La IA es un esfuerzo de equipo

En un típico proyecto de IA, el área de negocio establece los objetivos, los ingenieros y científicos de datos localizan y preparan los datos, los ingenieros de aprendizaje automático desarrollan los modelos que alimentan las aplicaciones creadas por los desarrolladores, y todo ello en un entorno gestionado por el equipo de operaciones de TI. La pregunta clave es: ¿cuál es la base tecnológica idónea para estas tareas y desafíos tan diversos? Es decir, ¿qué infraestructura común pueden utilizar todos los implicados en el proceso? En este contexto, las plataformas de nube híbrida abiertas basadas en Kubernetes están ganando protagonismo, ya que ofrecen una infraestructura consistente para el desarrollo, entrenamiento e integración de modelos de IA en aplicaciones.

Para facilitar la transición de la fase experimental a la operativa para todos los implicados, y permitirles una colaboración fluida, una plataforma de este tipo debe incluir las siguientes características clave:

• Desarrollo de modelos: una interfaz de usuario interactiva y colaborativa que facilite las tareas de ciencia de datos, incluyendo el entrenamiento, la optimización y el despliegue de modelos.
• Servicio de modelos: enrutamiento inteligente para el despliegue de modelos en entornos de producción.
• Monitorización de modelos: supervisión centralizada para verificar el rendimiento y la precisión de los modelos.

En una iniciativa de IA, una amplia variedad de partes interesadas asumen roles clave en todos los equipos. (Fuente: Red Hat).

Este enfoque de plataforma ofrece múltiples ventajas, entre las que destacan:

• Flexibilidad: el modelo de nube híbrida proporciona gran flexibilidad para desplegar modelos de aplicaciones inteligentes containerizadas, tanto on-premise como en la nube o en el edge.
• Gestión y configuración sencillas con alta escalabilidad: el equipo de operaciones de TI puede proporcionar una infraestructura centralizada para ingenieros y científicos de datos, liberándoles de las tareas de mantenimiento y gestión del entorno.
• Colaboración: una plataforma común aúna datos, TI y equipos. Elimina las fricciones en los procesos entre desarrolladores, ingenieros de datos, científicos de datos y equipos DevOps, y proporciona soporte integrado para la transferencia entre los equipos de ML y los desarrolladores de aplicaciones.
• Innovación de código abierto: las organizaciones acceden a la innovación upstream a través de herramientas de IA/ML basadas en código abierto.

En definitiva, una plataforma de nube híbrida abierta proporciona una base sólida para equipos multidisciplinares que trabajan en iniciativas de IA. Esta infraestructura da soporte para el desarrollo, entrenamiento, despliegue, monitorización y gestión del ciclo de vida completo de las aplicaciones y modelos de IA/ML, desde la fase experimental y las pruebas de concepto hasta la producción. Integra la IA en la estructura DevOps existente de la organización de forma complementaria y nativa, en lugar de requerir la integración de una solución aislada.