Nube e IA: ¿un dúo imbatible?

Según una encuesta de la Cámara de Industria y Comercio Alemana (DIHK), sobre todo los sectores tecnológicos y financieros son los que recurren a la inteligencia artificial.¹ Las primeras empresas avanzan hacia la industria 5.0 con GenAI. Estas llevan la colaboración entre el hombre y la máquina a un nuevo nivel, ya que ambos pueden comunicarse entre sí gracias a modelos de lenguaje generativos. El proveedor de automoción Schaeffler, por ejemplo, está equipando sus primeras máquinas herramienta con un copiloto de Siemens y Microsoft. Si la empresa necesita un nuevo código para controlar la máquina, el copiloto puede hacerse cargo. Los humanos solo tienen que dictar las nuevas funciones deseadas. La IA generativa propia de Audi apoya el desarrollo de nuevas llantas. Bosch, por su parte, genera imágenes de productos defectuosos con GenAI. Luego introduce las imágenes en un software como datos de entrenamiento para que pueda reconocer defectos en las nuevas líneas de producción.

Cuando miro a mi alrededor en plataformas sociales como LinkedIn, tengo la impresión de que no hay casi nadie que no se haya contagiado aún del entusiasmo por la inteligencia artificial generativa. Creo que esta voluntad de experimentar es genial, especialmente cuando las empresas ya están usando la GenAI como fuente de nuevas ideas (de negocio) o como herramienta de planificación o sparring. Sin embargo, como los casos de uso son cada vez más complejos, aumentan las exigencias a la infraestructura de TI de la empresa. No basta con mucha potencia de cálculo. Si quieres ser más eficaz y eficiente con la GenAI, necesitas un alto nivel de seguridad de TI y el pleno cumplimiento de las leyes de protección de datos. La Ley de inteligencia artificial de la Unión Europea también obliga a la GenAI a una mayor seguridad jurídica: los operadores de modelos básicos como ChatGPT deben revelar qué datos usan para entrenar sus modelos.  

Acabo de mencionar la palabra clave «modelo básico»; también podría haber dicho «modelo fundacional», «foundation model» o, más exactamente, «grandes modelos de lenguaje». Todos son sinónimos del núcleo real de la IA generativa. Los modelos se entrenan con grandes cantidades de datos brutos para que aprendan a analizarlos y comprenderlos. La cantidad y calidad de los datos son cruciales para que la GenAI pueda generar nuevos contenidos: texto, imágenes, música e incluso software, basados en patrones aprendidos. El chatbot, el miembro más destacado de la familia GenAI, se basa en el modelo de lenguaje Generative Pretrained Transformer (GPT) de Open AI. Probablemente te comuniques regularmente con él, ya sea en el ámbito profesional o privado. Pero, ¿sabes qué datos puedes confiarle y cuáles no? Y ¿dispones de suficientes datos de calidad en tu empresa para establecer tus propias aplicaciones de GenAI? 

Los analistas de Gartner ³ esperan un fuerte crecimiento del mercado de la nube pública en 2024 y prevén un aumento del 20 % a un volumen de 679.000 millones de dólares. Este aumento también se debe a la IA. Después de todo, hay muchas esperanzas asociadas a la inteligencia artificial. Según McKinsey, las soluciones de GenAI por sí solas pueden aumentar la productividad económica mundial entre 2,6 y 4,4 billones de dólares. Pero para ello, las empresas deben allanar el camino a la IA con la nube. También ofrece a las empresas que no tienen conocimientos especializados en IA ni suficiente personal calificado la oportunidad de trabajar de forma más eficiente y eficaz con algoritmos inteligentes. Las plataformas de hiperescaladores, como Azure ML (Microsoft), Sagemaker (AWS) y Vertex AI (Google), proporcionan marcos, bibliotecas y herramientas de colaboración que pueden usarse para desarrollar modelos y aplicaciones de IA generativa. 

Quien opte por un servicio de nube pública debe asegurarse de que el proveedor asegura las aplicaciones de IA con directrices claras sobre el tratamiento responsable de datos sensibles. La infraestructura de la nube no solo debe ser potente, sino también debe cumplir la normativa de protección de datos y los requisitos reglamentarios. Si estás trabajando con un proveedor de servicios de TI en tu estrategia de nube e IA, pregúntale si puede garantizar con una prueba de concepto (PoC) de GenAI que podrás aprovechar el potencial de la IA conforme a las leyes sin tener que invertir en el entrenamiento de sistemas de IA. 

Ya existen ofertas de software como servicio (SaaS) dedicadas a numerosos casos de uso de la IA generativa. Y líderes del mercado, como Microsoft, SAP y Salesforce, integran cada vez más la inteligencia artificial generativa en sus soluciones SaaS. Sus puntos a favor: Pueden implantarse de forma rápida y rentable, sin necesidad de un largo proceso de implementación. Su desventaja: Las soluciones llave en mano impiden o restringen gravemente la personalización. Por lo tanto, si planeas proyectos de GenAI en la nube más complejos, te recomendamos los modelos de plataforma como servicio (PaaS). Estos proporcionan herramientas para obtener resultados rápidos, pero son lo suficientemente flexibles como para usarlas para desarrollar tus propios modelos de GenAI.

No dejes que tus propias preocupaciones o un entorno de TI inadecuado te frenen durante la transformación de la IA. La IA no es un extra, no es un proyecto tecnológico más. Es un imperativo estratégico para las empresas si quieren seguir siendo competitivas. Mi consejo: Aprovecha el potencial de la tecnología. Pero asegúrate de controlar la protección de datos y las implicaciones éticas. Un proveedor competente puede ayudarte con esto. Y también intercambia ideas con otros. No solo la inteligencia artificial es capaz de aprender, también lo hacemos los humanos. Así que espero poder intercambiar ideas contigo. 

¹ Digitalisation survey 2023, DIHK, 2024, dihk.de
2 German industry picks up the pace with artificial intelligence, Bitkom, 2023, bitkom.org
3 Gartner Forecasts Worldwide Public Cloud End-User Spending to Reach $679 Billion in 2024, Gartner 2024, gartner.com