Как агентный AI упрощает миграцию VMware в облако

Изменение подхода к миграциям VMware

Долгое время CIO относились к миграциям с VMware в облако осторожно: ручное сопоставление зависимостей и переработка унаследованных приложений требовали больших затрат времени и ресурсов. Сейчас эта осторожность сталкивается с новыми факторами: неопределенностью в лицензировании, быстрым ростом cloud-native практик и возросшей потребностью в вычислительных мощностях для AI.

Рыночные факторы, ускоряющие переход в облако

Недавние изменения в лицензировании VMware породили вопросы о будущем платформы и вынудили компании пересмотреть экономику удержания рабочих нагрузок на локальной инфраструктуре. Одновременно cloud-native подходы распространяются: по опросу CNCF 2024 года 89% организаций применяют хотя бы часть cloud-native практик, а доля компаний, ведущих почти всю разработку и деплой в облачной модели, выросла с 20% до 24%. Исследование IDC также указывает, что облачные провайдеры становятся ключевыми партнерами для инициатив в области генеративного AI, что усиливает стимулы для миграции.

Что дает агентный AI в миграционных процессах

Агентный AI способен действовать автономно в рамках рабочих процессов и координировать задачи от начала до конца. В контексте миграции он может:

Автоматизировать обнаружение и построение карт зависимостей, быстро создавая точные топологические модели среды.
Формировать и приоритизировать планы миграции, предлагая, какие приложения перенести «как есть», какие рефакторить, а какие списать.
Выполнять рефакторинг по паттернам и предлагать конфигурационные правки, снижая объем ручной переработки кода.
Оптимизировать размеры ресурсов и модель затрат в облаке, моделируя поведение приложений в целевой среде.
Оркестрировать валидацию, тестирование и процедуры отката, снижая операционные риски при переключении.

Эти возможности позволяют сократить недели и месяцы планирования до значительно более коротких циклов и повышают уверенность команд IT при переносе рабочих нагрузок.

Операционные и финансовые преимущества

Автоматизация рутинных и подверженных ошибкам этапов миграции снижает трудозатраты и ускоряет сроки. Точные карты зависимостей и автоматизированный рефакторинг уменьшают риск неожиданных сбоев после переноса, а модели оптимизации затрат помогают согласовать расходы на облако с потребностями производительности, что особенно важно при масштабировании AI-нагрузок.

Практические соображения при внедрении

Компании, рассматривающие агентный AI для миграции, должны учитывать:

Качество данных: корректная работа обнаружения и карт зависимостей требует полноценной телеметрии и конфигурационных данных.
Управление человеком в цикле: агенты должны привлекать человека для принятия критичных решений.
Безопасность и соответствие: автоматические изменения требуют управления и аудируемых следов.
Интеграция с существующими инструментами: агентные системы должны встраиваться в CI/CD, системы наблюдаемости и инфраструктуру как код.

Итог

Сочетание изменений в лицензировании, роста cloud-native практик и потребности в поддержке AI делает миграцию стратегическим приоритетом для многих организаций. Агентный AI способен ускорить и упростить миграционные процессы, автоматизируя обнаружение, планирование, рефакторинг и валидацию, что дает прагматичный путь к более гибким и масштабируемым облачным средам.

Скачать и информация об источнике

Download the full article.

This content was produced by Insights, the custom content arm of MIT Technology Review. It was not written by MIT Technology Reviews editorial staff. This content was researched, designed, and written by human writers, editors, analysts, and illustrators. AI tools that may have been used were limited to secondary production processes that passed thorough human review.