Beneficios de la Inteligencia Artificial para las empresas

En todas las industrias, las empresas que adoptan la IA ya están viendo el valor que aporta, desde el aumento de la productividad y la eficiencia hasta la mejora de la experiencia del cliente. Sin embargo, los primeros adeptos no sólo están obteniendo valor de las implicaciones técnicas. También están obteniendo una ventaja competitiva sobre las empresas que aún no han incorporado la IA.

La adopción de la IA ayuda al 44% de las empresas a reducir los costes, especialmente en áreas como la fabricación y la gestión de la cadena de suministro. Desde el mantenimiento predictivo hasta la optimización de la red logística, la IA proporciona el análisis que las empresas necesitan para realizar ahorros. La IA también ayuda a acelerar el tiempo de comercialización, al hacer avanzar la I+D a un ritmo más rápido.

La interconexión es clave.

Al mismo tiempo, el 63% de las empresas informan de un aumento de los ingresos como resultado de la incorporación de la IA. Los equipos de marketing y ventas generan nuevos ingresos a través de casos de uso de la IA, como el análisis del servicio al cliente, la predicción de la probabilidad de compra, y la fijación de precios y la promoción. En cuanto al desarrollo de productos, la creación de nuevos productos y mejoras basados en la IA también aporta nuevas oportunidades de ingresos.

A medida que el uso de la IA continúa evolucionando, asegurarse de que la infraestructura de las empresas también evolucionan para aprovechar adecuadamente la tecnología será crucial para el éxito futuro.

El desafío de la infraestructura de la IA

La construcción de la infraestructura necesaria para apoyar el despliegue de la IA a escala es un desafío creciente. La IA tradicional como aprendizaje automático (ML) no requiere necesariamente una tonelada de datos. Pero con el deep learning (DL) y la aparición de la IoT/5G, habrá una enorme cantidad de datos generados por fábricas, ciudades inteligentes, coches sin conductor, dispositivos de borde, etc.

Diseñar una infraestructura capaz de aprovechar esos datos para la IA es complejo. Los responsables de la toma de decisiones deben entender que todas las pruebas y despliegues de la IA que se realicen en su compañía para elegir la infraestructura que proporcione la escala y el rendimiento necesarios a largo plazo. Hay costos significativos (tiempo, dinero y recursos) involucrados en tener que rearmar o mover el despliegue de la IA, por lo que es importante tener la infraestructura desde el principio.

Acceso a los datos

La interconexión es clave, especialmente cuando algunas aplicaciones de IA se mueven al límite. La alta conectividad permite a las empresas llevar datos desde el edge a los centros de datos y enviar modelos y datos de vuelta al edge para optimizar la inferencia.

El 40% de las empresas coinciden en que la falta de infraestructura de TI es el principal obstáculo para la aplicación de la IA.

Esto implica la proximidad a los nodos centrales de 5G en los centros de datos; la proximidad a nodos centrales de línea fija; el acceso directo a la nube; la transferencia de datos de la empresa y la escala geográfica.

El 40% de las empresas coinciden en que la falta de infraestructura de TI es el principal obstáculo para la aplicación de la IA. Mientras que el 89% de las empresas esperan que el volumen de datos utilizados en el volumen de trabajo de la IA aumente en el próximo año.

La computación y el procesamiento de los datos

Sin embargo, el acceso a los datos es solo el primer paso para permitir la IA. Una vez que los datos entran en el centro de datos, esto es lo que se necesita para apoyar la computación para el entrenamiento de los modelos:

• Soporte de alta densidad: El centro de datos debe ser capaz de manejar alta densidad ahora, pero también en el futuro, mucho más allá de 15 kW/rack, que es el máximo declarado para la mayoría de las empresas.
• Tamaño y escala: La clave para aprovechar los beneficios de la IA es hacerlo a escala. La capacidad de ejecutar a escala el hardware (GPU) permite el efecto de la computación a gran escala.

Cargas de trabajo de la IA con una infraestructura potente y global

Basándose en estos requisitos de la infraestructura de la IA, hay algunas opciones para el despliegue. Una solución en el lugar puede ser relativamente barata, pero hay importantes desafíos en lo que respecta a la densidad de potencia y la escala. La mayoría de los centros de datos de las empresas simplemente no son capaces de manejar la escala necesaria para aprovechar los beneficios de la IA.

Por su parte, la nube pública ofrece menor resistencia, pero no siempre es el mejor entorno para entrenar los modelos a escala o desplegarlos en producción debido a los altos costes o a problemas de latencia. El entrenamiento de los modelos a escala requiere de la computación para procesar y reprocesar constantemente grandes conjuntos de datos durante un largo período de tiempo.

Los hiperescaladores marcan el camino

Los hiperescaladores como Google, Amazon, Facebook y Microsoft han estado desplegando con éxito la IA a escala para su propio uso desde hace algún tiempo, con su propia infraestructura central y de borde a menudo desplegada en centros de datos de alta calidad y altamente conectados. Utilizan mucho la colocación alrededor del mundo porque saben que puede soportar la escala, la alta densidad y la conectividad que necesitan.

Aprovechando los conocimientos y la experiencia de estos líderes de la IA, las empresas podrán ser dueñas de su propio destino en lo que respecta a la IA. La inferencia se produce en el edge, pero algunos de esos datos deben llegar a los centros de datos centrales que son capaces de apoyar la IA y la DL a escala.