9 consideraciones únicas para la IA empresarial
La inteligencia artificial (IA) es una prioridad para los ejecutivos, líderes empresariales, inversores y la mayoría de los empleados en el lugar de trabajo en todo el mundo. Se espera que los impactos sean grandes, profundos y amplios en todas las industrias, que tengan efectos tanto a corto como a largo plazo, que tengan un potencial significativo para ser una fuerza para bien, y que sean una preocupación continua para todas las personas.
Al
enfrentar estos escenarios de cambio, los líderes empresariales se enfrentan a
muchas preguntas, decisiones y requisitos nuevos, incluida la gran pregunta:
¿Estos tiempos de cambio nos ayudan a hacer avanzar nuestra organización o son un
detractor en nuestra organización?
Una introducción sólida, racional, bien justificada y estratégica de las nuevas tecnologías de IA en las empresas puede ofrecer un mejor equilibrio en las rápidas pendientes del cambio tecnológico. Específicamente, Pure Storage analiza las principales consideraciones desde la perspectiva de aquello que alimenta las aplicaciones de IA empresarial: los algoritmos, los datos y la infraestructura de IA empresarial.
Por Douglas Wallace, Gerente de Ventas de Distrito, América Latina y el Caribe (Excepto Brasil y México) en Pure Storage1.
La IA
no es mágica: La IA
es matemática y, en la mayoría de los casos, se basa en inferencias
estadísticas muy profundas sobre grandes conjuntos de datos. Lo importante aquí
son las probabilidades condicionales. Las probabilidades condicionales
multivariables muy profundas forman esencialmente la base de ChatGPT y otros
modelos de lenguajes grandes (LLM). No es magia y la IA ciertamente no es un
ser sensible. Observa los números, las matemáticas, involucra los
cuantificadores y encuentra los patrones, tendencias y conocimientos en los
datos que generarán valor comercial.
2.
La IA
se alimenta de datos: La IA
devora datos. Los científicos de datos utilizan la ciencia de datos con las
matemáticas en colaboración con analistas de negocios, todo lo cual es
implementado en la empresa por ingenieros de datos e ingenieros de aprendizaje
automático.
Cuando se trata de aplicaciones de IA y análisis de datos en tiempo real
en la empresa con requisitos de baja latencia, el entorno de infraestructura de
datos ideal también estará en las instalaciones. El almacenamiento local
proporciona acceso rápido, seguro y controlado por políticas a fuentes de datos
para usuarios y aplicaciones empresariales de IA/ML, especialmente cuando las
restricciones de privacidad u otros requisitos legales deben mantenerse y
ejecutarse localmente.
3.
La
precisión de los datos de entrada no es negociable: Las implementaciones de IA/ML requieren un
etiquetado preciso de los datos de entrada por arte de expertos en el dominio y
un seguimiento similar de validación y verificación de los resultados de salida
por parte de expertos para toda la IA/ML. Sin una procedencia rastreable y
análisis de registros en dichas facetas de los datos en el sistema de
almacenamiento, los procesos empresariales de IA/ML pueden ralentizarse y/o disminuir
su precisión. Esto es especialmente crítico cuando hay una desviación de datos
o de conceptos, que se vio mucho durante la era de la pandemia.
4.
Considera
la deriva de datos y de conceptos: La construcción de modelos se centra en encontrar la función F que
asigna los datos de entrada x a una salida, y=F(x). Pero los modelos no pueden
permanecer estáticos en un mundo altamente dinámico dentro de un entorno
operativo empresarial en evolución.
La deriva de datos ocurre cuando los datos
comerciales de entrada x han cambiado. La deriva del concepto ocurre cuando la
salida ha cambiado. La detección oportuna y rastreable de dichos cambios y la
posterior generación de actualizaciones utilizables para las entradas (x), las
salidas (y) y/o los modelos (F) son posibles gracias a una rápida
infraestructura de almacenamiento de datos local preparada para IA.
5.
Presta
atención a la IA con AIOps integrados: Una infraestructura de datos preparada para la IA
también debería tener IA integrada para “observar” los almacenes de datos,
detectar anomalías, interrupciones, demandas de uso en evolución, requisitos
predictivos de carga de capacidad y cambios en el rendimiento del flujo de
trabajo de la IA impulsado por datos.
Estas capacidades AIOps, integradas en la infraestructura
de almacenamiento de datos, no solo deben monitorear las características de la
carga de trabajo, sino que también deben proporcionar información proactiva,
automatizar la corrección u ofrecer sugerencias para mejorar los resultados
6.
Mantente
a la vanguardia de la ola de IA: El almacenamiento está diseñado para la IA cuando es consistentemente
rápido, fácil de usar y puede alimentar datos a las GPU para muchos flujos de
trabajo de IA diferentes de una manera escalable y altamente paralela. Se puede
dimensionar para abordar muchas cargas de trabajo de IA actuales y escalar sin
interrupciones a medida que se expanden los datos y las iniciativas de IA
7.
Cuida
el TCO con flash y un socio de almacenamiento confiable: La nueva ola de sistemas de almacenamiento flash de
menor costo reduce el costo total de propiedad (TCO) del almacenamiento de
datos local en comparación con las unidades de disco duro (HDD). También se
puede lograr un menor TCO al comparar los últimos sistemas de almacenamiento
flash con el almacenamiento en la nube, ya que las soluciones de IA/ML
implementadas a menudo deben ejecutarse continuamente y, por lo tanto, no son
rentables en la nube.
Por lo tanto, tener un socio de almacenamiento de datos confiable (como
Pure Storage) que brinde consultas y asesoramiento técnicos para ayudar a los
clientes a tomar esas decisiones es invaluable, especialmente un socio que
comprende el valor y ofrece soluciones híbridas personalizadas.
8.
Has
coincidir la solución tecnológica con los requisitos técnicos y ten en cuenta
la deuda técnica: Las
soluciones de almacenamiento empresarial para aplicaciones de IA pueden
requerir soluciones personalizadas en diferentes mercados verticales y
aplicaciones comerciales, como la gestión del capital humano, las ciencias de
la salud y la vida, el gobierno, los servicios financieros, la fabricación, la
cadena de suministro, la logística, etc.
La infraestructura preparada para la IA puede
ayudar a acelerar la implementación y debe compararse con configuraciones personalizadas
y más especializadas. ¡Pero cuidado! A medida que evolucionan las tecnologías,
las innovaciones, las aplicaciones y los requisitos, una empresa corre el
riesgo de incurrir en una deuda técnica significativa. Por lo tanto, un socio
de almacenamiento de datos que ofrezca actualizaciones no disruptivas a los
sistemas de almacenamiento, racks y controladores existentes puede mantener la
IA empresarial avanzando a través de la oleada de cambios ahora y en los años
venideros.
9.
Ser
consciente del impacto ambiental: La IA empresarial incluye cargas de trabajo con uso intensivo de
computación, y esas cargas de trabajo aumentan año tras año, en lugar de
disminuir. Por lo tanto, lo ideal sería que dichas operaciones evolucionaran
con una interrupción, una huella y un impacto ambiental mínimos en el centro de
datos.
Comentarios
Publicar un comentario