ทำไมองค์กรส่วนใหญ่ไม่พร้อมรับระลอกข้อมูลจาก AI และควรออกแบบระบบจัดเก็บอย่างไร

คลื่นข้อมูลจาก AI คืออะไร และทำไมถึงกลายเป็นวิกฤตโครงสร้างพื้นฐาน

คลื่นข้อมูลจาก AI คือภาวะที่ปริมาณข้อมูลในองค์กรเพิ่มขึ้นจากการใช้งาน AI และ Generative AI ทั้งข้อมูลที่ป้อนเข้าโมเดล ข้อมูลที่ AI สร้างขึ้นใหม่ และล็อกการทำงานของระบบ ซึ่งไม่เพียงเพิ่มขึ้นในช่วงประมวลผล แต่ยังถูกจัดเก็บยาวนานและถูกเรียกใช้อีกหลายรอบ ทำให้ต้องมีระบบจัดเก็บข้อมูล AI ที่รองรับทั้งความจุ ความเร็วในการเข้าถึง และต้นทุนการจัดเก็บตลอดวงจรชีวิตข้อมูลอย่างรอบด้าน

ประเด็นคือ องค์กรส่วนใหญ่ลงทุนกับพลังประมวลผลมากกว่าโครงสร้างพื้นฐานข้อมูล ทั้งที่รายงานไวท์เปเปอร์จากไอดีซีระบุชัดว่าการขยายตัวของ AI ทำให้ความต้องการจัดเก็บข้อมูลเพิ่มขึ้นอย่างเป็นโครงสร้าง งานวิจัยเดียวกันพบว่า 94.7% ขององค์กรมีปริมาณข้อมูลเพิ่มขึ้นในช่วง 12 เดือนที่ผ่านมาเพราะการนำ AI และ Generative AI มาใช้ การมองข้ามโครงสร้างพื้นฐานข้อมูลจึงไม่ใช่แค่จุดอ่อนเชิงเทคนิค แต่คือข้อจำกัดทางธุรกิจ เพราะเมื่อข้อมูลไหลไม่ทัน AI ก็สร้างมูลค่าได้ไม่เต็มที่

ตัวเลขไม่โกหก เมื่อข้อมูลโตเร็วกว่าระบบจัดเก็บจะรับไหว

AI ไม่ได้แค่เพิ่มงานให้ทีมไอที แต่กำลังพลิกสมการข้อมูลทั้งองค์กร งานของไอดีซีชี้ว่า 61% ขององค์กรมีปริมาณข้อมูลเพิ่มขึ้นอย่างน้อย 25% ในรอบปีที่ผ่านมาเพราะการใช้งาน AI และ 74% คาดว่าข้อมูลจะเพิ่มขึ้นอย่างน้อย 25% อีกภายในสามปีข้างหน้า ขณะที่ในระดับ Data Lake ถึง 85.4% รายงานว่ามีข้อมูลเพิ่มขึ้น และกว่า 59.4% โยนเหตุผลไปที่ข้อมูลที่สร้างจาก AI เช่น ข้อมูลสังเคราะห์ ผลลัพธ์การประมวลผล และบันทึกโมเดล

ในอีกด้านหนึ่ง รายงาน Data Infrastructure Readiness ของซีเกทสะท้อนว่า 99% ขององค์กรคาดว่า AI จะผลักดันความต้องการจัดเก็บข้อมูลให้เพิ่มขึ้นในสามปีข้างหน้า แต่มีเพียง 38% ที่เชื่อว่าตัวเองพร้อมรองรับความต้องการนี้อย่างเต็มที่ ข้อมูลชุดนี้พูดแทนทุกอย่าง องค์กรกำลังเร่งเปิดเทคโนโลยี AI โดยที่โครงสร้างพื้นฐานข้อมูลยังไม่พร้อม ความเสี่ยงจึงไม่ใช่แค่ระบบล่ม แต่คือโอกาสทางธุรกิจที่หายไปแบบน่าเสียดาย

ข้อมูลเก่าไม่ตาย แต่กลับมาเป็นเชื้อเพลิงใหม่ให้ AI

เมื่อก่อนข้อมูลเก่าถูกผลักลงชั้นล่างสุดของระบบจัดเก็บ กลายเป็นเพียงภาระ วันนี้ AI ทำให้สมมติฐานนั้นพังเกือบหมด องค์กรเกือบ 95% ระบุว่ามูลค่าของข้อมูลเพิ่มขึ้นหลังนำ AI และ Generative AI มาใช้ และ 74.3% บอกว่าทำให้ต้องเก็บข้อมูลยาวนานขึ้น ที่สำคัญ 75.9% เห็นว่ามีการนำ Cold-tier Data หรือข้อมูลที่เก็บระยะยาวและไม่ค่อยถูกเรียกใช้งานกลับมาออนไลน์เพื่อรองรับงาน AI มากขึ้น

เส้นแบ่งระหว่างข้อมูลร้อนกับข้อมูลเย็นจึงเลือนลงอย่างชัดเจน ข้อมูลประวัติย้อนหลังที่เคยถูกมองว่าไม่จำเป็น กลับกลายเป็นวัตถุดิบสำคัญสำหรับการเทรน ปรับแต่ง และประเมินโมเดล AI รวมถึงงาน Retrieval-Augmented Generation ที่ต้องดึงข้อมูลเก่ามารวมกับคำตอบใหม่ งานวิจัยยังระบุว่า 96% ขององค์กรคาดว่าจะต้องเรียกคืนข้อมูลจากระบบจัดเก็บถาวรได้เร็วขึ้นเพื่อรองรับ AI Inference และ RAG นั่นหมายความว่าแนวคิดการเก็บข้อมูลแบบแยกชั้นแล้วทิ้งให้เย็นนิ่งนานหลายปี ไม่สอดคล้องกับความต้องการในยุค AI อีกต่อไป

โครงสร้างพื้นฐานข้อมูลกลายเป็นยุทธศาสตร์ ไม่ใช่แค่ระบบเบื้องหลัง

เมื่อ AI เริ่มให้ผลตอบแทนเป็นรูปธรรม มุมมองต่อโครงสร้างพื้นฐานข้อมูลก็เปลี่ยนทันที การศึกษาที่อ้างถึงในรายงานของซีเกทพบว่า เกือบ 9 ใน 10 องค์กร หรือ 86% รายงานว่าได้รับผลตอบแทนจากการลงทุนด้าน AI ในระดับปานกลางถึงสูง และหนึ่งในสามบอกว่าวัดผลได้อย่างมีนัยสำคัญ ขณะเดียวกัน 98% ขององค์กรเชื่อว่า AI กำลังยกระดับบทบาทของระบบจัดเก็บข้อมูลให้กลายเป็นโครงสร้างพื้นฐานเชิงกลยุทธ์สำหรับธุรกิจ

ตัวเลขเหล่านี้สะท้อนชัดว่า ใครที่ยังมองระบบจัดเก็บเป็นแค่คลังไฟล์กำลังเดินเกมผิด เพราะเมื่อข้อมูลถูกยกระดับเป็นสินทรัพย์ระยะยาว การวางโครงสร้างพื้นฐานข้อมูลไม่ใช่แค่การซื้อความจุเพิ่ม แต่คือการวางรากฐานธุรกิจ AI ในระยะยาว รายงานเดียวกันยังชี้ว่าคุณภาพและความพร้อมของข้อมูล รวมถึงโครงสร้างพื้นฐานการจัดเก็บ คืออุปสรรคหลักในการขยายการใช้งาน AI ในองค์กร มากกว่าปัญหาทรัพยากรประมวลผลหรือข้อจำกัดด้านพลังงาน แปลว่าองค์กรกำลังติดคอขวดที่ชั้นข้อมูลมากกว่าชั้นคอมพิวต์

จากต้นทุนสตอเรจสู่กลยุทธ์ข้อมูล: ทางออกที่องค์กรควรเริ่มลงมือ

เมื่อปริมาณข้อมูลเพิ่มขึ้นต่อเนื่อง ระบบจัดเก็บข้อมูล AI ที่เน้นแต่ประสิทธิภาพแบบเดียวไม่ตอบโจทย์อีกต่อไป จำเป็นต้องคิดใหม่ทั้งเรื่องโครงสร้างพื้นฐานข้อมูล การเข้าถึงข้อมูล และต้นทุนการจัดเก็บตลอดวงจรชีวิตข้อมูล รายงานของไอดีซีเตือนว่า AI ทำให้ข้อมูลถูกจัดเก็บสะสมต่อเนื่อง ต่างจากทรัพยากรประมวลผลที่ขึ้นลงตามรอบการลงทุน หากยังขยายระบบแบบเดิม องค์กรจะเจอต้นทุนการจัดเก็บที่บานปลายและการกู้คืนข้อมูลที่ล่าช้า

ในอีกด้านหนึ่ง รายงานของซีเกทเสนอแนวคิดการเติบโตอย่างยั่งยืนหรือ Sustainable Scaling ซึ่งหมายถึงการวางแผนโครงสร้างพื้นฐานให้รองรับปริมาณข้อมูลสำหรับ AI ที่เพิ่มขึ้น พร้อมเพิ่มประสิทธิภาพการทำงานและสร้างคุณค่าจากข้อมูลในระยะยาว ในทางปฏิบัติ การออกแบบสถาปัตยกรรมหลายชั้นผสมผสานสื่อจัดเก็บที่ต่างกัน การกำหนดนโยบายจัดชั้นข้อมูล และการออกแบบเส้นทางเข้าถึงข้อมูลอย่างสมดุลระหว่างความเร็วกับต้นทุน คือหัวใจของการควบคุมต้นทุนการจัดเก็บและลดความเสี่ยงจากการฟื้นคืนข้อมูลช้า ในยุคที่ข้อมูลขนาดใหญ่กลายเป็นเชื้อเพลิงหลักของ AI