Hasta el 20% de las iniciativas de IA fracasan sin una infraestructura de datos inteligente

NetApp ha publicado el informe "Scaling AI Initiatives Responsibly: The Critical Role of an Intelligent Data Infrastructure", que pretende ayudar a las organizaciones a evitar los errores más comunes, garantizando que sus iniciativas de IA no formen parte del 20% con probabilidades de fracasar. El informe también presenta un modelo detallado de madurez de la IA para evaluar el progreso de las organizaciones en función de su enfoque de la IA, desde emergentes y pioneros de la IA hasta líderes y maestros de la IA.

Según el Informe técnico de IDC, los Maestros de IA optimizan su infraestructura de datos para las iniciativas transformacionales de IA facilitando un acceso sencillo a los conjuntos de datos corporativos con una preparación mínima y diseñando un entorno unificado, híbrido y multicloud que admita varios tipos de datos y métodos de acceso. Los Maestros de IA tienen objetivos de IA más ambiciosos y, sin embargo, experimentan fallos relacionados con los datos, como limitaciones de acceso a los datos basadas en la infraestructura (21%), limitaciones de cumplimiento (16%) y datos insuficientes (17%).

Los Emergentes de IA señalan retos similares, pero también experimentan limitaciones presupuestarias (20%), datos insuficientes para el entrenamiento de modelos (26%) y restricciones empresariales en el acceso a los datos (28%).

Una infraestructura de datos inteligente como base del éxito

Según las conclusiones, las organizaciones necesitan una infraestructura de datos inteligente para ampliar las iniciativas de IA de forma responsable. El lugar que ocupa una empresa en la escala de madurez de la IA viene determinado por el nivel de infraestructura que posee, que no solo impulsará el éxito a largo plazo de los proyectos de IA, sino también sus resultados empresariales asociados.

Las organizaciones que están empezando o han empezado recientemente su andadura en la IA suelen tener arquitecturas de datos dispares o planes para una arquitectura más unificada, mientras que los Líderes de IA y los Maestros de IA probablemente ya estén ejecutando una visión unificada. Como resultado, las organizaciones con más experiencia en IA están fallando menos.

Según el Informe técnico de IDC, el 48% de los Maestros de IA afirman tener disponibilidad instantánea de sus datos estructurados y el 43% de sus datos no estructurados, mientras que los Emergentes de IA solo disponen del 26% y el 20% respectivamente. Los Maestros de IA (65%) y los Emergentes de IA (35%) informaron que sus arquitecturas de datos actuales pueden integrar sin problemas los datos privados de su organización con los servicios de AI Cloud.

Los maestros de IA saben que su arquitectura e infraestructura de datos para las iniciativas de transformación de la IA deben ofrecer facilidad de acceso a los conjuntos de datos corporativos sin ninguna preparación o preprocesamiento, o con una preparación mínima.

Los procesos eficaces de gobernanza y seguridad son claves

Según el Informe técnico de IDC, la incapacidad de los Emergentes de IA para progresar se debe a menudo a la falta de políticas y procedimientos de gobierno estandarizados; solo el 8% de los Emergentes de IA los han completado y estandarizado en todos los proyectos de IA, en comparación con el 38% de los Maestros de IA.

Mientras que el 51% de los Maestros de la IA afirmaron tener políticas estandarizadas que un grupo independiente de su organización hace cumplir rigurosamente, solo el 3% de los Emergentes de la IA afirman lo mismo.

Según el estudio, la gobernanza y la seguridad eficaces de los datos son indicadores cruciales de la madurez organizativa en las iniciativas de IA. Al priorizar la seguridad, la soberanía de los datos y el cumplimiento normativo, las organizaciones pueden mitigar el riesgo en sus iniciativas de IA y GenAI y garantizar que sus ingenieros y científicos de datos puedan centrarse en maximizar la eficiencia y la productividad.

Según el Informe técnico de IDC, el 43% de los Maestros de IA han definido claramente las métricas para evaluar la eficiencia de los recursos al desarrollar modelos de IA que se completaron y estandarizaron en todos los proyectos de IA, en comparación con el 9% de los Emergentes de IA. El 63% de todos los encuestados señaló la necesidad de realizar mejoras importantes o una revisión completa para garantizar que su almacenamiento esté optimizado para la IA y solo el 14% indicó que no necesitaba mejoras.

A medida que los flujos de trabajo de IA se vuelven cada vez más integrales en casi todos los sectores, es fundamental reconocer el impacto en la infraestructura de computación y almacenamiento, los datos y los recursos energéticos, y sus costos asociados. Una medida clave de la madurez de la IA es la definición y aplicación de métricas para evaluar la eficiencia del uso de recursos en la creación de modelos de IA.