De acuerdo con el estudio Innovation Catalyst de Dell Technologies, para 2024, el 80 % de las empresas consultadas en México priorizan implementaciones de inteligencia artificial generativa (GenAI): 41 % utilizan presupuesto de TI priorizando los proyectos de IA, mientas que el 39 % han creado un presupuesto dedicado a IA. Adicionalmente, McKinsey estima que GenAI podría añadir entre 2,6 y 4,4 mil millones de dólares a la economía global anualmente.
Los CIO y líderes de TI en nuestro país coinciden, en un 88 %, en que un buen manejo de datos es la parte central para las estrategias de GenAI exitosas. Esta apreciación tiene sentido, ya que precisamente el insumo para lograr resultados de negocio, eficiencias, reducción de costos y otros casos de uso de inteligencia artificial generativa son los datos útiles y efectivos que las empresas tienen disponibles. Pero, además, esos datos deben procesarse, almacenarse y accederse a través de una infraestructura optimizada para GenAI, que incluya procesamiento, almacenamiento y red, y cuyo rendimiento, robustez y tiempo de respuesta ofrezcan los niveles óptimos de servicio y la rentabilidad necesaria.
Arturo Benavides
Antes de adoptar soluciones de GenAI, cada líder empresarial debe preguntarse si su infraestructura de TI está a la altura de la tarea. Una arquitectura escalable, segura, optimizada, validada y económicamente sólida marcará la diferencia entre el éxito y el fracaso en la carrera por la GenAI.
Arquitecturas validadas para la era de la GenAI
Para que GenAI se implemente con éxito, las organizaciones deben repensar, reestructurar y optimizar la infraestructura para gestionar eficazmente las demandas de datos que implica GenAI. El objetivo debe ser evitar una posible desaceleración en los resultados debido a un procesamiento o almacenamiento dimensionados inadecuadamente, que no responda a las expectativas de la carga de trabajo asociada con la GenAI.
Los sistemas de almacenamiento, servidores y switches de redes tradicionales ya están luchando por mantener el ritmo adecuado ante la explosión de datos; con la expansión de modelos y aplicaciones de GenAI y abordando tareas más complejas, los requisitos en términos de infraestructura se están disparando.
De igual forma, es importante considerar el crecimiento de los datos no estructurados, que representan más del 90 % de los datos creados cada año, lo que desafía aún más a las plataformas de almacenamiento que deben alinearse a esta realidad. De esta forma, las empresas necesitan nuevas formas de almacenar datos a gran escala de manera rentable, al tiempo que proporcionan un acceso fácil y rápido a ellos, y los protegen contra los ciberataques. Los datos no estructurados son de interés para los cibercriminales debido a su valor y volumen abrumador.
Con GenAI, las organizaciones requieren un mejor movimiento de datos, acceso, escalabilidad y protección. Algunas empresas evalúan alternativas de infraestructura basadas en alguna nube pública, lo cual proporciona una solución potencial de corto plazo; pero, en el mediano y largo plazo, las organizaciones se enfrentarán a costos crecientes, pérdida de control de cargas de trabajo, preocupaciones de seguridad y desafíos de optimización de datos.
Por lo tanto, la solución más adecuada para la inteligencia artificial generativa es una estrategia de “multicloud por diseño”. Esto significa entender las cargas de trabajo de GenAI: cuáles deben correr en arquitecturas validadas on-prem; cuáles tienen sentido y son más rentables al tenerlas en una nube pública; cómo garantizar la movilidad, el control, la flexibilidad, y las economías para lograr un ambiente optimizado y eficiente. Esto ayudará a desbloquear todo el potencial de la multinube a corto, mediano y largo plazo, sin estar limitados por ecosistemas segmentados con herramientas y servicios propietarios. “Multicloud por diseño” aporta consistencia en la gestión del almacenamiento, procesamiento, y red, al mismo tiempo que logra la protección y la seguridad necesarias en los datos.
Inversión en nuevas tecnologías de almacenamiento
Las empresas necesitan enfoques nuevos del almacenamiento de datos para adaptarse a los requisitos específicos de GenAI. Algunas de estas tecnologías incluyen:
- Almacenamiento distribuido: Mejora la escalabilidad y confiabilidad de los sistemas de GenAI al alojar datos en múltiples ubicaciones. Por ejemplo, las organizaciones pueden escalar rápidamente sus necesidades de almacenamiento en varios nodos, en caso de que la demanda aumente, así como replicar sus datos más críticos, permitiendo que sean resguardados en una ubicación separada y fácilmente recuperados en caso de un ciberataque.
- Comprensión de datos: Permite eliminar datos redundantes a través de algoritmos de compresión y reducción de datos. Las organizaciones pueden disminuir sus necesidades de espacio de almacenamiento, así como optimizar el consumo de energía, lo que genera por consecuencia ahorros significativos en los costos.
- Indexación de datos: Mejora las capacidades de recuperación, contribuye a una búsqueda más rápida y eficiente y a la formación, mediante la organización más efectiva de los datos en ubicaciones específicas.
En conjunto, estas tres tecnologías mejoran el rendimiento, la eficiencia y el ahorro de costos, que son tres de las principales prioridades para los líderes empresariales que buscan una transición exitosa a las tecnologías de GenAI. La forma en que las organizaciones almacenan y gestionan los datos impulsará un mayor valor empresarial en los futuros proyectos de TI.
La IA y la GenAI son herramientas significativas para obtener ventajas competitivas y para encontrar nuevas formas de disrupción en los mercados. Sin embargo, deben implementarse correctamente. Ninguna organización se debe lanzar a la carrera de GenAI sin calentar; hay que estar en la mejor condición posible. Con las tecnologías cognitivas hay una gran oportunidad por delante. Aquellas organizaciones que la aprovechen, con tecnología preparada para el futuro, estarán mejor situadas para capitalizar los beneficios.
Arturo Benavides es director de Arquitectos de Soluciones para México en Dell Technologies. Anteriormente, fue Primary Storage Sales Director para el Equipo de Infraestructura Moderna en Latinoamérica en Dell EMC y ocupó diversos cargos en EMC México y Latinoamérica. Es responsable de ayudar a los clientes en su camino hacia la trasformación digital y la modernización de sus centros de datos apalancados en la estrategia de Dell. Tiene más de 25 años de experiencia en la industria de las tecnologías de información, con alta especialización en las soluciones de almacenamiento de información, incluyendo el posicionamiento y asesoría sobre el hardware, software y los servicios profesionales de implementación y de valor de dichas tecnologías. Ha cubierto la mayoría de los segmentos verticales, como Manufactura, Telecomunicaciones, Finanzas, Gobierno y Educación, tanto en México como en la región de Latinoamérica. Previo a EMC, trabajó para StorageTek de México. Es ingeniero mecánico electricista, graduado en el Instituto Tecnológico y de Estudios Superiores de Monterrey, Campus Monterrey, México.
