Η FDA λέει ότι η ελεγχόμενη πλατφόρμα Databricks υποστηρίζει πλέον περισσότερους από 6.000 χρήστες

Τι έγινε

Η FDA δημιούργησε το HALO, μια πλατφόρμα επιχειρηματικών δεδομένων που χρησιμοποιεί Databricks στο AWS GovCloud και στον Κατάλογο Unity. Ο οργανισμός λέει ότι η μετάβαση κάλυψε περισσότερους από 5.000 χρήστες, 8.000 θέσεις εργασίας και αγωγούς και περισσότερους από 4.000 φορητούς υπολογιστές χωρίς διακοπές λειτουργίας.

Η Databricks δημοσίευσε τον λογαριασμό την 1η Σεπτεμβρίου 2026, περιγράφοντας την παρουσίαση του FDA στο Data + AI Summit της εταιρείας. Σύμφωνα με την πηγή, η FDA κατασκεύασε το HALO, ή το Harmonized AI and Lifecycle Operations for Data, ως ένα ασφαλές, ελεγχόμενο θεμέλιο για εργασίες ανάλυσης και τεχνητής νοημοσύνης. Η πλατφόρμα τρέχει σε Databricks στο AWS GovCloud και χρησιμοποιεί Unity Catalog ως κοινό επίπεδο διακυβέρνησης για δεδομένα και στοιχεία τεχνητής νοημοσύνης. Το Databricks παρουσιάζει την αρχιτεκτονική ως κατάλληλη για ευαίσθητους φόρτους εργασίας που υπόκεινται σε απαιτήσεις, όπως το FedRAMP High και το DoD IL5, ενώ ο FDA περιγράφει το σύστημα ως έναν τρόπο εκσυγχρονισμού των λειτουργιών δεδομένων χωρίς διακοπή των ρυθμιστικών εργασιών.

Ο εκσυγχρονισμός του FDA ξεκίνησε με ένα έργο κληροδοτημένου περιβάλλοντος το 2020, ακολουθούμενο από μια μετάβαση στο Databricks στο AWS GovCloud το 2025. Η πηγή προσδιορίζει τρία ορόσημα: χορηγία για την εξουσιοδότηση FedRAMP High, τη μετεγκατάσταση GovCloud και την υιοθέτηση του Unity Catalog. Ο οργανισμός λέει ότι μετέφερε περισσότερους από 5.000 χρήστες και περισσότερες από 8.000 θέσεις εργασίας και αγωγούς με μηδενικό χρόνο διακοπής λειτουργίας. Επίσης, αναμόρφωσε περισσότερους από 1.000 αγωγούς δεδομένων και περισσότερα από 4.000 σημειωματάρια. Η πλατφόρμα φέρεται να έφερε οκτώ κέντρα και 30 προγράμματα σε ένα περιβάλλον και ενοποίησε περισσότερες από 40 πηγές δεδομένων από συστήματα εφαρμογών και υποβολής.

Η Databricks λέει ότι ο FDA έχει τώρα περισσότερους από 6.000 χρήστες στην πλατφόρμα, από περίπου 500 το 2020, και αναμένει ότι ο αριθμός αυτός θα ξεπεράσει τους 10.000 έως το 2028. Ο FDA αναφέρει ότι οι χρόνοι απόκρισης αποθήκης SQL για φόρτους εργασίας επιχειρηματικής ευφυΐας βελτιώθηκαν κατά περισσότερο από 30%, περισσότερο από 20% κόστος υπολογισμού και μείωση του χρόνου Η κοινή χρήση μειώθηκε κατά περισσότερο από 75%, και τα λειτουργικά γενικά έξοδα μειώθηκαν κατά περισσότερο από 35%. Η πλατφόρμα υποστηρίζει επίσης την εξυπηρέτηση μοντέλων και το Genie, τα οποία η πηγή λέει ότι χρησιμοποιούνται για τον εκσυγχρονισμό παλαιού τύπου ταμπλό. Το HALO είναι ενσωματωμένο με την Elsa, την επιχειρηματική πλατφόρμα τεχνητής νοημοσύνης του FDA, και υποστηρίζει το MARS, μια πρωτοβουλία για την ανάλυση δομημένου και μη δομημένου υλικού σε υποβολές φαρμάκων και συσκευών. Η πηγή λέει ότι οι περιπτώσεις χρήσης τεχνητής νοημοσύνης βρίσκονται σε στάδιο παραγωγής και πιλοτικής λειτουργίας, με περισσότερες από 10 πρόσθετες προσπάθειες εν πτήσει.

Στοιχεία πηγής: databricks.com ↗

Γιατί έχει σημασία

Η ανάπτυξη δείχνει πώς μια ομοσπονδιακή ρυθμιστική αρχή προσπαθεί να καταστήσει την τεχνητή νοημοσύνη χρησιμοποιήσιμη σε ένα περιβάλλον δεδομένων υψηλής ασφάλειας, πολλαπλών ενοικιαστών, διατηρώντας παράλληλα τους ελέγχους πρόσβασης, τη δυνατότητα ελέγχου και τον ανθρώπινο έλεγχο. Τα λειτουργικά αποτελέσματα είναι σημαντικά, αλλά αναφέρονται μόνοι τους σε ένα εταιρικό ιστολόγιο Databricks και δεν επαληθεύονται ανεξάρτητα στην πηγή.

Ο λογαριασμός του FDA είναι σχετικός επειδή τοποθετεί την ανάπτυξη της τεχνητής νοημοσύνης εντός των επιχειρησιακών περιορισμών μιας σημαντικής ομοσπονδιακής ρυθμιστικής αρχής αντί να παρουσιάζει την τεχνητή νοημοσύνη ως αυτόνομη επίδειξη. Ο οργανισμός χειρίζεται επιστημονικές και ρυθμιστικές εργασίες σε πολλά κέντρα, γραφεία, εργαστήρια και κατηγορίες προϊόντων. Η πηγή υποστηρίζει ότι τα κατακερματισμένα δεδομένα, η διπλή εργασία και οι ασυνεπείς αγωγοί είχαν περιορίσει την ικανότητα των αναλυτών και των επιστημόνων να βρίσκουν και να συνδυάζουν πληροφορίες. Μια κοινόχρηστη, ελεγχόμενη πλατφόρμα θα μπορούσε να μειώσει αυτά τα εμπόδια, καθιστώντας τα εγκεκριμένα δεδομένα ευκολότερα τον εντοπισμό και την κοινή χρήση, διατηρώντας παράλληλα ξεχωριστούς ελέγχους για διαφορετικές οργανικές μονάδες.

Ο σχεδιασμός πολλαπλών ενοικιαστών είναι κεντρικός στην ανάπτυξη. Η πηγή το συγκρίνει με ένα συγκρότημα διαμερισμάτων: τα κέντρα μοιράζονται μια υποκείμενη πλατφόρμα, αλλά διατηρούν ξεχωριστούς ασφαλείς χώρους, άδειες και πολιτικές. Ο Κατάλογος Unity περιγράφεται ως το επίπεδο που επιτρέπει την κοινή χρήση δεδομένων μεταξύ των κέντρων, διατηρώντας παράλληλα τη διακυβέρνηση, τη γενεαλογία και τη δυνατότητα ελέγχου. Αυτή η ρύθμιση θα μπορούσε να είναι πρακτικά σημαντική για την τεχνητή νοημοσύνη του δημόσιου τομέα, επειδή ένα μοντέλο ή ένα αναλυτικό εργαλείο μπορεί να χρειάζεται πληροφορίες από πολλά προγράμματα, ενώ τα ευαίσθητα αρχεία εξακολουθούν να απαιτούν περιορισμούς πρόσβασης και χρήσης. Η πηγή επισημαίνει επίσης την υποδομή ως κώδικας, την ιδιωτική δικτύωση, τα κλειδιά που διαχειρίζονται οι πελάτες και το προφίλ ασφάλειας συμμόρφωσης ως στοιχεία της ευρύτερης αρχιτεκτονικής ασφάλειας.

Τα ισχυρότερα στοιχεία στην πηγή αφορούν τις αναφερόμενες λειτουργικές αλλαγές και όχι την ποιότητα ή την ασφάλεια των αποτελεσμάτων τεχνητής νοημοσύνης. Η Databricks αποδίδει τα στοιχεία απόδοσης και κόστους στον FDA, αλλά το ιστολόγιο δεν παρέχει περιόδους μέτρησης, γραμμές βάσης, μεθοδολογία ή ανεξάρτητη αξιολόγηση. Επίσης, δεν αναφέρει εάν η MARS έχει συντομεύσει τα χρονοδιαγράμματα αξιολόγησης, βελτίωσε τα ποσοστά σφαλμάτων ή άλλαξε τα ρυθμιστικά αποτελέσματα. Η πηγή λέει ότι η τεχνητή νοημοσύνη αυξάνει τους επιστήμονες και τους αναθεωρητές αντί να τους αντικαθιστά, αλλά δεν δίνει λεπτομέρειες σχετικά με τις πύλες έγκρισης, τις διαδικασίες κλιμάκωσης, τα ευρήματα του ελέγχου ή τα περιστατικά. Αυτές οι παραλείψεις δεν ακυρώνουν την ανάπτυξη, αλλά περιορίζουν τα συμπεράσματα σχετικά με την αποτελεσματικότητα και την ασφάλειά της στον πραγματικό κόσμο.

Τι να παρακολουθήσετε στη συνέχεια

Τα βασικά άγνωστα στοιχεία περιλαμβάνουν τον τρόπο με τον οποίο ο FDA μέτρησε τα αναφερόμενα κέρδη απόδοσης, ποιες περιπτώσεις χρήσης τεχνητής νοημοσύνης βρίσκονται στην παραγωγή και εάν το MARS βελτιώνει την ποιότητα ή την ταχύτητα της κριτικής στην πράξη. Η αναμενόμενη επέκταση του οργανισμού πέραν των 10.000 χρηστών έως το 2028 θα δοκιμάσει εάν η προσέγγιση διακυβέρνησης και ανθρώπινης αναθεώρησης είναι κλίμακας.

Η πρώτη προτεραιότητα είναι η επαλήθευση των αναφερόμενων αποτελεσμάτων. Περαιτέρω τεκμηρίωση του FDA ή μια δημόσια παρουσίαση θα μπορούσε να αποσαφηνίσει τις χρονικές περιόδους πίσω από τους ισχυρισμούς για ταχύτερα ερωτήματα, χαμηλότερο κόστος υπολογισμού και μειωμένη εργασία παροχής, καθώς και πώς ορίστηκε ο μηδενικός χρόνος διακοπής λειτουργίας κατά τη μετάβαση. Θα ήταν επίσης χρήσιμο να γνωρίζουμε εάν τα στοιχεία ισχύουν για την πλήρη πλατφόρμα ή για επιλεγμένους φόρτους εργασίας. Η πηγή δεν παρέχει στοιχεία απόλυτου κόστους, αποτελέσματα σε επίπεδο υπηρεσιών ή λεπτομερή απολογισμό διακοπών, αποτυχημένων μεταναστεύσεων ή εργασιών αποκατάστασης.

Η επόμενη δοκιμή θα είναι η μετάβαση από την ετοιμότητα των υποδομών σε μετρήσιμη ρυθμιστική χρήση. Η πηγή λέει ότι το MARS μπορεί να βοηθήσει τους αναθεωρητές να αναλύσουν αποτελέσματα κλινικών δοκιμών, δεδομένα ασφάλειας, επισήμανση και άλλες πληροφορίες που σχετίζονται με εφαρμογές φαρμάκων και συσκευών, αλλά δεν διευκρινίζει πόσο ευρέως χρησιμοποιείται το σύστημα ή ποιες εργασίες παραμένουν πειραματικές. Ο δηλωμένος στόχος του FDA να ξεπεράσει τους 10.000 χρήστες έως το 2028 θα καταστήσει πιο δύσκολο τη διαχείριση των ελέγχων πρόσβασης, της γενεαλογίας, της χορήγησης αδειών και του ανθρώπινου ελέγχου σε μια μεγαλύτερη βάση χρηστών. Οι μελλοντικές εκθέσεις θα πρέπει να διακρίνουν τις αναπτύξεις στην παραγωγή από τα πιλοτικά και τα προγραμματισμένα έργα.

Οι αξιώσεις ασφάλειας και διακυβέρνησης απαιτούν επίσης συνεχή έλεγχο καθώς το σύστημα επεκτείνεται. Το Databricks περιγράφει την ιδιωτική συνδεσιμότητα, τα κλειδιά κρυπτογράφησης που διαχειρίζονται οι πελάτες, τα στοιχεία ελέγχου συμμόρφωσης και τον Κατάλογο Unity ως μέρη της αρχιτεκτονικής, αλλά η πηγή δεν παρέχει ανεξάρτητη αξιολόγηση ασφαλείας ή λεπτομέρειες σχετικά με τον τρόπο δοκιμής των αδειών. Δεν αναφέρει ποια μοντέλα τροφοδοτούν τις εφαρμογές τεχνητής νοημοσύνης, πώς αξιολογούνται τα αποτελέσματά τους ή πώς διατηρούνται και παρακολουθούνται τα ευαίσθητα δεδομένα υποβολής. Το πρακτικό ερώτημα είναι εάν ο FDA μπορεί να διατηρήσει την ιχνηλασιμότητα και την υπεύθυνη λήψη αποφάσεων από τον άνθρωπο, καθιστώντας τα εργαλεία τεχνητής νοημοσύνης ευρέως διαθέσιμα σε όλα τα κέντρα και τα προγράμματα.

Σχετικοί οδηγοί και κουίζ