresas o melhor dos dois mundos, combinando recursos on-premise e de nuvem para oferecer flexibilidade e escalabilidade. As organizações podem melhorar ainda mais a estratégia de nuvem híbrida com Inteligência Artificial (IA) e Machine Learning (ML).

Os modelos de IA e ML ajudam as equipes a tomar decisões melhores porque oferecem insights, otimizam recursos e melhoram o desempenho das aplicações. Grandes modelos de linguagem (LLMs) podem ajudar a automatizar fluxos de trabalho e diminuir a necessidade de trabalho manual. Os modelos preditivos podem analisar padrões de uso para reduzir os custos da nuvem e alocar recursos com mais eficiência. Vamos explorar como as equipes podem usar IA/ML para aproveitar ao máximo os ambientes de nuvem híbrida. 

Alocação automatizada de recursos

A alocação e a otimização de recursos são essenciais em ambientes de nuvem híbrida. Ao automatizar e otimizar os recursos de IA/ML, as empresas podem maximizar os recursos e manter os custos baixos. A análise preditiva também pode analisar dados históricos e padrões de uso para antecipar automaticamente as necessidades de recursos e escalar recursos on-premise e de nuvem. A IA/ML pode distribuir cargas de trabalho em nuvens híbridas para que elas sejam executadas nos locais mais econômicos e eficientes com base na latência, custo e disponibilidade.

As organizações também podem economizar ajustando dinamicamente a alocação de recursos com base na demanda e em análises preditivas, mantendo a alta disponibilidade dos serviços e o desempenho das aplicações.

Segurança reforçada 

O monitoramento de segurança com tecnologia de IA ajuda as organizações a identificar mais rapidamente ciberameaças conhecidas em ambientes complexos de nuvem híbrida. Com a detecção de ameaças orientada por IA e ML, as empresas podem analisar com mais eficiência os logs de segurança e o tráfego de rede em tempo real, aumentando a probabilidade de detectar e responder a possíveis ataques antes que eles causem danos. Os algoritmos de detecção de anomalias adicionam outra camada de proteção ao identificar atividades incomuns e sinalizar possíveis violações antecipadamente, melhorando a postura geral de segurança da sua infraestrutura de nuvem híbrida.

Ao analisar conjuntos de dados e identificar padrões, os algoritmos de IA podem ajudar a mitigar ameaças emergentes que as medidas de segurança tradicionais podem não detectar.

Desenvolvimento e implantação de aplicativos simplificados

As ferramentas com tecnologia de IA podem acelerar o desenvolvimento e a implantação de aplicações, auxiliando as equipes a lançar produtos ao mercado com mais rapidez e reduzindo os erros humanos. O machine learning também pode aumentar os recursos da equipe de desenvolvedores por meio da otimização do código, detecção de bugs e até mesmo sugestão de melhorias na arquitetura de aplicações executadas em ambientes de nuvem híbrida. Tudo isso aumenta a produtividade e a eficiência.

Grandes modelos de linguagem do RHEL AI e do Granite

O Red Hat Enterprise Linux AI (RHEL AI) inclui um subconjunto dos modelos open source de linguagem e código Granite. Os modelos da família Granite são uma série de LLMs desenvolvidos pela IBM para capacitar aplicações de IA para empresas. Eles são projetados para oferecer suporte a casos de uso de IA generativa (gen AI) que envolvem linguagem e código, como geração de texto, conclusão de código e tradução de código. Como parte do RHEL AI, esses modelos oferecem às organizações soluções com otimização de custo e desempenho para vários casos de uso de IA, além de oferecer suporte técnico de nível empresarial da Red Hat e nossa Open Source Assurance.

Caso de uso de desenvolvimento de aplicações: refatoração de código com modelos de código do Granite

Veja um caso de uso que demonstra como os LLMs da Red Hat podem ajudar a migrar aplicações para a nuvem pública. Uma empresa pode aproveitar um modelo do Granite para refatorar um aplicativo ou plataforma legada para melhorar o desempenho, a escalabilidade e a capacidade de manutenção. Além disso, mover uma plataforma para um ambiente de nuvem pode aumentar sua resiliência e torná-la mais responsiva.

Neste exemplo, uma grande instituição financeira tem uma plataforma de análise de riscos que avalia os portfólios dos clientes quanto à conformidade, detecção de fraudes e risco de crédito. No entanto, a aplicação é baseada em uma arquitetura desatualizada, dificultando a escalabilidade à medida que o volume de dados aumenta, é cara de manter devido às dependências legadas e demora para processar avaliações de risco em tempo real. Líderes de negócios querem migrar a plataforma de avaliação de risco para a AWS e, dada a importância dessa plataforma de risco para suas operações de negócios, sua abordagem exige uma migração de refatoração.

O que é refatoração?

Refatoração é o processo de execução de aplicações na infraestrutura de um provedor de nuvem, exigindo a rearquitetura dos aplicativos para melhor adequá-los ao ambiente de nuvem. Essa abordagem envolve modificar uma grande parte da base de códigos em aplicativos existentes para aproveitar os recursos baseados em nuvem e sua flexibilidade extra. No entanto, uma migração de refatoração é mais complexa e exige muitos recursos do que outras abordagens de migração para a nuvem, pois nenhuma alteração na base de código pode afetar o comportamento externo do aplicativo.

Uma solução open source

As equipes de desenvolvedores podem integrar modelos do Granite em seu ambiente de desenvolvimento para fornecer assistência de codificação de IA. Em conjunto com um assistente de código de IA open source, os desenvolvedores de aplicativos podem adotar modelos de código do Granite para ajudar em uma migração de refatoração. Esses modelos podem ser executados localmente usando ferramentas como Ollama ou InstructLab enquanto as equipes trabalham para modernizar suas aplicações para ambientes de nuvem. 

Uma vez configurado, os desenvolvedores simplesmente selecionam o código que precisa ser melhorado para ver as sugestões do modelo do Granite. Ele tenta modernizar a sintaxe, extrair métodos, renomear variáveis e muito mais. Esse método ajuda a acelerar o desenvolvimento enquanto mantém a experiência humana em primeiro lugar, com a equipe de desenvolvedores revisando e aceitando todas as alterações de código sugeridas.

Uma vantagem disso é que os desenvolvedores podem usar essas ferramentas de IA localmente sem comprometer informações confidenciais. Essa abordagem híbrida também torna a codificação mais eficiente, e a natureza open source dos modelos do Granite oferece transparência para os stakeholders. Consulte "Assistência de codificação de IA open source com os modelos do Granite" para obter detalhes sobre como configurar um assistente de codificação de IA usando modelos locais do local para ajudar com migrações de refatoração, conclusão de código, documentação contextual e depuração.

Benefícios

As organizações podem aprimorar as implantações de nuvem híbrida incorporando a inteligência artificial ao ambiente de desenvolvimento. Neste caso específico, os benefícios incluíram:

• Implantação mais rápida de aplicações em uma nuvem pública.
• Aumento da eficiência da equipe por meio da redução dos custos indiretos operacionais.
• Tempos de resposta acelerados por meio da automação.
• Riscos reduzidos ao minimizar os erros humanos.
• Implantações mais consistentes.

Por fim, a inteligência artificial melhora a economia em ambientes de nuvem híbrida ao otimizar a alocação de recursos e ajudar a identificar outras oportunidades de economia.

Visite o Red Hat Developer Hub

No Red Hat Developer Hub, oferecemos recursos online para desenvolvedores interessados em criar aplicações empresariais de IA. Você pode até mesmo fazer o download de imagens pré-criadas e inicializáveis do RHEL AI, incluindo a família de LLMs open source Granite sobre a qual falamos aqui.