Kunstmatige intelligentie: een strategische opslagmogelijkheid waarvan de ware waarde nog niet is ingezien.

Discussies over AI-infrastructuur draaien doorgaans om de kosten van datacenters, het stroomverbruik en de benodigde rekenkracht voor het trainen en uitvoeren van modellen, inclusief grafische processoren (GPU's) en krachtige opslag. Dit is niet verwonderlijk gezien de enorme investeringsbedragen die de krantenkoppen halen. Lees meer over de gereedheid van AI-infrastructuur in ons andere artikel.

De andere essentiële grondstof is natuurlijk de data die deze modellen voedt. Volgens het AI Index-rapport van Stanford University uit 2025 verdubbelt de omvang van datasets die worden gebruikt om grote taalmodellen (LLM's) te trainen elke acht maanden. In de praktijk wordt, zodra een model is gebouwd, een deel van de data snel overgedragen naar de organisatie en de modelontwikkelingsomgevingen, waar snelle toegang cruciaal is.

Maar een groot deel ervan zal langer wachten terwijl teams de geschiktheid ervan voor een specifiek AI-gebruiksscenario bepalen – het blijft niet ongebruikt, maar wordt veilig bewaard en is klaar om snel te worden ingezet voor organisatie, training en conversie wanneer dat nodig is.

Vanuit een opslagperspectief belicht dit een punt dat vaak over het hoofd wordt gezien: datasets hoeven niet in elke fase van de AI-workflow dezelfde prestaties te leveren. De sleutel is dat ze beschikbaar zijn wanneer ze nodig zijn – en niet dat er een hoogwaardige infrastructuur moet worden onderhouden die altijd beschikbaar is, wat op grote schaal onnodig duur wordt.

De vraag voor infrastructuurplanners is dan ook niet of AI snelle opslag nodig heeft, maar waar organisaties de enorme datasets die in de toekomst nodig zullen zijn, moeten opslaan voordat ze klaar zijn voor verwerking. Dit is een strategische keuze, geen routinekwestie voor een organisatie.

De juiste opslagcapaciteit moet ervoor zorgen dat gegevens beschermd en gemakkelijk herstelbaar zijn binnen AI-, trainings- en transformatieworkflows, prestaties leveren waar het werk daadwerkelijk plaatsvindt en het verschil terugverdienen binnen het budget.

Uw dataportfolio als strategisch bezit.

Omdat de missie van elke organisatie anders is, bevindt elke organisatie zich in een andere fase van haar AI-traject. Sommige organisaties zijn snel vooruitgegaan met systemen die al in productie zijn, terwijl veel andere nog onderzoeken hoe de data die ze al bezitten AI-initiatieven kunnen ondersteunen – zoals documenten, afbeeldingen, video's, operationele logboeken en informatie verzameld via verbonden systemen; de lijst is eindeloos.

Daarom wordt het kennen van je eigen data steeds meer een concurrentievoordeel in plaats van slechts een routinematige IT-taak. Formulieren zijn voor iedereen beschikbaar, dus je data is je concurrentievoordeel – mits je er op grote schaal toegang toe hebt en deze kunt gebruiken.

De organisaties die het snelst vooruitgang boeken, zijn de organisaties die al weten wat ze in huis hebben, waar die data zich bevindt en hoe snel ze die kunnen inzetten. Het overbruggen van de kloof tussen een zakelijke vraag en de data die het antwoord geeft, is een maatstaf geworden voor de snelheid waarmee een bedrijf handelt en succesvol is. Lees voor meer informatie over de gereedheid van uw AI-infrastructuur ons artikel: Uptime: De nieuwe standaard voor de gereedheid van uw AI-infrastructuur.

Data is dus niet alleen input voor kunstmatige intelligentie: het is juist wat het model vormgeeft. Hoe meer data een organisatie kan gebruiken, hoe nauwkeuriger en specifieker de resulterende tools worden. Daarom zou de basisveronderstelling moeten zijn dat vrijwel alles wat een bedrijf bezit, nuttig kan zijn.

De traditionele aanpak is om grote datasets op te slaan in een data lake op schijf totdat ze nodig zijn voor verdere verwerking. Naarmate datasets groter worden, nemen echter ook de kosten toe. Als elke potentiële dataset continu op een krachtige infrastructuur moet draaien, bepalen de kosten de maximale hoeveelheid data die een organisatie zich kan veroorloven om continu te verwerken.

De uitdaging is dus om alles beschikbaar te houden voor de workflow wanneer dat nodig is, zodat de doorslaggevende factor het gebruiksscenario is en niet de opslagkosten.

Het verhaal van de magneetband

De slimme zet is dus niet om de uitgaven te verhogen, maar om te stoppen met overbesteding waar een betere oplossing voorhanden is. En het blijkt dat een van de beste antwoorden een technologie is die nooit is gestopt met innoveren: magneetband. De meeste mensen associëren het nog steeds met langetermijnback-up en archivering – een rol die het nog steeds uitstekend vervult – maar opeenvolgende generaties LTO's hebben de capaciteit, productiviteit en beveiliging ervan getransformeerd, terwijl de industrie elders naar oplossingen heeft gezocht.

De nieuwste technologieën en systemen met magneetstrips gedragen zich nu als elke andere laag binnen de opslaginfrastructuur en zijn klaar om data met hoge snelheid te ontvangen zodra de verwerking of training is voltooid. De economische haalbaarheid van magneetstrips verbetert naarmate de datavolumes toenemen. In AI-toepassingen met meerdere petabytes zijn de kosten per terabyte een fractie van de kosten van flash-infrastructuur of zelfs harde schijven (HDD's). Prestaties en capaciteit kunnen ook onafhankelijk van elkaar worden opgeschaald, door meer schijven toe te voegen om de overdrachtssnelheid te verhogen en meer magneetstrips om de capaciteit te vergroten.

Gezien de uitzonderlijke energie-efficiëntie van de tapes, is deze opslagtechnologie een strategische mogelijkheid die in het datacenter geïntegreerd zou moeten worden. Hierdoor kan de organisatie al haar data-activa in gebruik houden, tegen voorspelbaar schaalbare kosten, en de gereedheid van de AI-infrastructuur ondersteunen.

Een veiligere plek voor waardevolle gegevens.

Opslag- en operationele kosten zijn vaak de belangrijkste factoren bij de goedkeuring van projecten, maar beveiliging is voor velen een grote zorg. Magnetische tapes bieden hier iets wat traditionele, via internet verbonden opslagmethoden structureel niet kunnen bieden. Versleuteling vindt plaats op hardwareniveau, direct in de tape zelf. WORM-media (Write Once, Read Many Times) maken de dataset fysiek onveranderlijk, waardoor onvervangbare gegevens niet kunnen worden overschreven.

Wat de meest waardevolle materialen betreft, kunnen complete tapecollecties de tapebibliotheek verlaten en worden opgeslagen op een veilige of externe locatie – volledig offline, volledig draadloos geïsoleerd en beschermd tegen alles wat er in de productieomgeving zou kunnen gebeuren. Dit onderstreept het belang van het versterken van de cyberweerbaarheid en robuustheid.

Het belangrijkste aspect bij het opzetten van de data- en AI-processen binnen uw organisatie is ervoor te zorgen dat uw data klaar is om te worden ingezet met het juiste prestatieniveau op het moment dat dit nodig is. Data is de brandstof voor de modellen die uw organisatie bouwt, de beslissingen die zij neemt en hoe snel zij daarop reageert.

Magnetische strips maken het mogelijk om al deze "databrandstof" op grote schaal betaalbaar op te slaan, het onvervangbare te beschermen en elk onderdeel ervan op aanvraag te gebruiken. Integreer ze nu en wat u met uw data kunt doen, zal niet langer beperkt worden door wat u zich kunt veroorloven om online te bewaren; het wordt de sleutel tot een voorsprong op uw concurrenten, perfect afgestemd op de toekomst van AI.