Autodesk su AWS

In questo video di AWS Conversations With Leaders, Amy Bunszel, vicepresidente esecutivo di soluzioni per l'architettura, l'ingegneria e la progettazione edile di Autodesk, approfondisce il successo di Autodesk e i rischi che sceglie di correre, senza essere imprudente. Questo approccio ha creato una cultura di sperimentazione sul posto di lavoro, spingendo l'azienda a risolvere problemi complessi e a costruire i team giusti per il dimensionamento su larghissima scala.

Guarda questa conversazione con Prakash Kota, CIO di Autodesk, sulle strategie organizzative e le best practice per consentire alle persone e alle aziende di avere successo nel futuro digitale.

Prakash Kota, SVP (vicepresidente) e CIO (direttore informatico) di Autodesk, parla di come far salire a bordo personale e leadership con la migrazione dei carichi di lavoro aziendali verso AWS Cloud e illustra come motivare il personale con AWS Training and Certification. Un insegnamento chiave tratto dalla trasformazione di Autodesk è stato quello di iniziare in piccolo per espandersi velocemente, investendo nelle persone per costruire una cultura di apprendimento continuo.

Autodesk utilizza modelli di machine learning costruiti su Amazon SageMaker per aiutare i progettisti a organizzare e ordinare migliaia di opzioni di progettazione generativa. Con il processo di progettazione generativa di Autodesk, Edera Safety, uno studio di progettazione austriaco, ha costruito un paraschiena migliore e più efficace.

L'Autodesk Data Platform (ADP) raccoglie ed elabora i dati di utilizzo dei prodotti, fornendo ai team operativi di Autodesk una piattaforma di analisi dei dati dei prodotti. Migrando l'ADP da un sistema di elaborazione basato su Spark ad AWS Lambda, Autodesk risparmia annualmente fino al 90% dei costi di elaborazione dei dati. Oggi Autodesk è in grado di elaborare i dati quasi in tempo reale, fornendo analisi dei dati tempestive per gli utenti aziendali da sfruttare per migliorare prodotti e altre opportunità di business.

Per permettere ai suoi clienti di lavorare in modo più rapido, efficiente e sostenibile durante tutto il ciclo di vita del progetto, Autodesk doveva reinventare l'infrastruttura per supportare questi dati complessi e in crescita esponenziale. Ulteriori informazioni sul framework a cinque fasi utilizzato da Autodesk.

Autodesk ha costruito modelli di competenze di machine learning utilizzando Amazon SageMaker che differiscono dai modelli di classificazione standard perché sono progettati per scegliere il team che sarà responsabile di assistere gli utenti. Questo è in contrasto con molti modelli che mirano a prevedere l'argomento di un caso e in seguito a instradare a partire da quell'argomento.

Autodesk ha scelto le soluzioni AWS per costruire e implementare rapidamente un modello di machine learning per una nuova iterazione di un forum chiamato Community Match. Il modello combina l'esperienza dei membri del forum con le domande poste sul forum; l'idea è quella di incoraggiare i membri della community esperti di un determinato argomento a condividere le loro conoscenze privilegiate sulle soluzioni di Autodesk. Mentre prima i clienti si rivolgevano all'assistenza di Autodesk solo per trovare soluzioni ai loro problemi, ora approfittano della conoscenza condivisa all'interno della community per utilizzare il software Autodesk in modo più efficace.

Sviluppare una visione a 360 gradi dei parametri finanziari dei clienti può consentire alle organizzazioni di prendere decisioni proattive invece di essere reattive con le strategie dei team di account. Tuttavia, i dati dei clienti sono contenuti di solito in varie fonti e richiedono un grande sforzo per unire i parametri tramite mappatura degli ID, dei nomi degli account e di altri campi. Questi dati possono essere presentati in formati in conflitto tra di loro e il numero dei registri può superare quello che i comuni strumenti di dati sono in grado di gestire. Autodesk sfrutta Trifacta su AWS per creare un processo di data pipeline semplificato per automatizzare la fornitura di analisi dei dati olistiche relative ai clienti.

Autodesk crea un software di progettazione che richiede una capacità di calcolo significativa per il rendering. Per Autodesk, il carico di lavoro Rendering-as-a-Service (RaaS) è stato il più grande in termini di spesa totale. L'azienda ora si affida alle istanze Spot Amazon EC2 per ottenere un risparmio significativo sui costi della funzione RaaS.

Anche se il passaggio ad AWS ha apportato vantaggi, la configurazione di nuovi account in AWS ha rappresentato un'operazione complessa per il team operativo AWS dell'azienda, composto da due sole persone. Le procedure manuali di configurazione degli account richiedevano 2 settimane di lavoro per i nuovi account e comportavano rischi legati a errori umani. Autodesk ha costruito una soluzione utilizzando un'architettura serverless per ridurre al minimo tempi e costi necessari per la gestione dell'infrastruttura. Con questa soluzione, gli sviluppatori di Autodesk possono ora inviare un modulo online per richiedere un nuovo account e un'API attiva il processo di creazione automaticamente. La soluzione, che supporta anche l'esecuzione di query basate su numero di account, indirizzo e-mail o indirizzo IP, è stata sviluppata e avviata in un solo mese.

Autodesk utilizza Amazon WorkSpaces invece di affittare hardware fisici per ospitare postazioni di lavoro virtuali su zero client, migliorando l'efficienza di configurazione e riducendo le emissioni di carbonio. Utilizzando AWS, Autodesk imposta e implementa 450 postazioni di lavoro agli eventi della Autodesk University, risparmiando quasi una settimana di tempo e migliaia di dollari.

AWS Support aiuta Autodesk a concentrarsi sul suo core business invece di sprecare tempo prezioso a progettare i suoi servizi AWS fondamentali. Autodesk concepisce AWS Support come suo team di supporto dell'infrastruttura virtuale, come se fosse un altro dipartimento o gruppo all'interno di Autodesk, perché sa che può contattarlo senza preavviso e ottenere il livello di assistenza di cui ha bisogno.

Autodesk ha progettato, addestrato ed eseguito il debug di un modello di machine learning sulla somiglianza visiva in modo rapido. Utilizzando SageMaker Debugger, Autodesk ha migliorato le prestazioni di Fusion 360 e ha risparmiato tempo e costi di calcolo.

Ulteriori informazioni sull'architettura di Autodesk Shotgun Private Cloud, un'applicazione di gestione dei progetti VFX basata sul cloud in esecuzione su AWS. Autodesk Shotgun semplifica la gestione dei progetti creativi e unisce i team di effetti visivi (VFX), animazione e giochi di tutte le dimensioni. Shotgun è una piattaforma scalabile on demand che supporta fino a migliaia di utenti, utilizzata da più di 1.000 studi a livello globale per monitorare milioni di attività ogni giorno. Questa guida dettagliata mostra in che modo AWS aiuta i clienti a costruire solide applicazioni SaaS in grado di soddisfare persino i requisiti di sicurezza più rigidi.

Autodesk ha migrato un database mission-critical con un tempo di inattività minimo. Questa migrazione ha contribuito a semplificare la gestione e la resilienza del servizio Autodesk SSO, a ottimizzare i costi e a ridurre le spese generali per la manutenzione dell'infrastruttura. Questo blog fornisce i dettagli sull'architettura pre-migrazione, la strategia di migrazione, le fasi della migrazione e il confronto delle prestazioni.

Autodesk ha creato un ecosistema end-to-end che standardizza il modo in cui ha costruito, eseguito e implementato il software. Un cluster Amazon ECS permette ad Autodesk di eseguire sia carichi di lavoro Linux che Windows.