Поскольку рабочие нагрузки ИИ расширяются от изолированного обучения моделей до итеративной обработки данных и автоматизированных аналитических задач, поддержание соответствующего независимого контроля данных на протяжении операционных циклов становится чрезвычайно важным. В традиционных архитектурах хранения конфиденциальные корпоративные данные сталкиваются с фрагментированным управлением из-за разрозненных пулов хранения и разрозненных политик безопасности. Это приводит к повторной миграции данных и созданию избыточных копий, что приводит к увеличению задержек, административных накладных расходов и эксплуатационных расходов. Scality определяет этот неэффективный рабочий процесс как «налог на фрагментацию данных», системный недостаток, который резко усиливается в бизнес-средах эксабайтного масштаба.