Podczas Business Sync Hub Tomasz Matuła, Marcin Klabiński z IBM, Sebastian Bar z Cloudware Polska oraz Artur Duszczyk z whitesky.cloud Poland zmierzyli się z tematem, który w wielu firmach wciąż budzi skrajne emocje. Dla jednych chmura jest złotym środkiem na wszystko, dla innych synonimem niekontrolowanych kosztów i utraty panowania nad danymi. W tym panelu padła jasna teza: chmura nie jest celem, tylko środkiem, a tym, co naprawdę się liczy, jest „business first”, a nie „cloud first”.
„Cloud first” czy „business first”?
Marcin Klabiński zwrócił uwagę, że dogmatyczne podejście „cloud first” częściej prowadzi do problemów niż do sukcesu. Historia CTO, który po migracji kluczowej aplikacji „lift and shift” miał gorszą wydajność, niezadowolonych użytkowników i niestabilny system, jest niestety dość typowa.
Zamiast zakładać, że każdy nowy projekt „musi” wylądować w chmurze, Marcin proponuje podejście „business first”:
- najpierw strategia IT, a w jej ramach strategia chmurowa,
- analiza tego, czym firma się zajmuje i jakie projekty będzie realizować,
- wybór dostawców chmurowych nie na podstawie rankingu, lecz realnych usług, których potrzebuje biznes,
- dla każdego projektu porównanie: co ma sens on‑premise, co w chmurze i z jakim uzasadnieniem kosztowym.
Chmura świetnie sprawdza się tam, gdzie liczy się czas dostarczenia, dostęp do wysoko przetworzonych usług, gotowych komponentów i globalnej infrastruktury. W innych obszarach, zwłaszcza przy stałym, przewidywalnym obciążeniu i wrażliwych danych, lepszym wyborem może być chmura prywatna lub klasyczne środowisko on‑premise.
Chmura prywatna, hybrydowa czy publiczna – co „opłaca się” naprawdę?
Artur Duszczyk ujął sprawę prosto: „jedynym słusznym rozwiązaniem jest sukces naszego biznesu”. Zamiast pytać, czy publiczna, prywatna czy hybrydowa, warto odpowiedzieć na pytanie:
- jakie mamy dane i co się stanie, jeśli wyciekną,
- jakie obciążenia (stałe czy zmienne) generują aplikacje,
- jaką część kosztów będzie stanowił transfer danych, szczególnie z chmury.
Przykład z projektu zagranicznego był bardzo obrazowy:
- serwer wewnętrzny w klasycznej chmurze prywatnej kosztował około 480 tys. dolarów,
- odpowiednik w modelu „private cloud as a service” – ponad 5 mln dolarów.
Przy dużym, stałym obciążeniu i intensywnym ruchu danych koszty transferu z chmury mogą całkowicie zjeść spodziewane oszczędności. W takich przypadkach dobrze zarządzana chmura prywatna może być po prostu tańsza i bezpieczniejsza.
Z drugiej strony zmienne, nieprzewidywalne obciążenia, sezonowe piki czy projekty eksperymentalne często najlepiej obsłużyć w chmurze publicznej. Klucz leży w tym, by nie wybierać modelu „z zasady”, tylko w oparciu o rachunek biznesowy i profil ryzyka.
Skąd biorą się „niespodziewane” koszty w chmurze?
Sebastian Bar przypomniał, że najboleśniejsze koszty rzadko biorą się z samej ceny maszyn wirtualnych. Najczęstsze pułapki to:
- koszty transferu danych, zwłaszcza wychodzącego z chmury,
- „zapomniane” zasoby – środowiska testowe, dyski, logi czy usługi, które po projekcie nikt nie wyłączył,
- brak przypisania kosztów do aplikacji, zespołów lub właścicieli biznesowych.
Przykład z klientem, który dobrze przeliczył serwery przed dużą kampanią marketingową, ale nie uwzględnił kosztów transferu, pokazuje, że sama świadomość „cennika” nie wystarczy. Innym razem analiza narzędziami typu FinOps wykazała liniowo rosnące koszty pewnej aplikacji. Okazało się, że gromadzono tam ogromne ilości niepotrzebnych logów. Po porządku w konfiguracji rachunek spadł o 10 tys. euro miesięcznie.
To sedno kultury FinOps:
- wiedzieć, co, ile kosztuje,
- etykietować zasoby,
- monitorować trendy i szybko reagować na anomalie,
- łączyć perspektywę IT i finansów w jednym zespole.
Kiedy chmura daje przewagę, a kiedy przeszkadza
Marcin podał dwa skrajne case studies:
- Cyfrowy asystent / infolinia: w chmurze dało się go zbudować w trzy tygodnie, z użyciem gotowych usług i komponentów. Klient jednak uparł się na wersję on‑ Efekt: projekt trwał pół roku, kosztował trzy razy więcej, a utrzymanie nadal było droższe od pierwotnego rozwiązania chmurowego, mimo że dane nie były szczególnie wrażliwe.
- Globalny dostawca usług cyfrowych: potrzebował mocy obliczeniowej z GPU w wielu regionach świata. Budowa własnych data center w każdym regionie byłaby ekstremalnie droga i czasochłonna. Chmura publiczna okazała się tu naturalnym wyborem, bo umożliwiła szybkie skalowanie i bliskość do klientów.
Wniosek? Chmura daje największą przewagę tam, gdzie liczy się czas wejścia na rynek, dostęp do specjalistycznej infrastruktury oraz globalny zasięg. On‑premise i chmura prywatna wygrywają, gdy priorytetem są koszty długoterminowe, specyficzne licencje, bardzo wrażliwe dane i pełna suwerenność środowiska.
Hybryda to standard, nie wyjątek
Sebastian zaznaczył, że w praktyce większość firm żyje dziś w modelu hybrydowym, nawet jeśli nie zawsze tak to nazywa. Nawet organizacje „cloud only” często mają elementy lokalne, chociażby w obszarze sieci, bezpieczeństwa czy integracji.
Kluczowe pytania brzmią:
- jakie dane trzymamy, gdzie i dlaczego,
- które aplikacje lepiej działają bliżej użytkownika lub systemów źródłowych,
- gdzie sensownie jest korzystać z wysoko przetworzonych usług (np. AI, zaawansowane bazy, narzędzia analityczne), a gdzie kontrola i przewidywalność są ważniejsze niż „zwinność za wszelką cenę”.
Przemyślana hybryda to taka, w której każda część architektury ma swoje „dlaczego”, a nie jest wynikiem serii przypadkowych decyzji projektowych.
AI, automatyzacja i chmura – mniej strachu, więcej korzyści
Wątek AI w chmurze Artur podsumował z humorem: „Nie wszyscy muszą mieć AI, choć wszyscy mają”. Rzeczywistość jest taka, że sztuczna inteligencja i uczenie maszynowe towarzyszą nam od lat – w telefonach, systemach rekomendacji, narzędziach do optymalizacji obciążeń.
Dobrze użyte AI:
- pomaga optymalizować przydział zasobów (np. GPU tylko wtedy, gdy są potrzebne),
- automatyzuje zadania, które do tej pory wykonywał administrator,
- pozwala informatykom skupić się na ważniejszych zadaniach niż „ręczne przeklikiwanie” konfiguracji.
Lęk przed AI często wynika z utożsamiania jej wyłącznie z generatywną AI i dużymi modelami językowymi. Tymczasem w optymalizacji infrastruktury i chmury ogromną rolę odgrywają klasyczne algorytmy uczenia maszynowego, które po prostu pomagają podejmować lepsze decyzje na podstawie danych.
