Sin duda, 2023 fue el año de la inteligencia artificial (IA). Como señaló John Roese, CTO global de Dell, en una previsión de fin de año: “El próximo año, al igual que este, seguirá centrado en la IA”.
¿Está preparado para los agentes de IA? Si bien la narrativa de la IA de este año ha sido en gran parte experimental y aspiracional, su evolución supera por siete veces a la tecnología tradicional. Las empresas pasarán rápidamente de conceptos teóricos a implementaciones prácticas, con toda la tecnología centrada en la creciente adopción de la IA.
“El próximo año marcará el segundo año de la era de la IA”, afirmó Roese. “La primera ola de sistemas operativos de IA comenzará a emerger en las empresas”.
Identificación de áreas clave para la aplicación de la IA
En 2024, las empresas deben adoptar una estrategia de arriba hacia abajo al implementar la IA en producción. “Necesitan identificar sus competencias clave”, aconsejó Roese. “Concéntrense en lo que define su organización; ahí es donde deben aplicar los esfuerzos significativos de la IA”.
Por ejemplo, Dell tiene alrededor de 380 proyectos de IA en desarrollo, pero incluso una gran empresa puede gestionar de manera realista solo unos pocos a la vez. Apresurarse para completar las primeras iniciativas puede llevar a descuidar proyectos más transformadores en el futuro.
“Deben priorizar”, enfatizó Roese. “Determinen cuáles son las ideas más críticas para su negocio”.
Transición hacia la inferencia y costos operativos
A medida que las empresas transicionan hacia la inferencia en 2024, diseñar y posicionar la infraestructura será vital. “Las organizaciones deben considerar cuidadosamente su topología”, explicó. “A medida que la tecnología se distribuye, es probable que la IA siga el mismo camino”.
La seguridad sigue siendo primordial, ya que los actores maliciosos apuntan a la inferencia directamente. Las empresas deben preguntarse: “¿Cuál es la estructura de seguridad que rodea nuestra implementación de IA?”
Además, el enfoque económico de la IA cambiará de los costos de entrenamiento a los gastos operativos. Mientras que el ajuste de modelos puede ser costoso, esto representa solo una fracción de la inversión total. Los costos de entrenamiento están relacionados con el tamaño del modelo y el uso de datos una sola vez, mientras que los gastos de inferencia dependen de la utilización continua, los tipos de datos, las bases de usuarios y el mantenimiento.
“El tema principal es que la IA se vuelve mucho más tangible, y eso tiene implicaciones significativas”, comentó Roese.
Avances en cadenas de suministro de IA generativa
Los sistemas de IA generativa son amplios, requiriendo “más herramientas, más tecnología y un ecosistema más amplio” para funcionar eficazmente, señaló Roese. A pesar de las discusiones anteriores sobre la disponibilidad de herramientas, él anticipa una “abundancia” de recursos de IA en 2024.
“Nuestro ecosistema de herramientas y servicios de IA se está expandiendo, diversificando y escalando”, agregó.
Las herramientas mejoradas para construir sistemas y los marcos de IA diversificados, como el nuevo proyecto UXL de la Fundación Linux, aumentarán tanto los modelos de código cerrado como de código abierto. Los desarrolladores podrán crear interfaces más fácilmente para varios marcos de computación acelerada integrados, incluyendo PyTorch del lado del cliente y ONNX del lado de la infraestructura.
“El próximo año, tendremos opciones más diversas en cada capa”, afirmó Roese.
La realización de la seguridad de “Zero Trust”
A pesar de incorporar medidas de seguridad avanzadas, la ciberseguridad sigue siendo un desafío significativo para las empresas. “La arquitectura de zero trust (confianza cero) es esencial”, explicó Roese. “Cada elemento debe ser autenticado y autorizado en tiempo real”.
Si bien el zero trust se ha visto mayormente como un concepto, su implementación puede ser compleja, especialmente en infraestructuras existentes.
“Es un desafío transitar una empresa establecida a un modelo de zero trust”, reconoció Roese. “Necesitarían revertir cada decisión de seguridad tomada anteriormente”.
Afortunadamente, con la evolución continua de la IA, el zero trust puede integrarse en nuevos sistemas desde el principio. Roese destacó la próxima herramienta de zero trust de Dell, Project Fort Zero, que busca ser validada por el Departamento de Defensa de EE.UU. en 2024.
“Actualmente estamos perdiendo la batalla cibernética”, advirtió Roese. “La solución radica en la adopción de zero trust”.
Emergencia del Edge Común
Para maximizar el valor de los datos, las empresas deben procesar la información más cerca de su origen. “En el futuro, realizaremos más procesamiento de datos en entornos del mundo real que en centros de datos tradicionales”, afirmó Roese.
Esta tendencia dará paso a lo que Dell denomina plataformas multi-cloud de “edge” moderno.
A medida que las empresas aprovechan diversos servicios en la nube, el panorama de las soluciones de edge se vuelve cada vez más complejo. Roese señaló que si cada nube y carga de trabajo demanda su propia arquitectura, el resultado sería inmanejable.
Para mitigar esto, Dell presentó recientemente NativeEdge, una plataforma de edge común diseñada para soportar cargas de trabajo definidas por software desde cualquier sistema de TI, nube o IoT. Roese predice que este enfoque ganará impulso en 2024, a medida que las empresas reconozcan los peligros de los “mono-edges”.
“Ahora, la mayoría de los proveedores de servicios de edge prefieren ofrecer servicios de edge como código contenerizado en lugar de centrarse en el desarrollo de hardware”, observó.
Mirando hacia adelante: Computación cuántica e IA
La IA a gran escala representa un “problema de paralelismo masivo”, según Roese.
“Los métodos de IA generativa, incluidos los transformadores y modelos de difusión, requieren recursos computacionales extensos”, explicó.
Aunque el potencial completo de la computación cuántica en la IA puede no manifestarse durante varios años, Roese cree que jugará un papel fundamental en la resolución de los intrincados desafíos de la IA.
“La computación cuántica es excepcionalmente adecuada para problemas de optimización a gran escala, lo que la hace ideal para aplicaciones de IA generativa”, afirmó.
A pesar de que la computación cuántica ha sido discutida durante algún tiempo, Roese imagina un futuro en el que los sistemas cuánticos maduros estén fácilmente disponibles.
“Cuando eso suceda, el impacto en la IA será profundo, superando incluso la disrupción creada por ChatGPT”, concluyó.
Clasificación
