NetApp ha presentado las conclusiones de su último informe “Escalando iniciativas de IA de manera responsable: el papel de la infraestructura de datos inteligente”, elaborado por IDC, y que revela los retos y oportunidades de las empresas a lo largo de diferentes niveles de adopción de IA y analiza las estrategias más utilizadas para desplegar las cargas de trabajo de IA e IA generativa de manera responsable. El objetivo, ayudar a las empresas a reconocer los errores más comunes en sus iniciativas, para evitar que formen parte del 20% que abandona los proyectos de IA. El informe también presenta un modelo detallado de madurez de la IA, desarrollado para evaluar el progreso de las organizaciones en función de su enfoque: desde emergentes y pioneros de la IA hasta líderes y expertos.
Índice de temas
La infraestructura de datos inteligente, clave del éxito
- Las empresas expertas en IA han optimizado su infraestructura, facilitando un acceso sencillo a los conjuntos de datos corporativos con una preparación mínima y diseñando un entorno unificado, híbrido y multicloud que admite varios tipos de datos y métodos de acceso.
- A pesar de tener metas más ambiciosas en IA, las empresas expertas en esta materia identifican obstáculos relacionados con los datos, como las limitaciones en el acceso a los mismos debido a infraestructuras deficientes (21%), restricciones de cumplimiento normativo (16%) y la escasez de datos necesarios (17%).
- Por su parte, las empresas emergentes identifican obstáculos similares, pero también se ven afectadas por limitaciones presupuestarias (20% en comparación con el 9% de las compañías expertas), una mayor escasez de datos para el entrenamiento de modelos (26% frente al 17%) y mayores restricciones empresariales para el acceso a datos (28%, en contraste con el 20%).
De acuerdo con el informe, las organizaciones necesitan una infraestructura de datos inteligente para escalar sus proyectos de IA de manera responsable. Con un mayor grado de madurez, determinado por el nivel de infraestructura del que disponen, consiguen mejores resultados, tanto empresariales, como de sus iniciativas, a largo plazo. Hay diferencias entre las organizaciones que se encuentran en las primeras etapas de adopción de la IA y aquellas que ya son expertas en estos proyectos: las primeras, suelen disponer de arquitecturas de datos dispares, mientras que las líderes y expertas en IA ya cuentan con datos unificados, por lo que tienen menos probabilidades de encontrarse con obstáculos en el futuro.
La flexibilidad de la infraestructura es clave
El 48% de los expertos en IA aseguran tener acceso instantáneo a sus datos estructurados, y el 43% a sus datos no estructurados. En contraste, solo el 26% de las empresas emergentes en IA tienen acceso a datos estructurados, y el 20% a los no estructurados.
Mientras tanto, el 65% de las compañías expertas en IA y el 35% de las emergentes afirman que sus actuales arquitecturas de datos pueden integrar, sin problemas, los datos privados de su organización con los servicios de IA en la nube.
El uso eficiente de los recursos es importante para escalar la IA de forma responsable
Solo el 43% de las empresas expertas en IA tienen métricas claramente definidas para evaluar la eficiencia de los recursos en el desarrollo de modelos de IA, y están implementadas y estandarizadas en todos los proyectos, en contraste con el 9% de las empresas clasificadas como emergentes.
Además, el 63% de las compañías reconocen la necesidad de realizar mejoras o una revisión completa en su infraestructura de almacenamiento para optimizarla para la IA, mientras que solo el 14% indica que no necesita ninguna mejora.
Las organizaciones deben comprender el impacto de la IA en su infraestructura y almacenamiento, así como en los datos y los recursos energéticos, incluidos sus costes asociados. Una seña identificativa de que una compañía es madura en IA es su capacidad de definir y aplicar métricas que evalúen la eficiencia en el uso de recursos durante la creación de modelos de IA.
