Poner los desafíos de la IA en perspectiva con asociaciones

Poner los desafíos de la IA en perspectiva con asociaciones

Marca de tiempo: 25 de octubre de 2023 4:27 a. M.
Poniendo los desafíos de la IA en perspectiva con las asociaciones PlatoBlockchain Data Intelligence. Búsqueda vertical. Ai.

Característica patrocinada A medida que la tecnología se implementa más ampliamente en sectores e industrias más verticales, los estrategas de TI y analistas económicos elogian rotundamente la capacidad de la inteligencia artificial (IA) para transformar los procesos de negocios, la toma de decisiones estratégicas y las experiencias de los clientes.

Incluso los directores ejecutivos que antes desconfiaban de aprobar la inversión que la IA necesita para ofrecer un valor óptimo están reconociendo su potencial para mejorar la eficiencia operativa y allanar el camino para nuevas fuentes de ingresos.

Los pronósticos de venerables observadores del mercado como PwC respaldan su opinión. Es 'Estudio global de inteligencia artificial' calcula que la IA podría contribuir con hasta 15.7 billones de dólares a las economías globales en 2030. De esta cantidad, 6.6 billones de dólares podrían provenir de una mayor productividad y 9.1 billones de dólares podrían provenir de "efectos secundarios en el consumo", afirma PwC.

El reciente lanzamiento de varias herramientas de IA generativa se considera un ruptura punto para lo que anteriormente había sido una rama altamente especializada y "futurista" de la informática. En el Reino Unido en 2022 la Oficina de Inteligencia Artificial reportaron que alrededor del 15 por ciento de las empresas habían adoptado al menos una tecnología de IA, lo que equivale a 432,000 empresas. Alrededor del 2 por ciento de las empresas estaban probando la IA y el 10 por ciento planeaba adoptar al menos una tecnología de IA en el futuro (62,000 y 292,000 empresas, respectivamente).

Sigue siendo algo complejo

En medio de este fervor por la IA, las organizaciones deben recordar que la IA todavía es una tecnología relativamente joven y que puede resultar difícil configurarla por primera vez. Es más, el retorno de la inversión (ROI) asociado depende en gran medida de configuraciones y procedimientos de implementación administrados con mucha precisión que a menudo son menos sólidos ante los errores que las implementaciones de TI convencionales.

La IA plantea pruebas estimables para los equipos de TI encargados de implementar iniciativas y cargas de trabajo de IA/aprendizaje automático, por ejemplo, que pueden incluir la superación de lagunas de habilidades y limitaciones informáticas. También pueden implicar compensaciones de recursos con otras cargas de trabajo empresariales que ya utilizan una infraestructura de TI común.

"La IA es un viaje, no un destino; no se trata de estar listo para su adopción o automatizar procesos simplemente para lograr una mayor eficiencia", afirma Matt Armstrong-Barnes, director de tecnología de Inteligencia Artificial de Hewlett Packard Enterprise (HPE). “Más bien, se trata de lograr valor a largo plazo, permitir mejores resultados y reconocer que la IA exige un enfoque fundamentalmente diferente para la implementación de TI. Para los tecnólogos empresariales se trata de una curva de aprendizaje integral de 360 ​​grados”.

El punto de vista de Armstrong-Barnes queda evidenciado en el último informe de Deloitte.Estado de la IA en la empresa' encuesta de líderes empresariales globales. Sus encuestados identificaron una gran cantidad de desafíos que la IA surgió en las sucesivas fases de sus proyectos de implementación de IA. Demostrar el valor empresarial de la IA fue una cuestión citada por el 37 por ciento: los proyectos pueden resultar costosos y un caso de negocio convincente puede ser difícil de validar frente a juntas directivas y ejecutivos de alto nivel que desconfían de las inversiones.

Ampliar esos proyectos de IA con el tiempo puede enfrentar otros obstáculos identificados, como la gestión de los riesgos relacionados con la IA (citado por el 50 por ciento de los que participaron en la encuesta de Deloitte), la falta de aceptación de los ejecutivos (también el 50 por ciento) y la falta de mantenimiento o soporte continuo (50 por ciento nuevamente).

"Es muy comprensible que los líderes corporativos deban estar convencidos de que la IA será rentable", dice Armstrong-Barnes. “Aquí es donde trabajar desde el principio con un socio tecnológico que ha estado involucrado con implementaciones probadas de IA durante muchos años ayuda a ganar el caso. Su trayectoria dará credibilidad a las propuestas de proyectos y ayudará a convencer a los ejecutivos de que los riesgos de la IA son tan manejables como los de cualquier otra empresa de TI”.

Y si bien la tecnología y el talento son ciertamente necesarios, es igualmente importante alinear la cultura, la estructura y las formas de trabajo de una empresa para respaldar una amplia adopción de la IA. según McKinsey, con características distintivas que a veces actúan como barreras al cambio impulsado por la IA.

"Si una empresa tiene gerentes de relaciones que se enorgullecen de estar en sintonía con las necesidades de los clientes, pueden rechazar la noción de que una "máquina" podría tener mejores ideas sobre lo que los clientes quieren e ignorar las recomendaciones de productos personalizados de una herramienta de inteligencia artificial", sugiere McKinsey.

"Hablo con frecuencia con colegas y clientes de HPE sobre la variedad de desafíos que enfrentan con la implementación de IA", informa Armstrong-Barnes. “Algunas características probatorias comunes surgen una y otra vez. Una es una subestimación de cuán fundamentalmente diferentes son las implementaciones de IA de las implementaciones de TI tradicionales. Las organizaciones deben implementar la IA de una manera principalmente diferente a los proyectos de TI que han implementado en el pasado. La gestión y el escalado de datos son significativamente diferentes para la IA. Esto significa que, a veces, la experiencia tecnológica adquirida con tanto esfuerzo debe aprenderse de nuevo”.

Se debe evitar la inclinación a experimentar con pilotos de IA antes de implementarla directamente en un caso de uso real que respalde una necesidad empresarial apremiante, explica Armstrong-Barnes. "El enfoque de probar antes de comprar parece razonable: la IA es compleja y exige inversiones", explica, "pero con la IA, los ensayos y los proyectos de prueba no replican realmente los desafíos que las organizaciones de usuarios enfrentarán con una implementación real". . Lo que empieza 'en el laboratorio' tiende a quedarse en el laboratorio”.

En el otro extremo de la escala de adopción, Armstrong-Barnes ve empresas que intentan aplicar la IA dondequiera que se pueda aplicar, incluso cuando una aplicación funciona de manera óptima sin IA: “La conclusión aquí es que, simplemente porque en la IA tienes un martillo enorme, Entonces no deberías ver todo como una nuez por cascar”.

Personas e infraestructura no disponibles

Incluso los sistemas de IA más avanzados aún tienen que alcanzar una autonomía total de extremo a extremo: deben ser entrenados y perfeccionados por experiencia humana. Esto representa un desafío adicional para las empresas aspirantes a la IA: ¿cuál es la mejor manera de adquirir las habilidades necesarias y volver a capacitar al personal de TI existente? ¿Reclutar nuevos miembros del equipo con los conocimientos necesarios en IA? ¿O explorar opciones para trasladar la necesidad de experiencia en IA a los socios tecnológicos?

McKinsey informes que el potencial de la IA se ve limitado por la escasez de talento cualificado. Un proyecto típico de IA requiere un equipo altamente competente que incluya un científico de datos, un ingeniero de datos, un ingeniero de aprendizaje automático, un gerente de producto y un diseñador, y simplemente no hay suficientes especialistas disponibles para ocupar todos esos puestos vacantes.

"Vemos que los tecnólogos empresariales en general tienen que mejorar sus capacidades en cinco aspectos clave", dice Armstrong-Barnes. “Principalmente, se encuentran en las áreas de experiencia en inteligencia artificial, infraestructura de TI, gestión de datos, gestión de la complejidad y, en menor grado, en las barreras culturales antes mencionadas. Ninguno de estos desafíos es insuperable si se cuenta con el enfoque correcto y el apoyo de la asociación”.

A la IA también le gusta ejecutar hardware superpoderoso. El aprovisionamiento de plataformas informáticas de alto rendimiento continúa siendo un desafío constante porque pocas organizaciones quieren (o pueden permitirse) realizar las inversiones necesarias en sus servidores sin un aumento demostrable en los índices de retorno de la inversión (ROI).

"Al planificar implementaciones de IA, en una etapa muy temprana, los planificadores de TI deben tomar algunas decisiones clave con respecto a la tecnología habilitadora central", dice Armstrong-Barnes. “Por ejemplo, ¿lo comprarás, lo construirás o adoptarás un enfoque híbrido que abarque elementos de ambos?”

La siguiente decisión importante se refiere a las asociaciones. Una condición definitoria para una entrega exitosa de IA es que nadie pueda hacerlo solo, señala Armstrong-Barnes: “Se necesita el apoyo de socios tecnológicos, y la mejor manera de establecer esas asociaciones es a través de un ecosistema de IA. Piense en un ecosistema de IA como un consorcio de apoyo de experiencia que, al unirse, le brindará acceso al conocimiento, los datos, las herramientas de IA, la tecnología y la economía adecuados para desarrollar y poner en funcionamiento sus iniciativas de IA”.

Armstrong-Barnes añade: “Los clientes a veces preguntan cómo llegó HPE a tener tanta experiencia en casos de uso de IA: ¿previmos su impacto hace años y empezamos a prepararnos mucho antes que el mercado? El hecho es que vimos el impacto de la IA hace no años sino décadas, hemos estado estableciendo centros de excelencia y ecosistemas de IA durante mucho tiempo, y hemos estado realizando adquisiciones estratégicas para aumentar nuestra experiencia existente en línea con los requisitos de los clientes y las oportunidades de crecimiento”.

Sin entrenamiento no hay ganancia

Uno de esos aumentos es Determined AI, que pasó a formar parte de las ofertas de soluciones HPC e IA de HPE en 2021. El software de código abierto de Determined AI aborda el hecho de que la creación y el entrenamiento de modelos optimizados a escala es una etapa exigente y crítica del desarrollo de ML, una que cada vez más requiere que personas no tecnólogas, como analistas, investigadores y científicos, asuman los desafíos de la HPC.

Estos desafíos incluyen la configuración y gestión de una infraestructura y una pila de software altamente paralelas que abarcan el aprovisionamiento informático especializado, el almacenamiento de datos, la estructura informática y las tarjetas aceleradoras.

"Además, los exponentes del ML necesitan programar, programar y entrenar sus modelos de manera eficiente para maximizar la utilización de la infraestructura especializada que han creado", dice Armstrong-Barnes, "lo que puede crear complejidad y ralentizar la productividad".

Estas tareas deben realizarse, por supuesto, con un nivel riguroso de competencia que, incluso con el apoyo de equipos de TI internos sobrecargados, no es fácil de garantizar.

La plataforma de código abierto de Determined AI para el entrenamiento de modelos de aprendizaje automático está diseñada para cerrar esta brecha de recursos, facilitando la instalación, configuración, administración y uso compartido de estaciones de trabajo o clústeres de IA que se ejecutan en las instalaciones o en la nube. Y además del soporte premium, incluye características como herramientas avanzadas de seguridad, monitoreo y observabilidad, todo respaldado por la experiencia de HPE.

"La IA decidida consiste en eliminar barreras para que las empresas creen y entrenen modelos de aprendizaje automático a escala y velocidad, con el fin de obtener un mayor valor en menos tiempo, con el nuevo sistema de desarrollo de aprendizaje automático HPE", explica Armstrong-Barnes. “Estas capacidades incluyen cosas bastante tecnológicas necesarias para optimizar las cargas de trabajo de IA/aprendizaje automático, como programación de aceleradores, tolerancia a fallas, entrenamiento de modelos distribuido y paralelo de alta velocidad, optimización avanzada de hiperparámetros y búsqueda de arquitectura neuronal.

“Si a eso le sumamos tareas disciplinarias como la colaboración reproducible y el seguimiento de métricas, es mucho de lo que hay que estar al tanto. Con la ayuda de Determined AI, los especialistas en proyectos pueden centrarse en la innovación y acelerar el tiempo de entrega”.

Más recursos y regulaciones de HPC desempeñan su papel

El poder de la HPC también se utiliza cada vez más para entrenar y optimizar modelos de IA, además de combinarse con la IA para aumentar cargas de trabajo como el modelado y la simulación, herramientas establecidas desde hace mucho tiempo para acelerar el tiempo de descubrimiento en sectores de toda la industria manufacturera.

Se espera que el mercado mundial de HPC experimente un crecimiento estimable durante el resto de la década de 2020. Inteligencia de Mordor estima su valor será de $ 56.98 mil millones en 2023, y espera que alcance $ 96.79 mil millones para 2028, una tasa compuesta anual del 11.18 por ciento durante el período previsto.

“HPE ha estado construyendo infraestructura HPC durante mucho tiempo y ahora tiene una cartera de HPC que incluye supercomputadoras a exaescala y plataformas informáticas de densidad optimizada. Algunos de los mayores clústeres de HPC se basan en la innovación de HPE”, afirma Armstrong-Barnes. "HPE tiene una experiencia inigualable en plataformas de hardware de alto rendimiento".

Con la introducción de HPE GreenLake para modelos de idiomas grandes A principios de este año (2023), las empresas (desde nuevas empresas hasta Fortune 500) pueden entrenar, ajustar e implementar IA a gran escala utilizando una plataforma de supercomputación sostenible que combina el software de IA de HPE y las supercomputadoras más avanzadas.

Claramente, la adopción de la IA es un desafío para organizaciones de todos los tamaños, pero no se trata solo de la tecnología, señala Armstrong-Barnes: “Cada vez más, todos los que adopten la IA tendrán que mantenerse actualizados con las regulaciones y cumplimientos emergentes de la IA. Legislaciones como la Declaración de Derechos de la IA de EE. UU., la Ley de IA de la UE y las próximas propuestas regulatorias establecidas en el Libro Blanco de la IA del gobierno del Reino Unido (que generalmente se espera que sirvan de base para un marco de IA listo para el cumplimiento) son ejemplos inmanentes de esto”.

Para las empresas que operan internacionalmente, esto parece otro obstáculo envuelto en burocracia, pero Armstrong-Barnes sugiere que el cumplimiento de las regulaciones puede no ser tan oneroso como podría parecer, con un poco de ayuda de un ecosistema de asociación de IA bien equipado.

"Compruebe si sus socios del ecosistema de IA también podrían ayudarle con el cumplimiento; si ya se encuentra en un entorno empresarial fuertemente regulado, es posible que ya esté a medio camino de las observancias existentes".

Patrocinado por HPE.

Sello de tiempo:

Mas de El registro