Cisco at Trends: anim na pundasyon bago palawakin ang AI pilot

Ayon sa tala ng Trends & Technologies, Inc., idinaos nito kasama ang Cisco noong Hulyo 23, 2026 sa Discovery Primea ang forum na “Thriving in the AI Era: Future-Proofing Your Data Center for What Comes Next.” Dinaluhan ito ng mga kinatawan mula sa publiko at pribadong sektor upang talakayin ang imprastrakturang kailangan kapag palalawakin ang paggamit ng AI.

Sa ulat ng Newsbytes.PH noong Oktubre 16, 2026, tinukoy ng Cisco at Trends ang anim na teknikal na pundasyon—networking, computing, storage, security, observability at software—at anim na larangan ng kahandaang pang-organisasyon: strategy, infrastructure, data, governance, talent at culture. Ipinaliwanag din ni James Jimeno ng Trends na maaaring mahirapan ang mga kumpanya sa paglipat mula sa matagumpay na pagsubok tungo sa production dahil sa panganib sa sensitibong datos, pagsikip ng network at hirap ng pagsasama ng magkakaibang bahagi ng imprastruktura. Para sa negosyong may gumaganang pilot, ang mahalagang tanong ay kung kakayanin ng buong sistema at ng mga taong mamamahala rito ang regular na paggamit.

Aling teknikal na pundasyon ang maaaring huminto sa AI pilot?

Mas madaling makita ang hadlang kung susuriin ang buong dinaraanan ng isang AI workload: mula sa pagkuha ng datos, pagproseso at paghahatid ng sagot hanggang sa pagsubaybay sa serbisyo. Ang mga tanong sa ibaba ay isang praktikal na pagsusuri sa anim na pundasyong tinalakay sa forum; hindi ipinahihiwatig ng mga ito na natugunan na ng mga dumalo ang bawat pangangailangan.

Networking: Kaya ba ng koneksiyon sa pagitan ng mga processor, storage, aplikasyon at AI service ang dami ng sabay-sabay na gawain? Maaaring dito magmula ang pagkaantala kahit sapat ang lakas ng modelo.
Computing: May kapasidad ba para sa aktuwal na workload sa oras ng pinakamataas na paggamit? Magkaiba ang kailangan upang sanayin ang modelo at upang patakbuhin ito para sa mga gumagamit.
Storage: Maaabot ba ang kinakailangang structured at unstructured data sa bilis na hinihingi ng operasyon? Kasama sa pagsusuri ang pagdami ng rekord habang lumalawak ang serbisyo.
Security: Malinaw ba kung sino ang may pahintulot sa sensitibong datos at sa modelo? Kailangang saklawin ng mga kontrol ang paggalaw ng datos sa magkakaugnay na sistema.
Observability: Makikita ba kung saan nagsisimula ang paghina, pagkaputol o kahina-hinalang gawain? Kung walang sapat na pagsubaybay, mahirap tukuyin kung aling bahagi ang kailangang ayusin.
Software: May paraan ba upang pamahalaan ang mga modelo, aplikasyon at workload bilang iisang operasyon? Dapat malinaw kung paano ito gagana kasama ng mga sistemang ginagamit na ng negosyo.

Hindi magkakahiwalay na pagbili ang ipinahihiwatig ng listahan. Kung mabilis ang pagproseso ngunit mabagal makuha ang datos, maaaring nasa storage o network ang unang limitasyon. Kung sapat ang kapasidad ngunit hindi matukoy ang sanhi ng pagkaputol, mas mahalagang punan ang kakulangan sa pagsubaybay bago magdagdag ng panibagong workload.

Sino ang magpapatakbo at mananagot kapag naging regular na serbisyo ang AI?

May ikalawang pagsusuri sa labas ng teknikal na imprastruktura. Maaaring tumakbo ang isang pilot sa ilalim ng maliit na pangkat, ngunit sa production ay kailangang malinaw ang layunin, pahintulot sa datos, patakaran at pananagutan. Ang anim na larangang pang-organisasyon ay tumutulong tukuyin kung ang hadlang ay nasa kagamitan o sa pasyang kailangan upang magamit iyon nang tuluy-tuloy.

Strategy: Anong tiyak na problema ng negosyo ang lulutasin ng AI, at anong resulta ang magpapakitang may pakinabang ang pagpapalawak? Kung walang sukatan, mahirap hatulan ang tagumpay ng pilot.
Infrastructure: Aling kasalukuyang sistema ang may puwang para sa mas malaking workload, at alin ang nangangailangan ng pagbabago? Dito nagiging pasya sa kapasidad at gastos ang teknikal na pagsusuri.
Data: Saan manggagaling ang datos, angkop ba ang kalidad nito, at sino ang maaaring gumamit nito? Hindi maaayos ng dagdag na computing ang kulang o magulong input.
Governance: Sino ang magtatakda ng mga patakaran sa paggamit ng AI at magpapasya kapag may panganib sa datos o resulta? Kailangang matukoy ang may pananagutan bago umasa rito ang mas maraming tao.
Talent: May mga taong kayang magpanatili ng sistema, magsuri ng performance at tumugon kapag pumalya ito? Ang kasanayan sa paggawa ng pilot ay bahagi lamang ng pangangailangan sa operasyon.
Culture: Handa bang baguhin ng mga gagamit at mamamahala ang kanilang paraan ng trabaho? Kailangan ding maunawaan kung kailan dapat umasa sa output ng AI at kailan ito dapat suriin ng tao.

Magkaugnay ang dalawang pagsusuri ngunit magkaiba ang sinasagot nila. Maaaring maayos ang network at computing, ngunit hindi pa rin maipalawak ang serbisyo kung walang pahintulot na gamitin ang datos o walang taong may pananagutan sa mga resulta. Sa kabaligtaran, hindi sapat ang malinaw na layunin kung bumabagal o napuputol ang sistemang maghahatid nito.

Bakit kailangang bigyang-pansin ang network?

Sa pananaliksik ng Cisco at Foundry, 75% ng mga respondent ang mas kumpiyansa sa AI strategy ng kanilang organisasyon kaysa sa kakayahan ng network na maisakatuparan iyon; 76% naman ang nagsabing kailangan ng upgrade ang kanilang network. Nakatuon ang pag-aaral sa campus at branch networks, kaya ang mga porsiyentong ito ay hindi sukat ng kahandaan ng mga negosyong Pilipino o ng mga dumalo sa forum.

May praktikal na dahilan kung bakit maaaring lumitaw ang puwang sa network pagkaraan ng pilot. Kapag dumami ang gumagamit at ang mga sistemang pinanggagalingan ng datos, mas maraming palitan ang kailangang kayanin ng koneksiyon. Hindi agad ipinapakita ng matagumpay na pagsubok sa limitadong saklaw kung ano ang mangyayari sa oras ng pinakamataas na paggamit. Kailangan ding maihiwalay ang pagkaantala sa network mula sa mabagal na storage o kulang na computing bago matukoy ang tamang pagbabago.

Ang tanong bago bumili ng bagong AI platform

Aling nasukat na hadlang sa paglipat mula pilot tungo sa production ang malulutas ng bibilhing platform? Dapat may tiyak na sagot tungkol sa kapasidad, bilis ng pagkuha ng datos, seguridad, pamamahala o kakayahan ng pangkat. Kung wala pa, maaaring madagdagan ang gastos habang nananatili ang sanhi ng paghina o pagkaputol.

Halimbawa, kung sapat ang pagproseso ngunit hindi makarating sa oras ang datos mula sa ibang sistema, kailangang siyasatin ang koneksiyon at storage bago magpasya sa bagong AI software. Kung pahintulot sa datos o pananagutan sa resulta ang hindi pa malinaw, desisyon sa governance ang kailangan. Ang unang mapapatunayang hadlang ang dapat magtakda ng susunod na puhunan, hindi ang tagumpay ng pilot lamang.

Basahin din: