Onderzoek van SUSE onder 110 IT-professionals toont aan dat GPU-tekorten en oplopende kosten de uitrol van AI-infrastructuur vertragen. Bijna een derde van de ondervraagden kampt met vertragingen van vier maanden of langer. Volgens SUSE ligt de oplossing niet per se in nieuwe hardware, maar in een efficiëntere inzet van bestaande infrastructuurcapaciteit.
SUSE heeft onderzoek laten uitvoeren onder 110 IT-professionals en -beslissers naar de impact van GPU-tekorten op AI-initiatieven binnen bedrijven. Uit de enquête blijkt dat tekorten aan grafische processoren, vertragingen in de inkoop en stijgende kosten organisaties dwingen hun aanpak voor het plannen, uitrollen en opschalen van AI-infrastructuur aan te passen.
Vertraging raakt bredere IT-projecten
Volgens SUSE blijven de gevolgen niet beperkt tot AI-projecten. 71 procent van de respondenten geeft aan gefrustreerd te zijn over de impact van deze vertragingen op het dagelijkse werk. Bijna een derde van de ondervraagden meldt vertragingen van vier maanden of langer, waarbij dit in sommige gevallen oploopt tot meer dan een jaar. Reguliere IT-projecten lopen hierdoor eveneens vertraging op, omdat resources en budgetten verschuiven richting AI-initiatieven.
Onbenutte capaciteit binnen organisaties
Het onderzoek laat ook zien dat er ruimte is om AI-workloads efficiënter te verdelen over bestaande infrastructuur. 79 procent van de organisaties draait op minder dan 75 procent van de beschikbare infrastructuurcapaciteit. SUSE stelt dat bedrijven de gevolgen van het hardwaretekort kunnen beperken door de benutting en verplaatsbaarheid van workloads te verbeteren, bestaande infrastructuur te optimaliseren en cloud- of MSP-capaciteit in te zetten voordat nieuwe AI-hardware wordt aangeschaft.
Software als alternatief voor nieuwe hardware
80 procent van de respondenten is het volgens SUSE ermee eens dat overdraagbare, efficiënte software een betere investering vormt dan de aanschaf van nieuwe hardware. Het bedrijf stelt dat een softwaregedefinieerde aanpak een AI-strategie oplevert die niet wordt beperkt door de beschikbaarheid van hardware.
Thomas Di Giacomo, Chief Technology and Product Officer bij SUSE, licht de bevindingen toe in een blogpost op de website van het bedrijf. Volgens Di Giacomo moeten organisaties niet alleen kijken naar de aanschaf van nieuwe hardware, maar ook naar de manier waarop bestaande infrastructuur wordt benut. Hij wijst erop dat een flexibele aanpak van workloads bedrijven in staat stelt om AI-initiatieven te laten doorlopen ondanks aanhoudende tekorten aan hardware.
