Autodesk sur AWS

Dans cette vidéo AWS Conversations avec des dirigeants, Amy Bunszel, vice-présidente directrice des solutions de conception d'architecture, d'ingénierie et de construction chez Autodesk, se penche sur le succès d'Autodesk et sur la manière dont l'entreprise prend des risques mesurés. Cette approche a insufflé une culture de l'expérimentation sur le lieu de travail, ce qui a permis à Autodesk de résoudre des problèmes complexes à mesure que l'entreprise crée les équipes adéquates en vue d'une mise à l'échelle de grande envergure.

Regardez cette conversation avec Prakash Kota, CIO chez Autodesk, sur les stratégies organisationnelles et les bonnes pratiques pour donner aux gens et aux entreprises les moyens de réussir dans le futur numérique.

Prakash Kota, vice-président principal et directeur informatique d'Autodesk, parle de comment convaincre le personnel et la direction à la migration des charges de travail de l'ensemble de l'entreprise vers le cloud AWS et explique comment motiver le personnel grâce à AWS Training and Certification. L'un des principaux enseignements de la transformation d'Autodesk a été de commencer petit et de se développer rapidement en investissant dans son personnel afin de créer une culture de l'apprentissage continu.

Autodesk utilise des modèles de machine learning conçus sur Amazon SageMaker pour aider les concepteurs à organiser et à trier des milliers de d'options de conception générative. Grâce au processus de conception générative d'Autodesk, Edera Safety, un studio de conception autrichien, a créé un protecteur de colonne vertébrale meilleur et plus efficace.

La plateforme de données d'Autodesk (ADP) collecte et traite les données relatives à l'utilisation des produits et fournit aux équipes d'exploitation d'Autodesk une plateforme analytique des produits. En migrant l'ADP d'un système de traitement basé sur Spark vers AWS Lambda, Autodesk économise jusqu'à 90 % des coûts de traitement des données par an. Aujourd'hui, Autodesk est en mesure de traiter les données quasiment en temps réel, ce qui permet aux utilisateurs de tirer parti d'analytique en temps voulu pour améliorer les produits et saisir d'autres opportunités commerciales.

Pour donner à ses clients la possibilité de travailler plus rapidement, efficacement et durablement tout au long des cycles de vie des projets, Autodesk a dû repenser son infrastructure pour prendre en charge ces données complexes à la croissance exponentielle. Découvrez le cadre en cinq étapes utilisé par Autodesk.

Autodesk a crée des modèles de compétences en machine learning à l'aide d'Amazon SageMaker qui diffèrent des modèles de classification habituels, car ils sont capables de choisir la bonne équipe chargée d'assister les utilisateurs. Cela contraste avec de nombreux modèles qui essaient de prédire le sujet d'un cas et de l'acheminer ensuite à partir de ce sujet.

Autodesk a choisi les solutions AWS pour créer et déployer rapidement un modèle de machine learning pour une nouvelle itération d'un forum appelé Community Match. Le modèle fait correspondre l'expertise des membres du forum aux questions posées sur celui-ci. L'idée est d'encourager les membres de la communauté qui ont un sujet d'expertise particulier à partager leurs connaissances approfondies sur les solutions Autodesk. Si jusqu'à présent les clients ne faisaient appel à l'assistance d'Autodesk uniquement pour résoudre des problèmes, ils profitent désormais des connaissances de la communauté partagée pour utiliser plus efficacement les logiciels Autodesk.

Le développement d'une vision à 360 degrés des métriques financières des clients peut donner aux organisations la capacité de prendre des décisions proactives plutôt que réactives concernant les stratégies des équipes de compte. Cependant, les données relatives aux clients sont généralement hébergées dans diverses sources et cela nécessite beaucoup d'efforts pour joindre les métriques en mettant en correspondance les identifiants, les noms de compte et les autres champs. Ces données peuvent être présentées dans des formats contradictoires, et le nombre de registres peut dépasser ce que les outils de données les plus communs peuvent traiter. Autodesk s'appuie sur Trifacta sur AWS pour créer un processus rationalisé de pipeline de données afin d'automatiser la diffusion d'analytiques holistiques des clients.

Autodesk crée des logiciels de conception qui nécessitent une capacité de calcul significative pour obtenir des résultats. Pour Autodesk, la charge de travail Rendering-as-a-Service (RaaS) était la plus importante en matière de dépenses totales. L'entreprise s'appuie maintenant sur les instances Spot Amazon EC2 pour réaliser d'importantes économies sur sa fonction RaaS.

Bien qu'Autodesk ait tiré parti de son adhésion à AWS, la configuration de nouveaux comptes AWS constitue un vrai défi pour l'équipe composée de deux personnes en charge des opérations AWS. Les processus manuels de configuration de compte entrainaient des délais de traitement de deux semaines pour les demandes de nouveau compte et présentaient des risques d'erreur humaine. Autodesk a créé une solution à l'aide d'une architecture sans serveur pour réduire les délais et les coûts nécessaires à la gestion de l'infrastructure. Avec la solution, les développeurs Autodesk soumettent désormais un formulaire en ligne pour demander un nouveau compte, et une API déclenche ensuite le processus de création de comptes. Le développement et le lancement de la solution, qui prend également en charge la recherche de comptes par numéro de compte, adresse e-mail ou adresse IP, n'ont nécessité qu'un mois.

Plutôt que de louer du matériel physique, Autodesk utilise Amazon WorkSpaces pour héberger ses postes de travail virtuels sur des clients zéro, ce qui lui permet d'améliorer l'efficacité de la configuration et de réduire son empreinte carbone. Grâce à AWS, Autodesk met en place et déploie 450 postes de travail lors de ses événements Autodesk University, économisant ainsi près d'une semaine et des milliers de dollars.

AWS Support permet à Autodesk de se concentrer sur son activité principale au lieu de passer un temps précieux à se préoccuper de l'architecture de ses services AWS fondamentaux. Autodesk considère AWS Support comme son équipe d'assistance d'infrastructure virtuelle, comme s'il s'agissait d'un autre service ou groupe au sein d'Autodesk, car l'entreprise sait qu'elle peut contacter AWS Support sans avertissement et obtenir le niveau d'assistance dont ils ont besoin.

Autodesk a rapidement conçu, entrainé et débogué un modèle de machine learning sur la similarité visuelle. Grâce à SageMaker Debugger, Autodesk a amélioré les performances de Fusion 360 et a économisé du temps et des coûts de calcul.

En savoir plus sur l'architecture d'Autodesk Shotgun Private Cloud, une application de gestion de projet VFX basée sur le cloud et fonctionnant sur AWS. Autodesk Shotgun simplifie la gestion des projets créatifs et unifie les équipes de toutes tailles d'effets visuels (VFX), d'animation et de jeux. Shotgun est une plateforme à la demande évolutive qui peut prendre en charge de quelques utilisateurs à des milliers. Elle est utilisée chaque jour par plus de 1 000 studios à travers le monde pour suivre des millions de tâches. Cette démonstration explique comment AWS aide les clients à créer des applications SaaS robustes qui répondent aux exigences en matière de sécurité les plus strictes.

Autodesk a migré une base de données stratégique avec un temps d'arrêt minimal. Cette migration a permis de rationaliser la gestion et la résilience du service Autodesk SSO, d'optimiser les coûts et de réduire les frais généraux de maintenance de l'infrastructure. Ce blog détaille l'architecture avant la migration, la stratégie de migration, les étapes de la migration et la comparaison des performances.

Autodesk a crée un écosystème de bout en bout qui standardise la façon dont l'entreprise construit, exploite et déploie ses logiciels. Un cluster Amazon ECS permet à Autodesk d'exécuter à la fois les charges de travail Linux et Windows.