La tonta razón por la que su proyecto de IA fracasará

Paul Taylor/Getty Images

Esta es una historia común de cómo las empresas que intentan adoptar la IA fracasan. Trabajan en estrecha colaboración con un prometedor proveedor de tecnología. Invierten el tiempo, el dinero y el esfuerzo necesarios para lograr un éxito rotundo con su prueba de concepto y demostrar cómo el uso de la inteligencia artificial mejorará su negocio. Entonces todo se detiene de golpe: la empresa se encuentra atrapada, en un callejón sin salida, con su excelente prueba de concepto suspendida y sus equipos frustrados.

¿Qué explica el decepcionante final? Bueno, es difícil —de hecho, muy difícil— integrar La IA modela en la arquitectura tecnológica general de una empresa. Hacerlo requiere integrar correctamente la nueva tecnología en los sistemas e infraestructuras de TI más grandes; una IA de primera categoría no le servirá de nada si no puede conectarla a sus sistemas actuales. Pero si bien las empresas dedican tiempo y recursos a pensar en los propios modelos de IA, a menudo lo hacen sin tener en cuenta cómo hacer que funcionen realmente con los sistemas que tienen.

El componente que falta aquí son las operaciones de IA, o «AIOps» para abreviar. Es una práctica que implica crear, integrar, probar, publicar, implementar y gestionar el sistema para convertir los resultados de los modelos de IA en la información deseada por los usuarios finales. En su forma más básica, AIOps se reduce a tener no solo el hardware y el software adecuados, sino también el equipo adecuado: desarrolladores e ingenieros con las habilidades y los conocimientos necesarios para integrar la IA en los procesos y sistemas actuales de la empresa. Evolucionó a partir de una práctica e ingeniería de software cuyo objetivo era integrar el desarrollo del software y las operaciones de software, es la clave para convertir el trabajo de los motores de IA en ofertas comerciales reales y lograr la IA a una escala grande y fiable.

Comience con el entorno adecuado

Solo una fracción del código de muchas empresas impulsadas por la IA se dedica a la funcionalidad de la IA. Los modelos de IA actuales son, en realidad, una pequeña parte de un sistema mucho mayor, y la forma en que los usuarios pueden interactuar con ellos importa tanto como el propio modelo. Para aprovechar el valor de la IA, tiene que empezar por un entorno de producción bien diseñado (el nombre de los desarrolladores para el entorno del mundo real en el que el código llega al usuario). Pensar en este diseño desde el principio le ayudará a gestionar su proyecto, desde comprobar si la solución de IA se puede desarrollar e integrar en el entorno de TI del cliente hasta la integración y el despliegue del algoritmo en el sistema operativo del cliente. Quiere un entorno en el que el software y el hardware funcionen a la perfección, de modo que la empresa pueda confiar en él para llevar a cabo sus operaciones comerciales diarias en tiempo real.

Un buen entorno de productos debe cumplir correctamente tres criterios:

Fiabilidad. En este momento, las tecnologías de IA están plagadas de problemas técnicos. Por ejemplo, los sistemas y modelos impulsados por la IA dejarán de funcionar cuando reciban datos incorrectos y con formato incorrecto. Además, la velocidad a la que pueden funcionar seguramente disminuirá cuando tengan que ingerir una gran cantidad de datos. Estos problemas, en el mejor de los casos, ralentizarán todo el sistema y, en el peor, lo pondrán de rodillas.

Evitar los cuellos de botella de datos es importante para crear un entorno fiable. Poner en marcha arquitecturas de procesamiento y almacenamiento bien pensadas puede superar los problemas de rendimiento y latencia. Además, la anticipación es clave. Un buen equipo de AIOps estudiará formas de evitar que el entorno se estropee y preparará planes de contingencia para cuando las cosas salgan mal.

Flexibilidad. Los objetivos empresariales (y los flujos y procesos de apoyo dentro del sistema en general) cambian de forma continua. Al mismo tiempo, todo tiene que funcionar como un reloj a nivel de sistema para que los modelos de IA puedan ofrecer las ventajas prometidas: la importación de datos debe realizarse a intervalos regulares según algunas normas fijas, los mecanismos de notificación deben actualizarse continuamente y los datos obsoletos deben evitarse actualizándolos con frecuencia.

Para cumplir con los requisitos empresariales en constante evolución, un entorno de producción debe ser lo suficientemente flexible como para reconfigurar el sistema y sincronizar los datos de forma rápida y fluida sin comprometer la eficiencia de ejecución. Piense en la mejor manera de construir una arquitectura flexible dividiéndola en partes manejables, como bloques de LEGO que posteriormente se pueden añadir, reemplazar o quitar.

Escalabilidad y extensibilidad. Cuando las empresas se expanden, las «tuberías» de la infraestructura tienen que adaptarse inevitablemente. Esto puede implicar ampliar las capacidades existentes y ampliarlas a nuevas competencias. Sin embargo, un hecho ineludible es que los diferentes sistemas de TI suelen tener diferentes características de rendimiento, escalabilidad y extensibilidad. El resultado: es probable que surjan muchos problemas cuando intenten cruzar los límites del sistema.

Poder seguir «como siempre» y, al mismo tiempo, incorporar modelos de IA mejorados es fundamental para la expansión empresarial. El éxito depende en gran medida de la capacidad del equipo para ajustar, modificar y probar constantemente el sistema existente con la nueva solución propuesta, alcanzando el equilibrio a través de la funcionalidad de los sistemas antiguos con los nuevos.

Los buenos sistemas vienen de buenos equipos

La pregunta, por lo tanto, no es si necesita un equipo de AIOps, sino qué tipo de equipo de AIOps tiene más sentido para su empresa. Para la mayoría de las empresas, la decisión más importante que tomarán con su equipo de AIOps es si quieren construirla internamente o subcontratarla. Ambas tienen ventajas, pero así es como se ven las compensaciones:

Hágalo usted mismo. Por el lado positivo, crear su propio equipo para crear y mantener un entorno de producción le da el control total de toda la configuración. También puede ahorrarle muchos posibles problemas de gestión y contratación como resultado de tener que trabajar con proveedores externos. Esto se aplica tanto a las grandes empresas, que tal vez quieran verticalizar el equipo de AIOps, como a las pequeñas y medianas empresas que desean ampliar las competencias de su equipo de TI para poder gestionar directamente el entorno de producción.

Dicho esto, el bricolaje no es una empresa pequeña, sino que implica importantes cargas administrativas y organizativas, sin mencionar los gastos generales. Además, las empresas necesitan desarrollar su experiencia y conocimientos internos sobre AIOps. También es probable que el impacto económico inicial sea enorme: se necesita un gran desembolso inicial de caja y se inmoviliza para comprar activos que se deprecian, como hardware de almacenamiento y servidores. Incluso con la infraestructura de nube, es probable que las actividades de configuración de «prueba y error» hagan subir los costes de instalación.

Conectar y usar. Una alternativa es asociarse con un proveedor de AIOps. Un buen proveedor podrá trabajar en estrecha colaboración con su cliente y ofrecerle la experiencia necesaria para crear y gestionar un entorno de producción que se adapte bien a la infraestructura de TI del cliente y pueda soportar modelos de IA, ya sean de desarrollo propio o suministrados por terceros. (Esto es lo que nuestra empresa, Nexus FrontierTech, lo hace.) Con este servicio, las empresas ahora pueden acceder a un entorno de producción sólido y a un equipo de AIOps fiable y, al mismo tiempo, liberar los enormes recursos que de otro modo serían necesarios para ejecutar su propia AIOps.

Sin embargo, para muchas empresas, esto puede significar perder el derecho a ser propietario de un sistema propietario y la plena participación en la gestión de AIOps. Puede parecer un compromiso entre las restricciones financieras y el acceso a una arquitectura de IA sólida y sólida, que puede que no sea tan personalizada como en el caso de un proyecto de AIOps nativo, pero lo suficientemente buena como para ayudar a la empresa a digitalizar su producción.

***

Con demasiada frecuencia, nos bombardean con noticias sobre las maravillas que crea la IA: lo que nos va a hacer y cómo nos va a cambiar la vida. Pero esa cobertura pasa por alto un punto crítico: para cualquier empresa que quiera aprovechar los beneficios de la IA, lo que realmente importa no son los propios modelos de IA, sino la máquina bien engrasada, impulsada por la IA, que lleva a la empresa de donde está hoy a donde quiere estar en el futuro. Los ideales y los proyectos puntuales no. Por lo tanto, AIOps no es una idea tardía, es una necesidad competitiva.