Según un estudio de IDC sobre las tendencias en la adopción de servicios para uso de la Inteligencia Artificial y el Aprendizaje Automático, las iniciativas en este campo siguen ganando terreno. No obstante, la mayoría de los proyectos aún están en fase de pruebas.
En los últimos años la inversión en el desarrollo de tecnologías de Inteligencia Artificial (IA) y Aprendizaje Automático (o Machine Learning), ha experimentado un notable crecimiento. Sin embargo, de acuerdo con el estudio ‘AI InfrastructureView’ de IDC, aunque un 31% de los 2.000 responsables de la toma de decisiones de TI afirma que tienen IA en producción, la mayoría de las empresas aún se encuentran en una fase de experimentación, evaluación/prueba o creación de prototipos.
Del 31 % con IA en producción, solo una tercera parte reconoce haber alcanzado un estado maduro de adopción en el que toda la organización se beneficia de una estrategia de Inteligencia Artificial. Para las organizaciones que invierten en IA, mejorar la satisfacción del cliente, automatizar la toma de decisiones y automatizar tareas repetitivas son los tres principales beneficios que percibe toda la organización.
Con ello, la investigación de IDC muestra que la insuficiencia o la falta de capacidades de infraestructura especialmente diseñadas son a menudo la causa del fracaso de los proyectos de Inteligencia Artificial.
Las personas, los procesos y la tecnologías son las tres áreas clave donde las organizaciones deben enfocar sus inversiones
Y es que, según el estudio, la infraestructura de IA sigue siendo una de las decisiones de infraestructura más importantes, pero menos maduras, que toman las organizaciones como parte de su empresa futura.
Las organizaciones aún no han alcanzado un nivel de madurez en su infraestructura de IA, lo que incluye las inversiones iniciales, los beneficios y el retorno de las inversiones, así como la garantía de que la infraestructura se escale para satisfacer las necesidades del negocio. Los altos costes siguen siendo la mayor barrera para las inversiones, lo que lleva a muchos a ejecutar sus proyectos de Inteligencia Artificial en entornos de nube pública compartida.
Asimismo, el estudio destaca que las personas, los procesos y la tecnología siguen siendo las tres áreas clave donde se encuentran los principales desafíos y donde las organizaciones deben enfocar sus inversiones para obtener mayores oportunidades.
Claves para avanzar en Inteligencia Artificial
Otros de los aspectos que destaca el estudio de IDC es que trabajar con datos supone el mayor obstáculo para las organizaciones a medida que invierten en infraestructura de IA. Las empresas carecen de tiempo para construir, entrenar e implementar modelos de Inteligencia Artificial ya que gran parte de su tiempo de desarrollo se dedica solo a la preparación de datos.
Muchos también carecen de la experiencia o la capacidad para preparar esos datos, lo que lleva a un nuevo mercado para modelos de IA pre-entrenados. Sin embargo, éstos tienen sus limitaciones, como la disponibilidad y adaptabilidad del modelo, limitaciones de infraestructura para ejecutar el modelo y experiencia interna insuficiente. Los tamaños de los modelos también están creciendo, lo que dificulta que se ejecuten en una infraestructura de uso general. Las organizaciones esperan que una vez que hayan superado este obstáculo, cambien sus esfuerzos a la inferencia de IA.
Por otra parte, el estudio señala que las inversiones en infraestructura de Inteligencia Artificial siguen patrones familiares en términos de tecnologías de cómputo y almacenamiento en las instalaciones, en la nube pública y en el perímetro.
La seguridad, el cumplimiento y el coste juegan un papel clave en la adopción de IA
Las empresas están aumentando sus inversiones en servicios de infraestructura de nube pública, pero para muchos las instalaciones seguirán siendo la ubicación preferida. Hoy en día, para el entrenamiento y la inferencia de IA, se divide por igual entre la nube, las instalaciones y el perímetro. Sin embargo, muchas empresas se están cambiando hacia canalizaciones de datos de Inteligencia Artificial que se extienden entre su centro de datos, la nube y/o el perímetro.
Junto a esto, la seguridad, el cumplimiento y el coste también juegan un papel clave. El cómputo acelerado por GPU, los procesadores host con software que potencia la IA y los clústeres de alta densidad son los principales requisitos para la infraestructura de cómputo local/perimetral y basada en la nube para el entrenamiento y la inferencia de IA.
Tal y como destaca Eric Burgener, vicepresidente de investigación, almacenamiento e infraestructura de sistemas convergentes de IDC, obtener tiempo consistente, confiable y comprimido para obtener información y resultados comerciales requiere inversiones en una infraestructura especialmente diseñada y del tamaño correcto.
«Nos queda claro que la mayoría de las organizaciones se han embarcado o se embarcarán de manera inminente en su viaje de IA.»
Imagen inicial | drmakete lab
