IBM-ի եռամսյակային արդյունքների վերջին անկայունությունը ցնցումներ է առաջացրել կառավարման օղակներում՝ հրատապ քննարկումների առիթ տալով այն մասին, թե ինչպես են կապիտալ ներդրումների առաջնահերթությունները ներկայումս վերաձևում ձեռնարկությունների տեխնոլոգիական լանդշաֆտը։ Երբ տեխնոլոգիական ոլորտի հինգավուրց հսկան հայտնվում է բաժնետոմսերի գնի անկման մեջ՝ մենաշնորհային (mainframe) համակարգերի վաճառքի անբավարար ցուցանիշների պատճառով, առաջին ռեֆլեքսը հաճախ հաստատված ենթակառուցվածքների «մահվան» մասին հայտարարելն է։ Այնուամենայնիվ, ավելի խորը վերլուծությունը բացահայտում է ավելի բարդ իրականություն. մենք ականատես ենք լինում կորպորատիվ բյուջեների զանգվածային և ժամանակավոր վերաբաշխմանը, այլ ոչ թե հիմնարար համակարգերի անհրաժեշտության նվազմանը։

Բիզնեսի ղեկավարների համար գեներատիվ արհեստական բանականության (AI) ուղղությամբ ընթացիկ շրջադարձը պարզապես միտում չէ, այն կապիտալի խորքային տեղաշարժ է։ Երբ ֆինանսական տնօրենը (CFO) վերանայում է ֆինանսական տարվա ՏՏ ծախսերը, նա գնալով ավելի շատ միջոցներ է տեղափոխում այն բյուջեներից, որոնք նախկինում նախատեսված էին սարքավորումների թարմացման համար (օրինակ՝ z16 mainframe),՝ դրանք ուղղելով Լեզվական մեծ մոդելների (LLMs) և GPU-ների վրա հիմնված ենթակառուցվածքների ագրեսիվ ինտեգրմանը։ Սա չի նշանակում, որ մենաշնորհային համակարգերը կորցրել են իրենց արդյունավետությունը, այլ այն, որ թվային փոխակերպման հրատապությունը «գործարքների հուսալիությունից» տեղափոխվել է դեպի «գեներատիվ կարողություններ»։

Բյուջետային քաշքշուկ. Սարքավորումներ ընդդեմ ինտելեկտի

Հասկանալու համար, թե ինչու են ավանդական բարձրակարգ սերվերների վաճառքները հայտնվել «սառեցման» փուլում, պետք է դիտարկել, թե ինչպես են կառուցված ձեռնարկությունների բյուջեները։ Շատ կորպորացիաներ գործում են սահմանափակ «տեխնոլոգիական դրամապանակով»։ Վերջին տասնութ ամիսների ընթացքում հզոր Գեներատիվ AI (GenAI) շրջանակների հայտնվելը ստեղծել է էկզիստենցիալ հրատապության զգացում։ Ընկերություններն առաջնահերթություն են տալիս հաշվողական բարձր հզորություն ունեցող միջավայրերին, ամպային նեյրոնային ցանցերին և AI-ով աշխատող Հաճախորդների հետ հարաբերությունների կառավարման (CRM) հարթակների ինտեգրմանը։

Սա ստեղծում է «կանիբալիզացիայի էֆեկտ»։ Այն կապիտալը, որը կարող էր հատկացվել գործարքային բեքենդի (backend) սարքավորումների արդիականացմանը, ուղղորդվում է AI-ի միջոցով ավտոմատացման անհապաղ պահանջարկը բավարարելու համար։ Այս տեղաշարժը բնորոշվում է մի քանի առանցքային միտումներով.

  • Ենթակառուցվածքների առաջնահերթություն. Բիզնեսները կարճաժամկետ հեռանկարում «ինտելեկտի շերտին» (ծրագրային ապահովում, API-ներ և մոդելների ճշգրտում) առաջնահերթություն են տալիս «պահպանման շերտի» (mainframe-ի պահեստավորում և գործարքների մշակում) նկատմամբ:
  • ROI-ի ճնշումը. Ղեկավարները հսկայական ճնշման տակ են՝ ապացուցելու, որ AI-ի ներդրումները բերում են ծախսերի անհապաղ խնայողություն կամ եկամուտների աճ, ինչը ստիպում է նրանց հետաձգել ենթակառուցվածքների երկարաժամկետ արդիականացումը՝ հօգուտ տեսանելի AI նախագծերի:
  • Հմտությունների դեֆիցիտ. Ընկերություններն ավելի շատ են ծախսում մասնագիտացված AI տաղանդների և տվյալների ճարտարագիտության վրա, ինչը հաճախ դուրս է գալիս ՏՏ ծառայությունների և սարքավորումների ձեռքբերման ընդհանուր բյուջեներից:

Այնուամենայնիվ, սա որակել որպես մենաշնորհային համակարգերի նշանակության անկում՝ ռազմավարական սխալ է։ Հիմնական համակարգերը, որոնք մշակում են տրիլիոնավոր գործարքներ, մնում են համաշխարհային տնտեսության ողնաշարը։ Այն, ինչ մենք տեսնում ենք, տակտիկական դադար է՝ սարքավորումների ձեռքբերման կենսացիկլի հետաձգում, մինչ ձեռնարկությունները կենտրոնանում են AI գործակալների և ավտոմատացված աշխատանքային հոսքերի անհապաղ ներդրման վրա։

Կամուրջ հին համակարգերի և նորարարության միջև

Ժամանակակից տեխնոլոգիական տնօրենի (CTO) համար իրական մարտահրավերը ոչ թե հինն ու նորը ընտրելն է, այլ դրանք ինտեգրելը։ Մենք մտնում ենք մի փուլ, որտեղ հին համակարգի արժեքը մեծանում է դրա վրա կառուցված ինտելեկտի շնորհիվ։ AI ռազմավարությունից զուրկ մենաշնորհային համակարգը ստատիկ պահեստարան է, իսկ ժամանակակից AI գործակալների (AI Agents) հետ զուգակցված մենաշնորհային համակարգը դառնում է դինամիկ, կանխատեսող շարժիչ։

Հենց այստեղ է, որ արդյունաբերության հայացքները փոխվում են։ Առավել հեռատես կազմակերպություններն այլևս չեն դիտարկում սարքավորումները և AI-ն որպես «կամ-կամ» տարբերակ։ Փոխարենը, նրանք փնտրում են ուղիներ՝ օգտագործելու առկա տվյալների ճարտարապետությունը իրենց AI մոդելները սնուցելու համար։ Մենաշնորհային համակարգը տրամադրում է մաքուր, պատմական և գործարքային տվյալներ, որոնք անհրաժեշտ են AI-ին՝ ճշգրիտ և հուսալի լինելու համար։

Բիզնեսների համար, որոնք ներկայումս պայքարում են այս անցման հետ, ուշադրությունը պետք է կենտրոնացնել հետևյալի վրա.

  • Տվյալների պատրաստվածություն. Ապահովել, որ հին սարքավորումներում մեկուսացված գործարքային տվյալները հասանելի լինեն ժամանակակից AI ուսուցման հոսքերին:
  • Ավտոմատացման ռազմավարություն. Ավտոմատացնել ձեռքի աշխատանքային հոսքերը՝ լինեն դրանք հաճախորդների սպասարկման չաթ-բոտեր (Chatbots), թե ներքին ընթացակարգերի ավտոմատացում՝ ազատելով սարքավորումների թարմացման համար նախատեսված կապիտալը:
  • Հիբրիդային օրկեստրացիա. Նախագծել ճարտարապետություններ, որոնք թույլ կտան հին համակարգերին հանդես գալ որպես «ճ