FDA, yönetilen Databricks platformunun artık 6.000'den fazla kullanıcıyı desteklediğini söylüyor

Ne oldu?

FDA, AWS GovCloud ve Unity Catalog'da Databricks'i kullanan bir kurumsal veri platformu olan HALO'yu oluşturdu. Ajans, geçişin 5.000'den fazla kullanıcıyı, 8.000 işi ve işlem hattını ve 4.000'den fazla not defterini kesinti olmaksızın kapsadığını söylüyor.

Databricks, FDA'nın şirketin Veri + Yapay Zeka Zirvesi'ndeki sunumunu anlatan hesabı 1 Eylül 2026'da yayınladı. Kaynağa göre FDA, analitik ve yapay zeka çalışmaları için güvenli, yönetilen bir temel olarak HALO'yu veya Veriler için Harmonize Yapay Zeka ve Yaşam Döngüsü Operasyonlarını kurdu. Platform, AWS GovCloud'daki Databricks üzerinde çalışır ve veriler ve yapay zeka varlıkları için ortak bir yönetim katmanı olarak Unity Catalog'u kullanır. Databricks, mimariyi FedRAMP High ve DoD IL5 gibi gereksinimlere tabi hassas iş yüklerine uygun olarak sunarken FDA, sistemi düzenleyici çalışmaları kesintiye uğratmadan veri işlemlerini modernleştirmenin bir yolu olarak tanımlıyor.

FDA'nın modernizasyonu 2020'de eski bir ortam projesiyle başladı ve ardından 2025'te AWS GovCloud'daki Databricks'e geçiş yapıldı. Kaynak üç kilometre taşı belirliyor: FedRAMP Yüksek yetkilendirmesi için sponsorluk, GovCloud geçişi ve Unity Katalogunun benimsenmesi. Ajans, sıfır kesinti süresiyle 5.000'den fazla kullanıcıyı ve 8.000'den fazla işi ve işlem hattını taşıdığını söylüyor. Ayrıca 1.000'den fazla veri hattını ve 4.000'den fazla not defterini yeniden düzenledi. Platformun sekiz merkezi ve 30 programı tek bir ortama getirdiği ve başvuru ve gönderim sistemlerinden 40'tan fazla veri kaynağını birleştirdiği bildirildi.

Databricks, FDA'nın platformda 2020'de yaklaşık 500 olan kullanıcı sayısının şu anda 6.000'den fazla olduğunu ve bu rakamın 2028 yılına kadar 10.000'i aşmasını beklediğini söylüyor. FDA, iş zekası iş yükleri için SQL ambar yanıt sürelerinin %30'dan fazla arttığını, bilgi işlem maliyetlerinin %20'den fazla düştüğünü, kaynak sağlama, izin verme ve veri paylaşımına harcanan zamanın %75'ten fazla azaldığını ve operasyonel Genel giderler %35'ten fazla düştü. Platform aynı zamanda model sunumunu ve kaynağın eski kontrol panellerini modernleştirmek için kullanıldığını söylediği Genie'yi de destekliyor. HALO, FDA'nın kurumsal yapay zeka platformu Elsa ile entegredir ve ilaç ve cihaz gönderimlerindeki yapılandırılmış ve yapılandırılmamış materyalleri analiz etmeye yönelik bir girişim olan MARS'ı destekler. Kaynak, yapay zeka kullanım durumlarının üretim ve pilot aşamada olduğunu ve uçuşta 10'dan fazla ek çalışmanın yapıldığını söylüyor.

Kaynak ayrıntıları: databricks.com ↗

Neden önemli?

Dağıtım, federal bir düzenleyicinin erişim kontrollerini, denetlenebilirliği ve insan incelemesini korurken yapay zekayı yüksek güvenlikli, çok kiracılı bir veri ortamında nasıl kullanılabilir hale getirmeye çalıştığını gösteriyor. Operasyonel sonuçlar önemlidir, ancak bunlar Databricks kurumsal blogunda bizzat raporlanır ve kaynakta bağımsız olarak doğrulanmaz.

FDA'nın açıklaması konuyla alakalı çünkü yapay zeka dağıtımını, yapay zekayı bağımsız bir gösteri olarak sunmak yerine büyük bir federal düzenleyicinin operasyonel kısıtlamaları içine yerleştiriyor. Ajans, birçok merkez, ofis, laboratuvar ve ürün kategorisinde bilimsel ve düzenleyici çalışmaları yürütmektedir. Kaynak, parçalanmış verilerin, kopyalanan çalışmaların ve tutarsız boru hatlarının, analistlerin ve bilim adamlarının bilgileri bulma ve uzlaştırma yeteneklerini sınırladığını ileri sürüyor. Paylaşılan, yönetilen bir platform, farklı kuruluş birimleri için ayrı kontrolleri korurken, onaylanmış verilerin keşfedilmesini ve paylaşılmasını kolaylaştırarak bu engelleri azaltabilir.

Çok kiracılı tasarım dağıtımın merkezinde yer alır. Kaynak bunu bir apartman kompleksiyle karşılaştırıyor: merkezler temel bir platformu paylaşıyor ancak ayrı güvenli alanları, izinleri ve politikaları koruyor. Unity Catalog, yönetim, köken ve denetlenebilirliği korurken merkezler arasında veri paylaşımına olanak tanıyan katman olarak tanımlanıyor. Bu düzenleme kamu sektörü yapay zekası için pratik olarak önemli olabilir çünkü bir model veya analitik araç birden fazla programdan gelen bilgilere ihtiyaç duyabilirken, hassas kayıtlar hâlâ erişim ve kullanım konusunda kısıtlamalar gerektirebilir. Kaynak ayrıca daha geniş güvenlik mimarisinin bileşenleri olarak kod olarak altyapıyı, özel ağ iletişimini, müşteri tarafından yönetilen anahtarları ve uyumluluk güvenlik profilini de vurguluyor.

Kaynaktaki en güçlü kanıt, yapay zeka çıktılarının kalitesi veya güvenliğiyle değil, bildirilen operasyonel değişikliklerle ilgilidir. Databricks, performans ve maliyet rakamlarını FDA'ya atfediyor ancak blog, ölçüm dönemleri, temeller, metodoloji veya bağımsız bir değerlendirme sunmuyor. Ayrıca MARS'ın inceleme sürelerini kısaltıp kısaltmadığını, hata oranlarını iyileştirip iyileştirmediğini veya düzenleyici sonuçları değiştirip değiştirmediğini de bildirmiyor. Kaynak, yapay zekanın bilim adamlarını ve incelemecileri değiştirmek yerine onları güçlendirdiğini söylüyor ancak onay kapıları, yükseltme prosedürleri, denetim bulguları veya olaylar hakkında hiçbir ayrıntı vermiyor. Bu ihmaller, dağıtımı geçersiz kılmaz ancak gerçek dünyadaki etkinliği ve güvenliği hakkında çıkarılabilecek sonuçları sınırlandırır.

Bundan sonra ne izlenecek?

Önemli bilinmeyenler arasında FDA'nın bildirilen verimlilik kazanımlarını nasıl ölçtüğü, hangi yapay zeka kullanım durumlarının üretimde olduğu ve MARS'ın uygulamada inceleme kalitesini veya hızını iyileştirip iyileştirmediği yer alıyor. Ajansın 2028 yılına kadar 10.000 kullanıcıyı aşması beklenen genişleme, yönetişim ve insan incelemesi yaklaşımının ölçeklenip ölçeklenmediğini test edecek.

İlk öncelik raporlanan sonuçların doğrulanmasıdır. Daha fazla FDA dokümantasyonu veya kamuya açık bir sunum, daha hızlı sorgular, daha düşük bilgi işlem maliyetleri ve daha az provizyon işi iddialarının ardındaki zaman aralıklarının yanı sıra geçiş sırasında sıfır kesinti süresinin nasıl tanımlandığını açıklığa kavuşturabilir. Rakamların tüm platform için mi yoksa seçilen iş yükleri için mi geçerli olduğunu bilmek de faydalı olacaktır. Kaynak, mutlak maliyet rakamları, hizmet düzeyi sonuçları veya kesintiler, başarısız geçişler veya iyileştirme çalışmaları hakkında ayrıntılı bilgi vermiyor.

Bir sonraki test, altyapı hazırlığından ölçülebilir düzenleyici kullanıma geçiş olacak. Kaynak, MARS'ın incelemecilerin klinik deney sonuçlarını, güvenlik verilerini, etiketlemeyi ve ilaç ve cihaz uygulamalarıyla ilgili diğer bilgileri analiz etmelerine yardımcı olabileceğini söylüyor ancak sistemin ne kadar geniş çapta kullanıldığını veya hangi görevlerin deneysel kaldığını belirtmiyor. FDA'nın 2028 yılına kadar 10.000 kullanıcıyı aşma hedefi, erişim kontrollerini, kökeni, izinleri ve insan incelemesini daha geniş bir kullanıcı tabanında yönetmeyi daha zor hale getirecek. Gelecekteki raporlama, üretimdeki dağıtımları pilot uygulamalardan ve planlanan projelerden ayırmalıdır.

Güvenlik ve yönetişim iddiaları da sistem genişledikçe incelemenin devamını gerektirir. Databricks, özel bağlantıyı, müşteri tarafından yönetilen şifreleme anahtarlarını, uyumluluk kontrollerini ve Unity Katalogunu mimarinin parçaları olarak tanımlıyor ancak kaynak, bağımsız bir güvenlik değerlendirmesi veya izinlerin nasıl test edildiğine ilişkin ayrıntılar sunmuyor. Yapay zeka uygulamalarını hangi modellerin desteklediğini, çıktılarının nasıl değerlendirildiğini veya gönderim verilerinin ne kadar hassas tutulduğunu ve izlendiğini söylemiyor. Pratik soru, FDA'nın yapay zeka araçlarını merkezler ve programlar arasında geniş çapta kullanılabilir hale getirirken izlenebilirliği ve sorumlu insan karar verme sürecini koruyup koruyamayacağıdır.

İlgili kılavuzlar ve testler