Kendali Data Dapat Maksimalkan Potensi AI Bagi Bisnis

Di era kecerdasan buatan (AI), data menjadi aset paling penting untuk memperoleh wawasan, mendorong otomatisasi, dan menciptakan keunggulan kompetitif bagi perusahaan. Namun, banyak organisasi kesulitan memanfaatkan potensi penuh AI karena data mereka tersebar dan sulit diakses di berbagai lingkungan, baik on-premises maupun cloud. Situasi ini menciptakan kebutuhan mendesak akan arsitektur terpadu yang dapat menyederhanakan alur kerja dan memastikan kendali data secara menyeluruh.

Pure Storage memperkenalkan peningkatan signifikan pada Pure Storage Platform yang berpusat pada arsitektur Enterprise Data Cloud untuk perusahaan agar dapat memaksimalkan potensi AI. Platform ini bertujuan untuk memudahkan organisasi memanfaatkan sepenuhnya penawaran AI dengan menyatukan arsitektur dan model operasi. Tujuannya adalah memberikan kendali data end to end yang sebenarnya, otomatisasi, dan ketahanan siber di semua lingkungan.

Rob Lee, Chief Technology Officer Pure Storage, mengatakan, “Di AI saat ini, akses terhadap data adalah segalanya. Mengelola data Anda, bukan hanya menyimpannya, merupakan fondasi baru untuk kesiapan AI dari cloud hingga core hingga edge. Kesuksesan bergantung pada keamanan data di mana pun, dan akses yang mudah di mana saja, dengan pengalaman yang terpadu dan konsisten secara real-time, dalam skala besar, di seluruh beban kerja.”

Salah satu fungsi utama platform ini adalah mobilitas data, ketangkasan, dan konsistensi di seluruh infrastruktur terdistribusi. Pure Storage kini menawarkan perluasan besar dari Enterprise Data Cloud ke public cloud melalui Pure Storage Cloud. Bagi pemimpin IT yang mengelola infrastruktur hybrid cloud, Pure Storage Cloud menyatukan data sehingga selalu tersedia di tempat yang dibutuhkan, memberdayakan inovasi baru, dan sepenuhnya dapat diakses di cloud agar alat AI dapat memanfaatkan data untuk pelatihan.

Yang terbaru adalah Pure Storage Cloud Azure Native. Melalui program Azure Native Integrations, Pure Storage menghadirkan layanan yang dirancang untuk Azure VMware Solution. Fungsi ini memungkinkan pelanggan mengurangi overhead, bermigrasi dengan mulus tanpa refactoring, dan memisahkan penyimpanan dari komputasi. Layanan ini tersedia sebagai layanan native Azure yang dikelola sepenuhnya dengan ketahanan dan efisiensi tingkat perusahaan.

Control Plane Cerdas Dari Pure Storage

Untuk mengatasi kendali data, Pure Storage meningkatkan control plane yang cerdas lapisan kendali terpadu yang mengotomatiskan bagaimana data disiapkan, dilindungi, dan diatur di seluruh kepemilikan data.

  • Integrasi Portworx by Pure Storage dengan Pure Fusion : berfungsi menjembatani kesenjangan antara aplikasi tradisional dan modern. Integrasi ini memungkinkan perusahaan mempertahankan platform terpadu tunggal untuk manajemen data dan penyimpanan semua beban kerja, termasuk aplikasi cloud-native terkontainerisasi dan VM berbasis Kubevirt.
  • Perluasan Pure1 AI Copilot : menggabungkan kekuatan dasbor dengan kesederhanaan percakapan untuk membuat sistem penyimpanan lebih mudah dikelola. Yang terbaru adalah Portworx Pure1 AI Copilot (tersedia umum) yang memungkinkan pengguna menanyakan cluster Portworx dan memantau cluster Kubernetes melalui agen AI di antarmuka Copilot.

Selain itu, Pure1 AI Copilot Integration with Model Context Protocol (MCP) Servers memungkinkan tim IT memecahkan masalah, melakukan provisioning, atau mengoptimalkan tanpa keahlian teknis mendalam. AI Copilot beroperasi sebagai server dan client MCP, menciptakan lapisan kecerdasan sadar konteks yang dapat mencari pola kesalahan, merangkum temuan, dan menyarankan opsi remediasi melalui bahasa percakapan.

Untuk menjadikan beban kerja AI bekerja lebih baik, Pure Storage meningkatkan efisiensi sambil meningkatkan kinerja. Pure Key Value Accelerator Integration with NVIDIA Dynamo for AI Inference berfungsi mempercepat beban kerja AI inference dan mengurangi overhead komputasi. Inovasi lainnya adalah Purity Deep Reduce, yang menggunakan pengenalan pola canggih untuk meningkatkan efisiensi dan menghasilkan rasio reduksi data yang tinggi tanpa mengorbankan kinerja secara signifikan.