Característica patrocinada La inteligencia artificial (IA) ha dominado últimamente los titulares de negocios y tecnología. No se puede consultar un sitio de noticias sin ver una historia sobre cómo la IA está preparada para cambiar la forma en que hacemos negocios.

Naturalmente, casi todas las empresas están ansiosas por comenzar o avanzar en su viaje hacia la IA, pero la mayoría no sabe muy bien cómo proceder.

La IA ya está teniendo un gran impacto en los negocios modernos. De hecho, según las estadísticas recopiladas por AutoridadHacker, el 35 por ciento de las empresas han adoptado la IA, el 77 por ciento de los dispositivos utilizan alguna forma de IA y nueve de cada 10 organizaciones apoyan el uso de la IA para obtener una ventaja competitiva. Posteriormente, se espera que la IA agregue 15.7 billones de dólares a la economía global para 2030. Y como ocurre con cualquier tecnología nueva, se perderán y se ganarán empleos. La IA podría eliminar potencialmente 85 millones de puestos de trabajo para 2025, pero, por otro lado, también podría crear 97 millones de nuevos puestos de trabajo.

Las empresas que buscan adoptar la IA por primera vez o ampliar su uso actual se enfrentan a varios niveles de desafíos tanto en el ámbito del personal como en el de la tecnología. También existen preocupaciones regulatorias y éticas sobre la tecnología. Y como los sistemas de IA se alimentan de datos, las empresas inevitablemente enfrentan preocupaciones sobre cómo garantizar la calidad, relevancia y disponibilidad de la información que introducen en los algoritmos de IA. Garantizar que esos conjuntos de datos sean precisos, actualizados y lo más completos posible probablemente presente un desafío duradero. Lo mismo ocurre cuando se trata de manejar las complejidades del hardware, la infraestructura y el suministro de energía necesarios, y los costos asociados.

Superar los desafíos para cosechar las recompensas

Matt Armstrong-Barnes, tecnólogo jefe de IA en HPE, cree que las organizaciones a menudo cometen el error de abordar la IA sin un plan estratégico. “Están aprovechando la tecnología demasiado rápido. No tienen una estrategia común”, afirma. “Crean proyectos científicos interesantes, pero no añaden valor empresarial”.

En primer lugar, las empresas necesitan desarrollar una estrategia de IA que identifique y priorice casos de uso y garantice que están abordando problemas reales y no simplemente construyendo algo que vivirá y morirá en el laboratorio. Por supuesto, existen preguntas prácticas en torno a este proceso: “¿Cómo van a construir estas plataformas de IA? ¿Cómo vas a monitorearlos? pregunta Armstrong-Barnes. “¿Cómo se puede asegurar que sigan funcionando de manera eficiente? ¿Cómo vas a darte cuenta de que has logrado los beneficios que pensabas que iban a lograr? ¿Cómo se asigna el presupuesto para financiar iniciativas de la manera correcta?

No hay duda de que hacer las preguntas correctas y contar con un plan sólido puede ayudar a reducir el tiempo necesario para obtener los beneficios de la IA. Pero lograr que cualquier sistema de IA pase del modelo experimental a un modelo funcional real también presenta un gran desafío. "Los mayores desafíos giran en torno a la 'operacionalización', que es cómo se consigue un sistema de IA desde la recopilación inicial de datos hasta la construcción de un modelo y su implementación en producción", explica Armstrong-Barnes.

Y es esencial asegurarse de que los empleados tengan las habilidades adecuadas. Uno de los principales objetivos será atraer y retener personal con los atributos adecuados, o asociarse con una organización que pueda proporcionar esa experiencia. "Todavía hay muchos malentendidos sobre lo que la tecnología puede hacer, por lo que la educación no sólo desarrolla habilidades, sino que también genera aceptación", añade.

Un enfoque que las empresas pueden adoptar para resolver algunos de los problemas de infraestructura y conjunto de habilidades es buscar asociaciones, aconseja: “Pueden asociarse para incorporar esas habilidades; socio para acceder a infraestructura, plataforma y servicios modelo”.

Una arquitectura nativa de IA tiene muchas capas. Los componentes del servicio de infraestructura de IA pueden incluir GPU y aceleradores, por ejemplo, junto con elementos de computación, almacenamiento y redes, contenedores, máquinas virtuales y bibliotecas de IA. Asimismo, los servicios de plataforma de IA pueden incorporar aplicaciones de aprendizaje automático y servicios de datos, desarrollo e implementación. Y no olvidemos los servicios de modelos que abarcan modelos fundamentales, ajustes, almacenes de vectores e indicaciones, junto con servicios empresariales de IA diseñados para promover la confiabilidad eliminando sesgos y derivas para ofrecer presentaciones valiosas de casos de uso.

HPE ya ha creado un marco sólido centrado en las personas que se puede aplicar a los requisitos de los clientes, centrado en la privacidad, la inclusión y la responsabilidad, afirma la empresa.

"Eso significa que puede centrarse en los datos y el problema empresarial", afirma Armstrong-Barnes.

Se trata de los datos

Centrarse en los datos al diseñar e implementar sistemas de IA puede ser fundamental. Las organizaciones se ven afectadas por un tsunami de datos todos los días. Lo que la IA les permite hacer es encontrar patrones ocultos en esos datos, lo que ayuda a acelerar su capacidad de obtener valor de ellos. Luego podrán tomar decisiones mucho mejor informadas sobre las aplicaciones, procesos y servicios que desean desarrollar o mejorar.

Un componente importante de ese enfoque centrado en los datos es contar con una estrategia sólida sobre cómo recopilar, gestionar y monitorear los datos, una que esté estrechamente alineada con el negocio, cree una cultura de datos e incluya elementos relacionados con la gobernanza, la calidad de los datos, privacidad y metadatos, dice HPE.

"Es necesario comprender lo que la empresa intenta hacer", explica Armstrong-Barnes. "Es necesario comprender cómo se gestiona la calidad de los datos, quién accedió a ellos, cómo se eliminan y qué metadatos se almacenan".

Otro problema que pueden presentar los datos son los silos. Cuando los datos están bloqueados, extraerlos y sacarles valor puede resultar problemático. Y una vez que esos datos estén accesibles y disponibles, surge la cuestión de entrenar los datos que informarán a las plataformas de IA. Cuando se trata de construir sistemas de IA, a alto nivel hay varias etapas: recopilación de datos; refinar datos para prepararlos para la construcción del modelo; construir los modelos; sintonizando los modelos; y luego implementarlos. Cada una de estas etapas presenta desafíos específicos.

Pero el uso de una arquitectura nativa de IA de HPE Greenlake puede contribuir en gran medida a sentar las bases adecuadas para acelerar estos procesos, afirma HPE. Y el entorno de desarrollo de aprendizaje automático (MLDE) de la empresa también está diseñado para ayudar a reducir la complejidad y los costos asociados al desarrollo de modelos de aprendizaje automático.

Entrenar estos modelos de IA también requiere una importante potencia de procesamiento. A medida que las empresas adoptan o aumentan su uso de la IA, primero deben tener la capacidad tecnológica para manejar la carga. La plataforma HPE GreenLake puede proporcionar esa capacidad en forma de una arquitectura de procesamiento de alto rendimiento y un canal de datos optimizado que las organizaciones necesitarán para garantizar el acceso a datos relevantes y de alta calidad para construir e implementar modelos y cargas de trabajo de IA.

Los proyectos exitosos pueden iluminar el camino

A menudo resulta útil mirar a las empresas que ya han hecho un buen trabajo adoptando e implementando la IA como guía. Uno de ellos es el equipo de deportes electrónicos Evil Geniuses, con sede en Seattle, WA. A lo largo de sus 25 años de historia, la compañía ha inscrito equipos en una variedad de deportes electrónicos que juegan Call of Duty, Fortnite, Halo, Rocket League y VALROANT. Los equipos de Evil Geniuses han tenido bastante éxito. El equipo Call of Duty: WWII de la compañía ganó el Campeonato Call of Duty 2018, por ejemplo, y el equipo VALORANT ganó el Campeonato VALORANT 2023.

"Estamos aquí para cambiar la cara de los juegos", dice Chris DeAppolonio, director ejecutivo de Evil Geniuses. “Somos una organización de entretenimiento de juegos y deportes electrónicos. Jugamos juegos profesionalmente en todo el mundo. La tecnología y los datos son la columna vertebral de todo lo que hacemos. Nuestros juegos se basan en unos y ceros. Se basan en datos, y ¿cómo los procesamos y creamos conocimientos a partir de ellos?

Una de las preocupaciones más apremiantes que enfrenta Evil Geniuses es identificar posibles jugadores profesionales. La empresa procesa grandes cantidades de datos complejos para encontrar talento en todo el mundo y. "Queremos encontrar datos sobre ese futuro profesional", afirma. Y parece que funciona. “Queremos ganar. Queremos encontrar mejores talentos. Queremos ser más eficientes con los entrenadores y ojeadores. Podemos utilizar conocimientos para descubrir a la próxima superestrella”.

El futuro de la IA, tanto desde la perspectiva de la productividad como de los beneficios empresariales, parece prometedor. "La IA es un deporte de equipo, se trata de habilidades", afirma Armstrong-Barnes de HPE. “Cuando se trata de implementar con éxito sistemas de IA, un enfoque es asociarse con una organización con un historial en la construcción de sistemas de IA escalables, eficientes y eficaces. Con una profunda herencia en IA que se remonta a décadas atrás, HPE ofrece las herramientas, técnicas y habilidades para acelerar las iniciativas de IA”.

Estar basado en datos y comprender completamente los datos y para qué los van a utilizar ayudará a una organización a adoptar un enfoque centrado en casos de uso para ayudar a identificar cómo puede fusionar sus datos con técnicas de inteligencia artificial para impulsar el valor comercial. Una vez que se logra esa comprensión, resulta más fácil aprovechar los beneficios.  

Armstrong-Barnes aconseja a las empresas que construyan plataformas que les permitan empezar poco a poco pero que tengan todas las bases para permitirles crecer cuando sea necesario. Luego sólo tienen que decidir qué quieren hacer y cómo agregarán valor y crecerán con sus necesidades con el tiempo. HPE enfatiza su capacidad para construir 'fábricas de IA' que combinen hardware, software y servicios que proporcionen esa escalabilidad empresarial, respaldada por sistemas integrados que hagan la vida más fácil a los usuarios finales.

"Quieres mantenerte al día con tus competidores que ya están en el camino de la IA", afirma. "Agregar socios al Equipo AI es un factor crítico de éxito cuando se trata de construir una arquitectura nativa de AI que se adapte a sus necesidades y le permita concentrarse en sus datos y desafíos comerciales en lugar de las complejidades de los cimientos subyacentes".

Patrocinado por HPE.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/