Carlos B Fernández. La edición 2023 del informe sobre tendencias globales en Inteligencia Artificial (2023 Global Trends in AI Report), elaborado por el área de investigación de mercados de Standard & Poors (S&P Global Market Intelligence’s Technology, Media and Telecommunications (TMT) Research), pone de relieve que la Inteligencia Artificial (IA), ya no es una tecnología emergente insinuada en las hojas de ruta de las empresas, pues un alto porcentaje de estas afirma tener un proyecto de IA en funcionamiento, mientras que el 28% ha alcanzado la fase operativa. Sin embargo, la mayoría de las infraestructuras tecnológicas y de arquitecturas de datos de las organizaciones no están preparadas para la revolución que supone la IA.
Según este informe, elaborado en base a una encuesta realizada entre más de 1.500 responsables de la toma de decisiones y líderes de proyectos de IA en todo el mundo, los datos son la savia de la IA y, en particular, del Machine Learning, pero si no se controlan, pueden convertirse rápidamente en un factor disuasorio para su desarrollo. De hecho, advierte, las grandes organizaciones con más de 10.000 empleados tienen dificultades para gestionar los enormes volúmenes de datos necesarios para entrenar los modelos de IA.
El informe pone de relieve, en este sentido, que conforme las organizaciones se preparan para abordar de forma holística la gestión de datos, surgen retos adicionales derivados de un ecosistema cada vez más complejo de ubicaciones de despliegue, casos de uso y partes intervinientes, que complican el desarrollo de estos proyectos.
Los retos comienzan con el hecho de que los datos para entrenar modelos de IA pueden ser de muchos tipos. Entre ellos se incluyen datos estructurados en bases de datos, utilizados por el 66 % de los encuestados, y datos en tiempo real (52 %), como datos de telemetría procedente de la Internet de la Cosas (IoT). También se utilizan los datos procedentes de sistemas informáticos, incluidos los archivos de registro (51%) y los tipos de datos semiestructurados, como el correo electrónico (43%), que pueden aprovecharse para aplicaciones informáticas críticas de IA en operaciones informáticas o ciberseguridad. Por otra parte, el entrenamiento de modelos en datos multimedia no estructurados (37%), incluidas las imágenes, es cada vez más necesario para las aplicaciones de visión por ordenador. Finalmente, los textos no estructurados se está convirtiendo rápidamente en una de las principales fuentes de datos para las aplicaciones de IA generativa. La consecuencia, cuando se tiene en cuenta esta multitud de tipos de datos, es que mantener la estandarización de los datos supone un complejo reto, particularmente si se tiene en cuenta que la gestión de la gobernanza de los datos para garantizar su calidad y cumplimiento también se ve obstaculizada por la falta de competencias internas (39%) y de control de los datos (37%).
Para complicar aún más las cosas, tal como reconocen un 41% de los encuestados, muchas empresas cuentan con una infraestructura de tecnología (TI) insuficiente, ademásd e con volúmenes de datos difíciles de manejar (50%) y falta de experiencia interna en el desarrollo de estas aplicaciones (38%).
Una vez que una organización ha superado estos importantes retos relacionados con los datos y ha desarrollado una estructura que funciona correctamente, todavía puede enfrentarse a desafíos en la transición a entornos de producción que se construyeron para aplicaciones tradicionales basadas en datos, incluido el reentrenamiento de modelos de IA, el logro de un rendimiento óptimo o la ampliación de la infraestructura para satisfacer el volumen de datos necesario.
Por el contrario, en su forma más simple, una arquitectura de datos moderna mantiene el ciclo de vida de los datos desde su fuente inicial hasta su procesamiento, análisis (IA/ML) y almacenamiento (bases de datos, lagos de datos). Por ello, y debido a una miríada de procesos, bases de datos, infraestructuras y sistemas heredados, las empresas están recurriendo a la nube pública como un ascensor más fácil para implementar una arquitectura de datos moderna.
Estos desafíos de infraestructura y datos se ven exacerbados por la rápida propulsión de la IA generativa, que ha definido gran parte de la evolución del mercado de IA en 2023. Alrededor de un tercio de los encuestados utilizan IA generativa en la actualidad, lo que demuestra una importante adopción en un espacio de software que se prevé que crezca hasta convertirse en un mercado de 36.000 millones de dólares en 20281. Los importantes recursos informáticos, de almacenamiento y de red necesarios para entrenar grandes modelos fundamentales han colocado a las organizaciones en una posición difícil, especialmente cuando intentan seguir el ritmo de los avances de la IA generativa junto con sus despliegues de IA existentes.