La inteligencia artificial a menudo se presenta como una cuestión “existencial” para las empresas.
Pero a pesar de todo su indudable entusiasmo e inversión en herramientas de inteligencia artificialparece que muchos líderes tecnológicos no la tratan como una aplicación empresarial.
Director de Ingeniería de Sistemas en Nutanix.
Gartner predice que más del 40 por ciento de los proyectos de IA agente se cancelarán para fines de 2027, a menudo debido a controles de riesgo inadecuados y un retorno de la inversión incierto.
Esta falta de lanzamiento desperdicia inversiones y corroe la confianza en la tecnología a largo plazo.
Esto crea una brecha entre aquellas organizaciones que están haciendo una transición constante hacia la IA empresarial y aquellas que luchan por hacerla funcionar. La brecha solo se abrirá aún más a medida que la IA Gen dé paso a la IA Agente.
Tener una visión es clave para el éxito de la IA
Por supuesto, tener una visión es clave para el éxito de la IA, al igual que tener los datos para informar la estrategia de IA distintiva de su empresa. Esto, junto con alguna inversión inicial, podría ser suficiente para ofrecer un piloto deslumbrante.
¿Pero es eso suficiente para garantizar el éxito a escala empresarial? Las cifras de Gartner muestran claramente que no.
Entonces ¿qué falta? ¿Qué deben hacer los líderes tecnológicos para garantizar que la IA no sólo deleite, sino que realmente cumpla?
La respuesta es garantizar la preparación operativa para la IA. En pocas palabras, se trata de la capacidad de implementar, gestionar y escalar la IA fuera de los laboratorios y en toda la organización.
Eso significa trabajar duro para garantizar que lo que comienza como un piloto convincente pero desconectado se integre en la empresa en general.
Significa garantizar que la IA se ejecute en una plataforma unificada que abarque computación, datos y gobernanza. Una plataforma que se puede replicar en toda la organización, ya sea local, en la nube o en el borde.
No hay nada nuevo en el concepto básico. Implementar cualquier carga de trabajo crítica para el negocio, como ERP o CRM exige con éxito el mismo enfoque en la infraestructura operativa subyacente.
Dicho esto, existen desafíos específicos que destacar cuando se trata de lograr esto con la IA.
Configurar la infraestructura de IA
Es fácil pensar que la IA gestión de infraestructura comienza y termina con las GPU. Pero la memoria de gran ancho de banda, el almacenamiento rápido y la conexión en red a la altura desempeñan su papel. Al igual que otros procesadores y aceleradores, dependiendo de qué parte del flujo de trabajo estemos analizando.
Lo más importante es que esa infraestructura, ya sea local o en el nubeo híbrido, debe poder adaptarse y escalar a medida que los proyectos pasan del piloto local a la producción empresarial. La IA, por su naturaleza, puede ser mucho más complicada que las cargas de trabajo corporativas más tradicionales.
Pero esto es más que una cuestión de potencia del procesador o gigabytes de almacenamiento. Seguridad y la gobernanza no es negociable cuando se trata de proyectos empresariales de IA. Los datos subyacentes y los propios modelos de una organización son clave para su futuro y deben mantenerse cerca.
La soberanía de los datos y las regulaciones de IA en términos más generales complican aún más las cosas. Los líderes tecnológicos necesitan saber que sus datos están donde dicen que están y tener claro exactamente quién puede (y quién no) acceder a ellos.
Las posibilidades de la IA son ilimitadas. Pero también lo es el precio si esta infraestructura subyacente no se gestiona adecuadamente. Simplemente pagar por las GPU y la potencia para ejecutarlas y luego dejarlas infrautilizadas supone un agujero en el retorno de la inversión (ROI) y socava los compromisos ESG.
Ampliación de operaciones
Los líderes tecnológicos deben planificar cómo ampliar (y reducir) la capacidad desde el principio. Pero también deben poder gestionar y predecir los costes. Por lo tanto, necesitan confiar en que su plataforma y su kit de herramientas les permitan hacerlo fácilmente.
Esto se vuelve aún más crítico a medida que los agentes de IA entran en escena. Es necesario garantizar la seguridad, la gobernanza y el cumplimiento incluso cuando los agentes acceden a datos, los generan y toman decisiones.
La infraestructura debe ser capaz de soportarlos y manejar los picos de demanda a medida que se desarrollan sus acciones. Se debe considerar la ubicación de los activos para reducir la latencia de las cargas de trabajo de inferencia que se ejecutan en tiempo real. Y el uso de energía debe mantenerse dentro de límites aceptables.
Una vez que se tiene en cuenta todo esto, se vuelve más claro lo que es la preparación operativa en la era de la IA.
La verdadera preparación operativa exige un enfoque llave en mano para la IA, en forma de una plataforma de pila completa, con la capacidad de abarcar GPU y otros aceleradores necesarios.
Debe incluir servicios de datos integrados, que admitan toda la gama de formatos que necesitará la IA, junto con controles de seguridad y gobernanza adecuados.
Y debería soportar ambos máquinas virtuales y contenedores, con la capacidad de orquestarlos. Correr hacia la operacionalización de la IA ya es bastante desafiante. Nadie quiere ejecutar una migración nativa a la nube al mismo tiempo.
El papel de los LLM
LLM Es posible que no siempre proporcione respuestas repetibles. Pero la infraestructura en la que se basan Gen AI y Agentic AI debe ser repetible si las empresas quieren escalarla de acuerdo con la demanda.
Eso incluye la nube, así como el entorno local y perimetral.
Cuando cuentan con la plataforma y las herramientas adecuadas, los líderes tecnológicos pueden asegurarse de que su personal se centre en maximizar constantemente el valor que pueden obtener de sus inversiones en IA.
No gastar tiempo y recursos tratando de transformar un proyecto piloto exitoso en una estrategia para toda la empresa.
Ya sea apostando por la IA o reconociendo que la IA será parte de su conjunto de herramientas más amplio, los líderes tecnológicos deben reconocer que la IA es una aplicación empresarial.
Y las aplicaciones empresariales necesitan una infraestructura de nivel empresarial que pueda respaldarlas desde la etapa piloto, hasta la producción y en el futuro.
Porque eso es lo que asegurará la existencia de su organización a largo plazo.
Enumeramos las mejores herramientas de visualización de datos.
Este artículo se produjo como parte del canal Expert Insights de TechRadarPro, donde presentamos las mejores y más brillantes mentes de la industria tecnológica actual. Las opiniones expresadas aquí son las del autor y no son necesariamente las de TechRadarPro o Future plc. Si estás interesado en contribuir, descubre más aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro
