Em 2020, o Fórum Econômico Mundial previu que, até 2025, 50% de todos os funcionários precisariam se requalificar devido à mudança tecnológica. Bem, agora é 2025, e isso parece altamente relevante, especialmente agora, pois espera-se que os funcionários da maioria das disciplinas entendam a IA e a usem em seus trabalhos. Os anúncios de emprego exigem cada vez mais uma abordagem baseada em dados para liderar equipes e projetos.

Então, onde isso deixa o profissional de TI, principalmente aqueles que gerenciam o armazenamento de dados e a infraestrutura de TI? Até recentemente, aqueles que gerenciam o armazenamento de dados – seja no local ou na nuvem – podiam manter seu foco em desempenho, capacidade e proteção de dados.

Os tempos estão mudando. Os profissionais de TI de armazenamento estão gerenciando cada vez mais a movimentação e o acesso a dados em ambientes complexos de nuvem híbrida e de vários fornecedores. Lidar com ameaças de segurança de IA e ataques cibernéticos é fundamental, assim como gerenciar fluxos de trabalho de infraestrutura e dados para IA.

Reimaginando o trabalho com dados no foco

Os arquitetos e engenheiros de armazenamento devem considerar como podem energizar suas carreiras passando de um administrador de armazenamento – gerenciando e adquirindo tecnologia de armazenamento – para um administrador de dados. Isso envolve reduzir riscos, usar modelagem de custos e ferramentas FinOps, preparar dados e infraestrutura para IA e fornecer serviços de dados aos departamentos.

Abaixo estão algumas maneiras pelas quais o trabalho das equipes de TI de armazenamento mudará, à medida que os processos centrados em dados e IA se espalham pelas organizações.

1. Colabore e ouça: Obrigado, Vanilla Ice, por elevar as palavras que importam. Os administradores de dados precisam adotar uma mentalidade interdisciplinar. O trabalho de gerenciar configurações técnicas e resolver problemas agora requer uma compreensão mais ampla de toda a infraestrutura de TI. Os profissionais de armazenamento prosperarão como consultores confiáveis para outras funções de TI e de negócios para ajudar a definir os requisitos de gerenciamento de dados em relação aos objetivos de negócios. Isso exigirá uma mentalidade colaborativa e uma abordagem de negócios para atender às necessidades do usuário e do departamento, ao mesmo tempo em que satisfaz os objetivos de TI para padrões, segurança, conformidade e eficiência de custos.
2. Obtenha dados sobre seus dados: Como disse Peter Drucker: "Você não pode gerenciar o que não mede". Embora isso não seja totalmente verdade, certamente ajuda ter métricas que informam as decisões de gerenciamento de dados e atendem aos clientes internos. Na era da IA, os profissionais de armazenamento precisarão trabalhar com cientistas de dados, analistas de dados, equipes de projeto e líderes de departamento, trazendo mais conhecimento sobre dados no armazenamento. Isso envolve identificar, segmentar e definir tipos de dados e gerenciar esses dados de forma granular, de acordo com as necessidades do negócio e do usuário. Por exemplo, você precisará conhecer os volumes de dados e as taxas de crescimento em toda a organização por departamento, tipos e tamanhos de arquivo comuns e liderar os esforços de classificação de dados por meio do enriquecimento de metadados.
3. Modelagem de custos e FinOps: Grandes organizações estão gastando milhões de dólares anualmente em armazenamento de dados, backups e recuperação de desastres. No geral, não há nada de errado com isso, já que os dados são o centro de tudo hoje – mas todos os dados não devem ser tratados da mesma forma. Usando ferramentas de modelagem de custos, o gerente de armazenamento pode inserir os custos reais de armazenamento para determinar antecipadamente os novos custos de armazenamento projetados e a capacidade utilizável real, com base nas taxas de crescimento de dados. Esses custos devem levar em consideração backups e recuperação de desastres, que podem ser 3 vezes maiores que os gastos com armazenamento, e devem comparar os modelos locais com os modelos de nuvem. Um sistema de gerenciamento de dados não estruturados que indexa todos os dados em todo o armazenamento pode fornecer métricas sobre volumes de dados, custos e custos previstos e, em seguida, modelar planos para mover dados menos ativos para armazenamento de arquivamento de baixo custo, como na nuvem. Em seguida, eles podem selecionar a plataforma de armazenamento ideal para dados quentes ou ativos quando chegar a hora de uma atualização de armazenamento.
4. Melhore os SLAs e as métricas de dados para os negócios: os contratos de nível de serviço para armazenamento geralmente incluem disponibilidade e tempo de atividade dos dados [também conhecidos como Três Noves ou Quatro Noves], latência para armazenamento quente e frio, frequência e janelas de backup, RTO e RPO e tempos de resposta para problemas como perda de dados críticos. No entanto, pode haver novas métricas que os profissionais de armazenamento precisam começar a rastrear à medida que fornecem mais serviços às empresas. Isso pode incluir estorno ou showback departamental, porcentagem de dados não compatíveis no armazenamento (como vídeos pessoais ou arquivos legados do sistema que devem ser excluídos), principais proprietários de dados por departamento e indivíduo e a quantidade de dados duplicados e órfãos reduzidos.

5. Reduza os riscos de ransomware: as equipes de armazenamento devem mitigar os riscos de ransomware associados aos dados dos arquivos. Uma maneira de fazer isso é implementando estratégias híbridas de camadas que descarregam arquivos acessados com pouca frequência (frios) para armazenamento em nuvem imutável, o que reduz a superfície de ataque ativa em até 70 ou 80%. O armazenamento imutável garante que, uma vez gravados, os dados não possam ser alterados ou excluídos, fornecendo uma defesa robusta contra tentativas de ransomware de criptografar ou corromper arquivos.

6. Prepare a infraestrutura para IA: as equipes de armazenamento desempenham um papel crucial na IA, garantindo o armazenamento e o gerenciamento confiáveis, escaláveis e eficientes dos enormes conjuntos de dados necessários para o treinamento e a implementação do modelo de IA. A aquisição da infraestrutura certa para executar cargas de trabalho de IA varia significativamente, dependendo do tamanho e do orçamento da organização, do nível de personalização de IA necessário e de outras considerações, como segurança. O lançamento de uma iniciativa de IA em sua empresa pode exigir desenvolvimento e treinamento de modelo se você precisar criar seu próprio modelo de IA generativa. Isso normalmente começa com a aquisição de recursos computacionais adequados de alto desempenho - as CPUs, GPUs e TPUs caras que são necessárias para hospedar modelos de aprendizado de máquina e processar dados em alta velocidade. Embora a infraestrutura pré-configurada, os modelos públicos e os serviços em nuvem ofereçam benefícios de custo e facilidade de uso, as organizações de TI também devem pesar os benefícios de manter a IA internamente ou desenvolver um modelo de IA em nuvem híbrida para obter melhores controles.

7. Prepare dados para IA: A análise de big data e os projetos de IA geralmente envolvem o processamento de grandes e diversos conjuntos de dados não estruturados, como imagens, vídeos, documentos, mensagens e dados de sensores. As equipes de armazenamento são responsáveis por classificar e preparar esses dados para o treinamento do modelo. A primeira etapa é coletar informações básicas sobre os conjuntos de dados – como tamanho, localização, tipo de arquivo, padrões de acesso e uso e se os dados precisam de enriquecimento (por meio de marcação de metadados adicional) para melhor contexto e classificação. Os líderes de armazenamento também precisam organizar e gerenciar dados para que os usuários finais, como cientistas de dados e pesquisadores, possam pesquisar e aproveitar facilmente os dados específicos necessários para seus projetos. O uso da tecnologia para fluxos de trabalho de dados automatizados simplifica esse processo de descoberta, enriquecimento, cópia e/ou movimentação de dados para o local ideal para análise.

8. Proteja os dados para IA: Os profissionais de armazenamento precisam evitar o vazamento de dados confidenciais para a IA, pois os funcionários usam o GenAI e outras ferramentas diariamente. Isso começa com a identificação e segregação de dados confidenciais e proprietários em um domínio privado e seguro, onde não podem ser compartilhados com aplicativos comerciais. Também é vital manter uma trilha de auditoria de seus dados corporativos que alimentam aplicativos de IA. Uma organização de saúde, por exemplo, precisaria verificar se nenhum dado de PII do paciente vazou para uma solução de IA de acordo com as regras da HIPAA. Os gerentes de TI de armazenamento precisarão ajudar a instituir uma estrutura de governança de IA que abranja privacidade, proteção de dados, ética e muito mais.

Abraçando o futuro: uma nova mentalidade para profissionais de TI de armazenamento

A era da IA e dos dados não está apenas transformando a tecnologia e os modelos de negócios, mas redefinindo carreiras. Para os profissionais de armazenamento de TI, a mudança do gerenciamento de infraestrutura para a orquestração de dados apresenta desafios e oportunidades incríveis.

Agora é a hora de se perguntar: você está simplesmente mantendo o armazenamento ou está preparando os dados para impulsionar o sucesso dos negócios? Ao expandir suas habilidades em inteligência de dados, automação, FinOps, segurança e governança de IA, você pode se posicionar como um líder indispensável na empresa moderna.