NetApp® ha presentado las conclusiones de su último informe sobre el panorama en evolución de la IA en la empresa. El Whitepaper de IDC, patrocinado por NetApp, «Escalando iniciativas de IA de manera responsable: el papel de la infraestructura de datos inteligente», revela 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. El informe también presenta un modelo detallado de madurez de la IA, desarrollado para evaluar el progreso de las organizaciones en función de su enfoque: desde emergentes y pioneros de la IA hasta líderes y expertos.
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%).
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 que se encuentran en las primeras etapas de adopción de la IA y aquellas que ya son expertas en estos proyectos: las primeras, suelen disponer de 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.
La flexibilidad de la infraestructura es clave para acceder eficientemente a los datos y conseguir los mejores resultados en IA
· 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.
· 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.
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.
«Las decisiones sobre la infraestructura tomadas durante el diseño y la planificación de proyectos de IA deben priorizar la flexibilidad», afirma Ritu Jyoti, vicepresidenta del grupo de Investigación Global sobre IA y Automatización y directora de Investigación Global sobre IA en IDC. «La naturaleza dinámica de los datos que alimentan los procesos de trabajo de IA e IA generativa implica que el fácil acceso a datos distribuidos y diversos, tanto conjuntos de datos estructurados como no estructurados con características variables, es esencial. Esto requiere un enfoque flexible y un almacenamiento unificado, un panel de control común y herramientas de gestión que permitan a los científicos de datos y desarrolladores consumir datos sin problemas con integraciones MLOps».
Contar con procesos eficaces de gobernanza y seguridad de datos ayudan a conseguir mejores resultados en IA
· Las empresas emergentes en el ámbito de la IA no logran avanzar debido a la falta de políticas y procedimientos de gobierno claramente 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.
· Además, mientras que el 51% de las empresas expertas en IA afirman contar con políticas estandarizadas que son aplicadas rigurosamente por un grupo independiente dentro de su organización, solo el 3% de las empresas emergentes puede afirmar lo mismo.
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. Su gestión responsable y segura es clave, porque, a menudo, las empresas buscan formas de acelerar el desarrollo en IA, incluso sacrificando la seguridad. La gobernanza y la seguridad de los datos no deben considerarse simplemente como gastos adicionales, sino como impulsores de la innovación. Al priorizar la seguridad, la soberanía de los datos y el cumplimiento normativo, las empresas pueden reducir los riesgos asociados con sus proyectos de IA e IA generativa, permitiendo que sus equipos de ingenieros y data scientist consigan una mayor eficiencia y productividad.
El uso eficiente de los recursos es importante para escalar la IA de forma responsable
· 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.
· El 63% de las compañías reconocen la necesidad de realizar mejoras o una revisión completa en su infraestructura de almacenamiento para optimizarla para la IA, mientras que solo el 14% indica que no necesita ninguna mejora.
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.
