Marknaden för publika molntjänster upplever just nu en extraordinär ekonomisk period, där Amazon Web Services, Microsoft Azure och Google Cloud alla drar nytta av den explosionsartade efterfrågan på AI-infrastruktur och -tjänster. AWS fortsätter att omvandla sin dominerande ställning inom infrastruktur till nya AI-drivna intäktsströmmar, bland annat förvaltade AI-plattformar, specialanpassade chips och storskaliga databehandlingstjänster. Microsoft har gjort Azure till centrum för sin AI-strategi för företag och integrerat molninfrastruktur, modeller, utvecklingsverktyg och affärsapplikationer till en mycket effektiv intäktsmotor. Google Cloud, som länge betraktats som den tredje största hyperscalern, har fått ny fart i takt med att företag söker AI-infrastruktur, dataplattformar och modelltjänster som drar nytta av Googles långa tekniska historia inom maskininlärning.

De tre stora molnjättarna står i främsta ledet inför vad som kan bli den största vågen av teknikinvesteringar inom företagssektorn sedan den inledande rusningen mot publika molntjänster. Företagen efterfrågar GPU:er, AI-acceleratorer, hanterade modelltjänster, vektordatabaser, inferensplattformar, träningsmiljöer, datapipelines och den operativa infrastruktur som krävs för att driva AI i stor skala. Leverantörerna har det kapital, de datacenter, de chipp, den tekniska kompetensen, de partnerskap och de företagsinriktade försäljningskanaler som krävs för att tillgodose dessa behov. Kunderna är beredda att satsa stora summor, och hyperskalarna kommer gärna att möta den efterfrågan.

Men vad händer med de traditionella molntjänsterna när leverantörerna i överväldigande utsträckning fokuserar på det nyaste och mest lönsamma segmentet på marknaden? Vi har många gånger sett att när en del av verksamheten väcker kundernas entusiasm, stärker investerarnas förtroende och skapar nya möjligheter med höga marginaler, så är det just den delen som får personal, kapital, ledningens uppmärksamhet och marknadsföringsbudgeten – ofta på bekostnad av andra delar av verksamheten.

De centrala molntjänsterna

De flesta aktiviteterna i den publika molntjänsten lyfts inte fram i keynote-demonstrationer eller i spännande artiklar. Lagring, databehandling, nätverk, databaser, identitetshantering, säkerhetskopiering, meddelandehantering, övervakning, loggning, lastbalansering, säkerhetstjänster, styrning och katastrofåterställning utgör huvuddelen av den dagliga användningen av den offentliga molntjänsten. Dessa tjänster hanterar transaktioner, kör applikationer, lagrar register, överför data, autentiserar användare, stöder analysverktyg och håller verksamheten igång. Det var dessa tjänster som motiverade den ursprungliga migreringen till den publika molntjänsten.

Många organisationer flyttade arbetsbelastningar till det publika molnet eftersom det förväntades utvecklas snabbare än deras egna datacenter. Molnet erbjöd tillgång till ny teknik, men ännu viktigare var att det också erbjöd en infrastruktur som var mer elastisk, tillförlitlig, enklare att driva, snabbare att tillhandahålla och som kontinuerligt förbättrades av leverantörerna i en oöverträffad skala.

Det löftet kräver dock löpande investeringar. Beräkningskapaciteten behöver bättre pris-prestandaförhållande. Lagringen behöver bättre hållbarhet, prestanda och ekonomi. Databaserna behöver starkare motståndskraft, enklare drift och mer förutsägbar skalning. Nätverken måste vara enklare att säkra och mindre sårbara. Hanteringsverktygen måste minska komplexiteten snarare än att lägga till ytterligare ett abstraktionslager.

Om dessa förbättringar avtar börjar det ursprungliga molnlöftet att försvagas.

AI i allt

Ett av de mer förutsägbara mönstren inom tekniken är att varje befintlig produkt så småningom kläs i den senaste trenden. I dag är den trenden AI. En databas får en assistent som förstår naturligt språk. En lagringsplattform får intelligent sökning. En övervakningstjänst får automatiserade sammanfattningar av incidenter. En hanteringskonsol får en chattbot som rekommenderar konfigurationer.

Vissa av dessa funktioner kommer att vara användbara. Jag argumenterar inte mot intelligent automatisering. Om en funktion hjälper tekniker att hitta problem snabbare, förbättrar säkerheten, åtgärdar prestandaproblem eller minskar det operativa arbetet, då har den ett värde. Men att bara klistra på AI på en tjänst är inte detsamma som att förbättra själva tjänsten. En databas blir inte mer tillförlitlig bara för att den kan förklara en sökfråga på vanlig engelska. Ett lagringssystem blir inte mer kostnadseffektivt bara för att det har smartare metadatamärkning. En övervakningsplattform blir inte driftsmässigt utmärkt bara för att den kan sammanfatta varningar i vardagligt språk.

Kärnan är fortfarande viktig: prestanda, tillgänglighet, återställning, säkerhet, kostnadskontroll, tjänstgränser, dokumentation och supportkvalitet. Detta är inga föråldrade frågor. De utgör grunden för företagsdatabehandling. Om leverantörer förväxlar AI-utsmyckning med verklig modernisering kommer företagskunderna så småningom att märka skillnaden.

Försummelsen visar sig långsamt

Traditionella infrastrukturtjänster fallerar sällan för att någon förklarar att de inte längre är viktiga. De försämras i tysthet. Utvecklingsplanerna blir mindre ambitiösa. Meningsfulla uppdateringar kommer alltmer sällan. Långvariga buggar förblir olösta. Dokumentationen halkar efter verkligheten. Supportorganisationerna blir mindre förberedda på att hantera komplexa ärenden. Regionala kapacitetsproblem blir vanligare. Tjänstebegränsningarna stämmer inte längre överens med hur kunderna faktiskt använder plattformen.

Sedan kommer driftavbrott, prestandaproblem och kvalitetsproblem. Ingen leverantör av offentliga molntjänster kan helt eliminera driftavbrott. Dessa plattformar är för stora och för komplexa för att vara perfekta. Men det finns en stor skillnad mellan de oundvikliga felmodellerna hos komplexa system och ett mönster av underinvesteringar i grundläggande tjänster.

Mogna molntjänster kräver ständig skötsel. På vissa sätt förtjänar de mer investeringar än nya tjänster eftersom de betjänar fler kunder, har fler beroenden och bygger på fler dolda antaganden. En till synes mindre försämring i en kärntjänst kan påverka tusentals arbetsbelastningar. En dåligt kommunicerad förändring av nätverk, identitet, lagring eller databasbeteende kan skapa kedjereaktioner av problem för företagskunder.

Detta är den del av molnmarknaden som inte får tillräcklig uppmärksamhet. De glänsande nya tjänsterna skapar uppmärksamhet, men det är de mogna tjänsterna som bär en stor del av den operativa risken.

Påverka utvecklingsplanen

Ja, vissa organisationer kommer att driftsätta storskaliga AI-arbetsbelastningar under de kommande två till fem åren, men de flesta kommer att gå långsammare fram. De kommer att experimentera. Vissa kommer att använda AI inbäddat i Software-as-a-Service-plattformar. Vissa kommer att bygga smala, reglerade användningsfall. Men många kommer att fortsätta att lägga större delen av sina molnbudgetar på traditionell infrastruktur. Dessa kunder måste ställa högre krav. De bör ställa direkta frågor om de tjänster de redan använder. Vad görs för att förbättra tillförlitligheten? För att minska komplexiteten? Hur förbättrar leverantören databasprestanda, lagringsekonomi, nätverksresiliens, observerbarhet, identitetshantering och supportkvalitet?

Ännu viktigare är att kunderna bör jämföra vad leverantörerna säger med vad de faktiskt levererar. Utvecklingsplaner är lätta att presentera, men versionshistoriken är mer avslöjande. Om en kritisk tjänst inte har uppvisat några betydande förbättringar på länge bör detta tas upp i företagets risksamtal.

Företagen bör sluta utgå från att alla molntjänster förbättras i samma takt. De bör granska beroenden, validera arkitektoniska beslut, undersöka felscenarier och förstå sina alternativ. En arbetsbelastning som var lämplig på en viss plattform för fem år sedan kanske inte längre är den bästa lösningen om tjänsten bakom den har stagnerat.

Molnköpare måste också utnyttja sitt kommersiella inflytande. Leverantörer lyssnar när stora kunder gör krav på utvecklingsplaner till en del av förnyelsesamtalen. Om företag vill att den traditionella infrastrukturen ska förbli stark måste de säga det – tydligt och upprepade gånger.

Det tråkiga är fortfarande det viktigaste

Hyperscalers har rätt i att satsa på de snabbast växande möjligheterna på marknaden. Vilket rationellt företag som helst skulle göra detsamma. Men företagskunderna ingick långsiktiga åtaganden gentemot dessa plattformar utifrån ett bredare löfte om att den publika molntjänsten skulle fortsätta att förbättra de centrala infrastrukturtjänster som företagen förlitar sig på varje dag. Teknikpressen må vara fascinerad av de senaste funktionerna, men de flesta företag drivs fortfarande av de tråkiga sakerna som håller verksamheten igång.

Ja, den nuvarande AI-molnboomen är imponerande. Men it-cheferna i företagen bör fokusera på det som är viktigast. Håll koll på utvecklingsplanerna. Håll koll på releaseanteckningarna. Håll koll på avbrottsmönstren. Håll koll på supportkvaliteten. Håll koll på om kärntjänsterna verkligen förbättras eller bara piffas upp med trendiga funktioner. Traditionell molninfrastruktur är inte föråldrad. Den är grunden. Om leverantörerna försummar den för att jaga den senaste intäktsvågen kan kunderna så småningom komma fram till att det publika molnet inte längre uppfyller sin del av avtalet.#CloudComputing #IaaS #SaaS #ArtificialIntelligence #GenerativeAI

Företagen satsar stort på generativ AI. Vid en första anblick verkar det vara rätt beslut. Tekniken är kraftfull, lättillgänglig och blir alltmer integrerad i hur företag utvecklar applikationer, automatiserar processer och stödjer beslutsfattandet. Ett utvecklingsteam kan koppla en applikation till en stor språkmodell på bara några dagar. Ett produktteam kan lägga till AI-funktioner på några veckor. Företagsledare ser snabba vinster, snabbare innovation och en väg till modernisering av nästan alla delar av företaget.

Det här är fördelarna som alla pratar om. Det vi inte diskuterar tillräckligt är den ekonomiska fällan som bildas under all denna bekvämlighet.

De flesta företag ser tokens som en teknisk faktureringsdetalj. Det är de inte. Tokens är enheten för ekonomiskt beroende inom generativ AI. Varje prompt, svar, sammanfattning, hämtningssteg, arbetsflödesåtgärd och agentbeslut mäts och monetiseras genom tokens. Tokens är inte bara en del av infrastrukturen. De är tullstationen mellan ditt företag och en leverantörs intelligensplattform. Ju mer AI blir centralt för din verksamhet, desto större makt har tullstationen över dina framtida kostnader.

Tokens är inte bara en prissättningsenhet

En token beskrivs vanligtvis som en textbit som bearbetas av en modell. Det är tillräckligt korrekt för utvecklare, men det missar den större frågan för cio:er, arkitekter och företagsstyrelser. I företaget är tokens den mekanism genom vilken AI-funktioner hyrs. De är mätaren som är kopplad till själva intelligensen.

Denna distinktion är viktig eftersom tokenanvändningen växer snabbare än de flesta företag förväntar sig. En enkel användaruppmaning förblir sällan enkel i produktionssystem. Den kan utlösa hämtning från interna kunskapslager, flera modellanrop, verktygsanvändning, efterbearbetning, policykontroller och agentloopar. Det som för användaren ser ut som en enda transaktion kan bakom kulisserna innebära flera lager av tokenförbrukning. Som ett resultat underskattar företag ofta de verkliga driftskostnaderna för AI-baserade system, särskilt när dessa system mognar och sprids över olika avdelningar.

I dag känns dessa kostnader fortfarande hanterbara. I många fall känns de förvånansvärt låga. Det är just därför som fällan är så farlig.

Marknaden befinner sig i en subventionsfas

Den nuvarande prissättningen på token ger företagen en falsk känsla av trygghet. Många leverantörer av LLM konkurrerar aggressivt om marknadsandelar. De vill att utvecklare bygger på deras API:er. De vill att företagsapplikationer ska vara tätt kopplade till deras plattformar. De vill att AI-agenter, copiloter, arbetsflöden och kundupplevelser ska vara beroende av deras modeller. För att detta ska ske förblir prissättningen mycket attraktiv i förhållande till det levererade värdet.

Det betyder inte att ekonomin för generativ AI är stabil. Det betyder att marknaden fortfarande formas av investerarkapital, strategisk prissättning och tillväxtförväntningar. Leverantörerna tävlar om att etablera sig, och företagen drar nytta av den tävlingen. Men ingen marknad förblir i den fasen för evigt. Vid någon tidpunkt kommer investerarna att förvänta sig hållbar lönsamhet. Vid någon tidpunkt kommer svagare leverantörer att försvinna, konsolideras eller dra sig tillbaka. Vid någon tidpunkt kommer de överlevande att ha större inflytande och mycket mindre anledning att prissätta främst för att nå marknaden.

Det är då tokenfällan slår igen.

Företag som bygger upp ett djupt beroende av molnbaserade modeller under subventionsfasen kan upptäcka att det som verkade billigt i pilotskala blir en stor kostnad i företagsskala. Den applikation som i dag kostar 1 000 dollar per månad kan kosta 10 eller 20 gånger så mycket om några år, inte bara för att användningen har ökat, utan också för att marknaden har omvärderat beroendet.

Lätt att införa, dyrt att lämna

Molntjänster följde en liknande väg, där många företag förväxlade kortsiktig bekvämlighet med långsiktig ekonomi. Under de första åren var argumenten övertygande och i stort sett korrekta. Arbeta snabbare, minska friktionen, undvik kapitalutgifter och skala upp med lätthet. Dessa fördelar var verkliga. Många organisationer fattade arkitektoniska beslut som prioriterade hastighet framför hävstångseffekt. De blev beroende av hanterade tjänster, leverantörsspecifika verktyg och driftsmodeller som var lätta att införa men dyra att avveckla.

År senare upptäckte många företag att deras molnräkningar var mycket högre än väntat och att deras utträdesmöjligheter var mycket mer begränsade än vad som utlovats. Det berodde inte på att molnet misslyckades. Arkitektoniskt beroende blev så småningom ekonomiskt beroende.

Generativ AI upprepar det mönstret, bara snabbare. Integrationsbarriären är lägre, trycket att införa tekniken är högre och takten på företagens experimenterande är mycket högre. Som ett resultat kopplar företag in LLM:er i applikationer, arbetsflöden och agentbaserade system utan att tänka särskilt mycket på hur dessa kostnader kommer att utvecklas under de kommande fem till tio åren.

Agentbaserad AI förvärrar situationen

Ju mer företag går från enkla prompt-respons-system till agentbaserade arkitekturer, desto farligare blir tokenfällan. Agenter är inte system med enstaka anrop. De planerar, överväger, hämtar information, använder verktyg, utvärderar resultat, gör om steg och samordnar ofta med andra agenter. Var och en av dessa åtgärder förbrukar tokens. Kostnaderna stiger inte längre på ett snyggt linjärt sätt. De ackumuleras.

Detta är viktigt eftersom agentbaserad AI i allt högre grad presenteras som framtiden för företagsautomatisering. Det stämmer i många fall. Men om ett företag bygger agentbaserade system främst på fjärrhostad intelligens, bygger det också framtida affärsprocesser på någon annans prismodell. Det är en stor strategisk risk. Ju mer framgångsrika dessa system blir, desto svårare är de att ersätta. Ju svårare de är att ersätta, desto mer prissättningsmakt övergår till leverantören.

Det är så företag hamnar i ett läge där de operativt är beroende av en kostnadsstruktur som de inte kontrollerar.

Fördelarna med AI-suveränitet

Svaret är inte att avvisa publika modeller eller låtsas att externa leverantörer inte spelar någon roll. Det gör de uppenbarligen. Det kommer alltid att finnas fall där det är vettigt att hyra avancerade AI-funktioner. Men företag måste sluta anta att hyra är standard för varje arbetsbelastning.

AI-suveränitet är det alternativ som förtjänar mycket mer uppmärksamhet. Det innebär att bygga, finjustera, distribuera och styra modeller inom företaget för användningsfall där långsiktig kontroll är viktigare än tillgång till den absoluta framkanten. Företag måste inse att de flesta affärsapplikationer inte behöver en allmän modell i världsklass. De behöver en modell som är tillräckligt bra för ett specifikt ändamål, anpassad till företagets data, styrd av företagets regler och som drivs till en förutsägbar kostnad.

Det är ett helt annat sätt att tänka.

En egenhostad eller företagskontrollerad modell kanske inte matchar den omfattande funktionsuppsättningen hos de största publika erbjudandena. Den kanske saknar samma bredd, finess eller marknadsföringsmässiga attraktionskraft. Men för många interna affärsuppgifter spelar dessa faktorer ingen roll.

Här är den viktigaste frågan som ska styra din arkitektoniska inriktning: Kan en suverän AI-modell lösa problemet på ett tillförlitligt, säkert och ekonomiskt sätt över tid? Om svaret är ja, kan det vara mycket mer strategiskt att äga den kapaciteten än att för alltid hyra något som har mer kraft än du behöver. I praktiken blir företaget sin egen leverantör för de arbetsbelastningar som är viktigast.

Förbered dig på föränderliga marknader

Alltför många företag behandlar fortfarande generativ AI-arkitektur som en taktisk it-fråga. Det är det inte. Dessa beslut påverkar direkt kostnadsstrukturen, den operativa flexibiliteten, datakontrollen och den långsiktiga konkurrenskraften. Om AI blir en kraftmultiplikator i hela verksamheten blir AI:s ekonomi strategisk för verksamheten i sig.

De företag som lyckas med detta kommer inte nödvändigtvis att vara de som inför tekniken snabbast. De kommer att förstå skillnaden mellan experiment och beroende. De kommer att använda externa modeller när det är lämpligt, men de kommer också att investera i egna resurser där äganderätten är viktig. De kommer att tänka som arkitekter, inte som konsumenter.

Här är slutsatsen: Billiga tokens kommer med villkor. De är en inkörsport till en beroendemodell som vanligtvis kommer att se helt annorlunda ut när leverantörerna slutar prissätta för tillväxt och börjar prissätta för hävstångseffekt. Företag kan inte fortsätta att förväxla dagens fynd med morgondagens verklighet. Styrelser och ledningsgrupper måste agera nu för att ligga steget före i denna fråga. Den avgörande frågan är inte om generativ AI skapar värde. Det gör den uppenbarligen. Den verkliga frågan är om företaget fortfarande har råd med och kan kontrollera det värde som skapas när marknaden mognar.#GenerativeAI #ArtificialIntelligence #CloudComputing #DigitalTransformation

I åratal intog Kubernetes en nästan mytisk plats inom företags-it. Det framställdes som framtidens kontrollplan, den standardiserade abstraktionen för molnbaserade system och den plattform som äntligen skulle befria företagen från infrastrukturberoende. För att vara rättvis var en del av detta sant. Kubernetes införde struktur i containerorkestrering, möjliggjorde portabla driftsättningsmodeller och gav arkitekter ett kraftfullt ramverk för att hantera distribuerade applikationer i stor skala.

Men marknaden förändras, och det gör även företagens förväntningar. Frågan är inte längre om Kubernetes är tekniskt imponerande. Det är det uppenbarligen. Frågan är om det fortfarande är det bästa alternativet för ett växande antal vanliga användningsfall inom företagen. I många fall är svaret allt oftare nej. Det vi ser är inte Kubernetes död, utan slutet på dess obestridda dominans som det självklara strategiska valet. Här är förklaringen.

För dyrt att driva

I takt med att användningen av Kubernetes ökade tvekade många organisationer att erkänna att det medförde driftsmässig komplexitet och krävde specialiserade färdigheter, ständig finjustering och stark styrning. Att driva Kubernetes på ett bra sätt kräver mogen teknik, observabilitet, säkerhet, nätverk och livscykelhantering – mycket mer än ett sidoprojekt. Många underskattade denna börda.

Det som såg elegant ut i arkitekturdiagram blev en verklig börda för driftsteamen. Klustren multiplicerades. Verktygskedjorna spred sig. Uppgraderingar blev riskabla. Policygenomförande blev en egen ingenjörsdisciplin. Företagen insåg att de inte bara införde en orkestreringsplattform. De byggde och underhöll en intern produkt som krävde kontinuerliga investeringar och sällsynt expertis.

Det kan vara acceptabelt för digitala företag vars skala och komplexitet motiverar insatsen. Det är mycket svårare att sälja in för företag som vill ha tillförlitliga distributioner, motståndskraftiga applikationer och rimliga molnkostnader. I sådana fall kan Kubernetes kännas som överingenjörskonst förklädd till strategisk modernisering. När ett företag lägger mer tid på att hantera plattformen än på att leverera affärsvärde utöver den, avtar nyhetens behag snabbt.

Portabilitet blir mindre viktigt

Kubernetes marknadsfördes som ett skydd mot inlåsning, vilket gjorde det möjligt för applikationer att köras lokalt, i molnet och i kanten. De flesta företag stod dock inför ekosystemberoenden – lagring, nätverk, säkerhet, identitet, observabilitet, CI/CD, hanterade tjänster och molnbaserade databaser – vilket skapade en praktisk inlåsning som Kubernetes inte eliminerade.

Det företagen vann i portabilitet för arbetsbelastningar förlorade de ofta i komplexitet i ekosystemet. De standardiserade på Kubernetes samtidigt som de fortfarande var starkt beroende av en viss molnleverantörs hanterade tjänster och driftskonventioner. Resultatet blev en märklig mellanväg: all komplexiteten hos en högt abstraherad plattform utan den fullständiga enkelheten i att använda egenutvecklade tjänster från början till slut.

Detta är viktigare nu eftersom styrelser och ledningsgrupper är mindre intresserade av teoretisk arkitektonisk valfrihet och mer fokuserade på mätbara affärsresultat. De vill ha snabbhet, motståndskraft, kostnadskontroll och lägre risk. Om en hanterad applikationsplattform, en serverlös miljö eller ett leverantörsspecifikt platform-as-a-service-erbjudande tar dem dit snabbare, är många villiga att acceptera en viss grad av beroende. Företagen blir alltmer uppriktiga när det gäller avvägningarna. De inser att strategisk flexibilitet är värdefull, men inte till vilket pris som helst.

Det är här Kubernetes börjar tappa i popularitet. Portabilitet har ett värde, men för många företag har det inte motiverat den operativa och organisatoriska börda det medför. Löftet översteg den faktiska avkastningen.

Bättre abstraktioner håller på att komma ikapp

Den kanske viktigaste förändringen är att företagen går från att köpa råa tekniska primitiver till att använda plattformar på högre nivå som bättre stämmer överens med utvecklarnas produktivitet och affärsresultat. Plattformsteknikteam döljer i allt högre grad Kubernetes bakom interna utvecklingsplattformar. Leverantörer av publika molntjänster fortsätter att förbättra hanterade containertjänster, serverlösa erbjudanden och integrerade applikationsmiljöer som minskar behovet av manuell infrastrukturhantering. Utvecklare vill samtidigt inte bli deltidsoperatörer av kluster. De vill ha snabba vägar för att bygga, distribuera, säkra och övervaka applikationer utan att behöva sätta ihop ett dussin komponenter.

Med andra ord kan Kubernetes fortfarande finnas under huven, men det blir mindre synligt och mindre centralt för strategiska inköpsbeslut. Det är vanligtvis ett tecken på mognad. Tekniken går från att vara rubriken till att bli rörsystemet. Företag frågar inte ”Hur inför vi Kubernetes?” lika ofta som de frågar ”Vad är det snabbaste, säkraste och mest kostnadseffektiva sättet att leverera moderna applikationer?” Det är en mycket sundare fråga.

Svaret pekar alltmer på kuraterade plattformar, utvecklingsmiljöer med tydliga riktlinjer och hanterade tjänster som abstraherar bort Kubernetes snarare än att exponera det. Detta är inte ett avvisande av molnbaserade principer. Det är ett avvisande av onödig kognitiv belastning. Företag beslutar att de inte behöver äga varje komplexitetslager för att realisera fördelarna med modern arkitektur.

Att lämna rampljuset

Inget av detta betyder att Kubernetes försvinner. Det förblir viktigt för storskaliga, heterogena och högt anpassade miljöer. Det passar fortfarande utmärkt för organisationer med stark plattformsmognad, regulatoriska begränsningar eller sofistikerade operativa behov i flera moln. Men det är en smalare del av marknaden än vad hajp-cykeln en gång antydde.

Det som tappar i popularitet är inte Kubernetes som teknik, utan Kubernetes som den obestridda standarden för företag. Denna skillnad är viktig. Företag blir allt mer selektiva när det gäller var de accepterar komplexitet och var de undviker den. De är mindre benägna att idealisera infrastruktur och mer ivriga att välja enkelhet när den finns.

Det är förmodligen en bra sak. Uppgiften för företagsarkitekturen är inte att beundra elegant teknik för dess egen skull. Den är att anpassa teknikvalen till operativa realiteter, ekonomiska begränsningar och affärsresultat. Enligt den standarden har Kubernetes fortfarande en plats, men det får inte längre fria händer.#CloudComputing #PaaS #CloudArchitecture