Componentes clave para implementar iniciativas de Inteligencia Artificial exitosas

José Manuel Petisco, VP de EEMI en NetApp. Foto: cortesía. Portal ERP México. 

NetApp presentó recientemente las conclusiones de su último informe sobre el panorama en evolución de la IA en la empresa. En el estudio de IDC, patrocinado por NetApp, "Escalando iniciativas de IA de manera responsable", se revelan los retos y oportunidades de las empresas a lo largo de diferentes niveles de adopción de IA y analiza las estrategias más utilizadas para desplegar las cargas de trabajo de IA e IA generativa de manera responsable. 

El objetivo, ayudar a las empresas a reconocer los errores más comunes en sus iniciativas, para evitar que formen parte del 20% que abandona los proyectos de IA.

La infraestructura de datos inteligente, clave del éxito 

Las empresas expertas en IA han optimizado su infraestructura, facilitando un acceso sencillo a los conjuntos de datos corporativos con una preparación mínima y diseñando un entorno unificado, híbrido y multicloud que admite varios tipos de datos y métodos de acceso. 

A pesar de tener metas más ambiciosas en IA, las empresas expertas en esta materia identifican obstáculos relacionados con los datos, como las limitaciones en el acceso a los mismos debido a infraestructuras deficientes (21%), restricciones de cumplimiento normativo (16%) y la escasez de datos necesarios (17%).  

Por su parte, las empresas emergentes identifican obstáculos similares, pero también se ven afectadas por limitaciones presupuestarias (20% en comparación con el 9% de las compañías expertas), una mayor escasez de datos para el entrenamiento de modelos (26% frente al 17%) y mayores restricciones empresariales para el acceso a datos (28%, en contraste con el 20%). 

Te puede interesar: Tres maneras de justificar la inversión en transformación digital ante la alta dirección 

De acuerdo con el informe, las organizaciones necesitan una infraestructura de datos inteligente para escalar sus proyectos de IA de manera responsable. Con un mayor grado de madurez, determinado por el nivel de infraestructura del que disponen, consiguen mejores resultados, tanto empresariales, como de sus iniciativas, a largo plazo. Hay diferencias entre las organizaciones de las primeras etapas de adopción de la IA y las ya expertas en estos proyectos: las primeras suelen tener arquitecturas de datos dispares, mientras que las líderes y expertas en IA ya cuentan con datos unificados, por lo que tienen menos probabilidades de encontrarse con obstáculos en el futuro. 

“Este análisis pone de manifiesto que las empresas necesitan una infraestructura de datos inteligente para escalar la IA de forma responsable e impulsar los resultados de sus proyectos. Una infraestructura de datos inteligente proporciona a las compañías la flexibilidad necesaria para acceder a sus datos, en cualquier lugar, asegurando una gestión activa que garantiza la seguridad, la protección, la gobernanza de los datos y la adaptabilidad operativa, esencial para optimizar el rendimiento, reducir costes y mejorar la sostenibilidad", señala José Manuel Petisco, VP de EEMI en NetApp. 

Claves para acceder eficientemente a los datos y conseguir los mejores resultados en IA 

• Acceso total a datos: El 48% de los expertos en IA aseguran tener acceso instantáneo a sus datos estructurados, y el 43% a sus datos no estructurados. En contraste, solo el 26% de las empresas emergentes en IA tienen acceso a datos estructurados, y el 20% a los no estructurados. 

• Integración: El 65% de las compañías expertas en IA y el 35% de las emergentes afirman que sus actuales arquitecturas de datos pueden integrar, sin problemas, los datos privados de su organización con los servicios de IA en la nube. 

• Acceso simplificado a los datos: Las organizaciones expertas en IA comprenden que su arquitectura e infraestructura de datos para las iniciativas de IA deben permitir un acceso sencillo a los conjuntos de datos corporativos, sin necesidad de preparación previa o con una preparación mínima. 

• Procesos eficaces de gobernanza y seguridad de datos: Las empresas emergentes en el ámbito de la IA no logran avanzar por la falta de políticas y procedimientos de gobierno definidos. Solo el 8% de estas organizaciones han establecido y estandarizado políticas de gobierno para todos sus proyectos de IA, en comparación con el 38% de las empresas expertas en este campo. 

Según el estudio, la gobernanza y la seguridad de los datos son aspectos fundamentales para evaluar el nivel de madurez empresarial en el uso de la IA. Se debe priorizar la seguridad, la soberanía de los datos y el cumplimiento normativo.  

• Uso eficiente de los recursos: Solo el 43% de las empresas expertas en IA tienen métricas claramente definidas para evaluar la eficiencia de los recursos en el desarrollo de modelos de IA, y están implementadas y estandarizadas en todos los proyectos, en contraste con el 9% de las empresas clasificadas como emergentes. 

Las organizaciones deben comprender el impacto de la IA en su infraestructura y almacenamiento, así como en los datos y los recursos energéticos, incluidos sus costes asociados. Una seña identificativa de que una compañía es madura en IA es su capacidad de definir y aplicar métricas que evalúen la eficiencia en el uso de recursos durante la creación de modelos de IA. 

El análisis se realizó entre diciembre de 2023 y enero de 2024, basado en 24 entrevistas en profundidad y 1.220 entrevistas cuantitativas a través de encuestas web. Contó con la participación de diferentes responsables de la toma de decisiones en todo el mundo en áreas como operaciones de TI, ciencia de datos, ingeniería de datos y desarrollo de software, vinculados a iniciativas de inteligencia artificial (IA).