¿Están preparadas las empresas para la IA a nivel del dato?

Con la popularización de la IA generativa la inteligencia artificial ha revalidado su posición como la innovación digital con más impacto potencial para las organizaciones. Los fabricantes de tecnología están incorporando rápidamente esta tecnología para mejorar sus productos y servicios, mientras que el mercado de la nube está evolucionando para convertir los entornos cloud en la base de la IA. Por su parte, las empresas están asumiendo que necesitan herramientas inteligentes para seguir avanzando en la digitalización y mejorar su eficiencia y rentabilidad, incluso en sus procesos core. Pero esto requiere contar con una infraestructura y una estrategia de datos adaptadas a los requisitos de la inteligencia artificial, lo que está introduciendo nuevos cambios en el área de TI. ¿Hasta qué punto se encuentran preparadas para dar el salto a la IA a nivel del dato, y qué papel juega la nube y otras tecnologías de uso común en esta nueva etapa tecnológica?

Buscando el poder de los datos

Las empresas están dándose cuenta del valor que tienen los datos para impulsar la inteligencia de negocio y apoyar sus operaciones internas, el diseño de sus productos y sus estrategias de comercialización. La IA promete ser la tecnología necesaria para lograrlo y su adopción se va a generalizar en los próximos años, pero en este camino se enfrentan a importantes retos. Adolfo Pellicer, country manager de Workday para España y Portugal, señala que, en España, “muchas organizaciones continúan operando con sistemas obsoletos, diseñados para trabajar con la precisión y la velocidad que exigían los datos hace veinte años”. Considera que la IA es un incentivo para dejar atrás este legacy en favor de “sistemas preparados para impulsar el análisis y la automatización inteligente que se necesita en el contexto empresarial actual”.

 

“Es necesario controlar los datos que se incorporan porque el algoritmo de la IA no puede detectar si tienen calidad o no”, Gianmarco Giunti (Crayon)

 

Para Gianmarco Giunti, director global de Data & Intelligence Solutions en Crayon, el interés por la IA de sus clientes está más vinculado a valor para el negocio y opina que “determinar qué problema se quiere resolver, de qué manera se va a conseguir y cómo se va a medir el éxito es más relevante que la TI que se tenga”. Por su parte, Jaime Balañá, manager Solutions Engineering de NetApp para Iberia & Latin, opina que, para que las empresas puedan adoptar modelos operativos y de negocio apoyados por datos “es esencial que sus infraestructuras estén adecuadamente preparadas”, lo que requiere cambios tecnológicos considerables.

¿Está la infraestructura preparada para la IA?

Un estudio elaborado este año por Pure Storage revela que no estar preparado para el impacto de la IA en la infraestructura pone en riesgo su adopción. Para un 51% de los 500 responsables de compra de TI entrevistados las principales consecuencias son una mayor presión sobre los departamentos de TI para abordar problemas del equipamiento de datos. A esto le sigue la necesidad de más inversiones para actualizar la infraestructura (señalado por un 49%) y la incapacidad de usar la IA de forma efectiva (48%).

Según esta investigación, entre los cambios que impone la IA en el campo de la infraestructura están los mayores requisitos energéticos, particularmente de las herramientas de gestión de datos (48%), los procesos de gestión de datos (46%) y la infraestructura de almacenamiento de datos (46%). Otros requisitos clave son la mejora de la infraestructura de redes (44%), las herramientas y procesos de seguridad y privacidad del dato (44%), y la infraestructura informática (43%).

 

“Es fundamental la integración de sistemas de almacenamiento y procesamiento de datos que puedan escalar eficazmente”, Jaime Balañá (NetApp)

 

Carmen Derlinchan, senior engineering director para EMEA Sur en Pure Storage, comenta que “es fundamental que cualquier organización que esté considerando implementar la IA invierta en los recursos y tecnologías adecuados desde el principio para evitar quebraderos de cabeza en el futuro”. Y Víctor Pérez de Mingo, senior systems engineer en Veeam Software, pone el foco en la seguridad y la protección del dato, que en muchos casos no está preparada para protegerse de las nuevas amenazas impulsadas por la IA, una tecnología que se está adoptando rápidamente entre los ciberdelincuentes.

¿Qué cambios deberían implementar las empresas?

En opinión de Adolfo Pellicer, de Workday, uno de los requisitos tecnológicos más importantes para que la IA cumpla con las expectativas es contar con una única plataforma de datos que facilite “un análisis más exhaustivo y más preciso de la información del negocio en menos tiempo”. Y considera que para ello es “esencial que las empresas cuenten con un sistema cloud nativo que integre todos los datos”. Carmen Derlinchan, de Pure Storage, opina que a la hora de actualizar la infraestructura para dar soporte a la IA es vital tener en cuenta la cadena de suministro, especialmente de componentes clave como las GPU, ya que “sin ellas el proyecto de inteligencia artificial está muerto antes de empezar”. Y también pone sobre la mesa los mayores requisitos energéticos que va a imponer la IA en el centro de datos, con densidades de potencia que llegarán a 40 o 50 kilovatios por rack.

 

“Cualquier organización que quiera implementar la IA debe invertir en los recursos y tecnologías adecuados desde el principio”, Carmen Derlinchan (Pure Storage)

 

Jaime Balañá, de NetApp, añade que, además de una actualización de hardware y software, también es fundamental “la integración de sistemas de almacenamiento y procesamiento de datos que puedan escalar eficazmente”, y que la infraestructura sea flexible para adaptarse a las tecnologías emergentes y a la demanda cambiante del negocio. Para Gianmarco Giunti, de Crayon, “es fundamental controlar eficazmente tanto las fuentes de datos que se necesitan incluir en la primera fase del desarrollo como las que se irán añadiendo cuando la solución ya esté en producción”. Y esto pasa por utilizar herramientas para comprobar que los datos son correctos.

Calidad y gobernanza del dato

La mayoría de las inteligencias artificiales se diseñan y entrenan con propósitos más o menos concretos y para su correcto funcionamiento se deben alimentar con datos precisos y de calidad. Por ello, las empresas necesitan contar con políticas y herramientas de gestión de datos que puedan seleccionar la información que realmente sirve para alimentar la IA. En este sentido, Víctor Pérez, de Veeam, dice que “si los conjuntos de datos están incompletos o la IA no está adecuadamente entrenada, por ejemplo, existe el riesgo de obtener resultados sesgados o inexactos”, y recomienda a las empresas “evaluar la calidad de los datos a través de una monitorización continua y mediante auditorías de datos, asegurando que sean representativos y relevantes”.

 

“La IA requiere seguridad contra accesos no autorizados, pérdidas y filtraciones, además de asegurar el cumplimiento normativo”, Víctor Pérez de Mingo (Veeam Software)

 

Gianmarco Giunti, de Crayon, coincide en que “es necesario controlar los datos que se incorporan porque el algoritmo de la IA no puede detectar si tienen calidad o no”, y añade que también hace falta “contar con especialistas en IA generativa y gobernanza de datos que monitoricen este proceso, tanto al desarrollar la solución como una vez ya en producción, evolucionando a lo largo de los años”.

Pero Adolfo Pellicer, de Workday, puntualiza que “las políticas e iniciativas internas de las empresas no siempre son suficientes para satisfacer completamente las necesidades de la tecnología”. En su opinión, “la colaboración entre los distintos actores es esencial y los códigos éticos internos de las compañías deben estar en línea con las regulaciones gubernamentales” y con las recomendaciones sobre transparencia y seguridad de los expertos y las organizaciones internacionales.

Cumplimiento normativo

Otro de los grandes desafíos para los desarrolladores de inteligencia artificial y para las organizaciones que adoptan esta tecnología es cumplir con las normativas vigentes. Víctor Pérez, de Veeam, comenta que “hay realidades sobre la seguridad y la privacidad de datos que han de tenerse muy en cuenta al utilizar este tipo de herramientas”. Y recomienda “poner en marcha medidas robustas de seguridad contra accesos no autorizados, pérdidas y filtraciones, además de asegurar el cumplimiento de todo tipo de normativas en lo que respecta a la recopilación, procesamiento y almacenamiento de los datos”.

 

“Es esencial que las empresas cuenten con un sistema cloud nativo que integre todos los datos”, Adolfo Pellicer (Workday)

 

Desde el punto de vista de Pure Storage, Carmen Derlinchan opina que las empresas que quieran aprovechar el potencial de la IA “deben tener muy claro el marco normativo que deben cumplir” y los proveedores de tecnología “necesitan garantizar el cumplimiento normativo de sus productos y soluciones”.

En NetApp recomiendan a las empresas evaluar el impacto de la IA en la protección de datos, implementar medidas de seguridad, realizar una revisión continua para adaptarse a los cambios normativos, y recurrir a proveedores que proporcionen “una infraestructura de datos unificada y segura que les permita acelerar sus iniciativas de IA mientras se mantienen el cumplimiento con las regulaciones de protección de datos”.