IBM amplia la propria offerta con nuove tecnologie a supporto della Digital Transformation focalizzandosi sull’aspetto infrastrutturale e il tema dell’intelligenza artificiale.
«IBM sta ripensando l’infrastruttura – osserva Marco Utili, Director Systems di IBM Italia – per renderla elemento abilitante di un processo di trasformazione che vede il passaggio dalla focalizzazione sull’aspetto transazionale dei dati a quello che si basa sull’analisi e l’estrazione di valore da dati di ogni tipo. L’infrastruttura a supporto di questo passaggio è di tipo ibrido e coniuga cloud privato, machine learning, risorse on-premise e cloud pubblico. Questo approccio IBM intende portarlo all’interno di tutti i componenti dell’infrastruttura».
Marco Utili, director systems di IBM Italia
A supporto di questa nuova proposizione strategica IBM ha dato vita a una nuova divisione denominata Cognitive Systems per portare le tecnologie di machine learning e di intelligenza artificiale a ogni azienda (non solo a quelle di grandi dimensioni) che voglia intraprendere questo percorso.
Power AI (Artificial Intelligence) è la prima soluzione veicolata dalla nuova divisione. Si tratta di un framework pacchettizzato che combina la potenza dei processori Power con i sistemi di accelerazione hardware NVLink di Nvidia.
IBM Cognitive Systems veivcolerà anche le tecnologie di machine learning all’interno dei server IBM System z consentendo di integrare all’interno del data center tramite private cloud alcune componenti tecnologiche derivate da Watson, finora accessibili unicamente tramite cloud pubblico.
Il machine learning che viene inserito all’interno di System z tramite IBM Machine Learning for z/OS automatizza il processo di interazione tra l’analista e il sistema, delegando al sistema molti aspetti di gestione. Questo approccio consente di accelerare molto il processo sollevando il Data Analyst da molto del lavoro che dovrebbe svolgere.
I mercati per il machine learning
IBM evidenzia innumerevoli mercati in cui il machine learning creerà nuove opportunità. In ambito retail, per esempio, potrà essere utilizzato per la previsione delle vendite basandosi sui trend di mercato attuali, mentre nel settore finanziario sfruttato dagli advisor finanziari o dai broker per fornire suggerimenti basati su trend e movimenti di mercato aggiornati in tempo reale.
All’interno del settore “healthcare”, il machine learning apre la strada a offerte di assistenza medica personalizzate, realizzate utilizzando dispositivi connessi tramite Internet of Things per raccogliere dati sui comportamenti e le interazioni delle persone e delle macchine.