Por qué la arquitectura de datos aislada está adquiriendo una importancia crítica para la IA del sector público
Durante años, la modernización del sector público se ha centrado en gran medida en la conectividad: conectar más sistemas, hacer que más datos estén accesibles y proporcionar a los equipos un acceso más rápido a la información que necesitan.
Sin embargo, las exigencias de datos de la IA plantean otro nuevo desafío, ya que los datos más valiosos para entrenar eficazmente la IA y mejorar los resultados de la misión suelen ser los datos que los organismos tienen más motivos para mantener aislados.
La inteligencia clasificada no puede simplemente transferirse a servicios externos de IA, ni la información confidencial puede circular libremente por el patrimonio de datos. Los organismos necesitan una arquitectura de datos subyacente que mantenga la información confidencial dentro de los límites de seguridad establecidos y, al mismo tiempo, proporcione acceso gobernado a esos datos para el análisis y la IA. Esto significa llevar la IA a los datos que no se pueden mover ni exponer, lo que convierte la arquitectura de datos aislada en una base fundamental para la IA del sector público.
Dentro de un entorno aislado de la red
Un entorno aislado de la red es una red o un sistema de almacenamiento seguro que está separado intencionadamente de redes externas o no confiables. Esta separación proporciona a las organizaciones gubernamentales un mayor control sobre los datos y las cargas de trabajo confidenciales al reducir su exposición a sistemas externos.
Sin embargo, este aislamiento plantea un claro desafío para el uso de la IA.
Considere un equipo que opera en un entorno disputado con acceso a flujos locales de sensores y datos de misión. Un modelo de IA podría ayudar a correlacionar esas entradas e identificar una amenaza emergente, pero los datos subyacentes no pueden salir del entorno seguro y la conectividad con servicios externos puede ser limitada o incluso no estar disponible en absoluto. Si el uso de ese modelo requiere enviar datos a un servicio externo, entonces la tecnología es incompatible con los requisitos de seguridad de la misión y con la realidad de operar en un entorno desconectado.
La capacidad de IA tiene que funcionar dentro del entorno aislado donde residen los datos. Esto permite a los equipos analizar información confidencial y actuar en función de las perspectivas obtenidas, al tiempo que se mantienen los límites de seguridad en torno a los propios datos. En un entorno aislado, el aislamiento pasa a formar parte de cómo se implementa, se gobierna y, en última instancia, se utiliza la IA.
Para las organizaciones del sector público, esta flexibilidad puede determinar si es siquiera posible utilizar la IA en entornos de misión crítica.
Llevar la IA a los datos sin comprometer el control
Para entender cómo puede funcionar la IA en entornos aislados, es importante distinguir entre la arquitectura aislada y la IA privada. La arquitectura aislada y la IA privada abordan requisitos relacionados, pero diferentes.
Una arquitectura aislada de la red mantiene los sistemas y los datos separados de las redes externas, creando un límite de seguridad definido.
La IA privada se centra en mantener el control sobre la propia IA, incluyendo los datos a los que puede acceder, los modelos que utiliza, dónde se lleva a cabo la inferencia y cómo se implementan y se accede a esas capacidades.
La IA privada puede operar en entornos conectados, pero cuando se implementa dentro de un entorno aislado de la red, esas capacidades de IA operan dentro del mismo límite de seguridad que los datos confidenciales que utilizan. En conjunto, permiten a las administraciones públicas implementar IA en entornos aislados y de alta seguridad, manteniendo el control sobre los datos confidenciales, los modelos y las operaciones de IA dentro de ese límite de seguridad.
En aplicaciones de defensa, este reto se hace especialmente patente en JADC2, el marco del Departamento de Defensa para conectar datos y capacidades entre los distintos servicios y ámbitos militares. JADC2 pone de relieve por qué es tan importante llevar la IA a los datos. Su éxito depende de convertir los datos de toda la misión en información que los responsables de la toma de decisiones puedan utilizar, incluso cuando algunos datos deban permanecer en entornos seguros o clasificados.
Para ir un paso más allá, el CJADC2 exige que los datos se compartan entre los socios de la coalición internacional, lo que amplía la escala y la complejidad del conjunto de datos, al tiempo que introduce diferentes requisitos de soberanía de datos en los países o regiones donde se almacenan o procesan. Las arquitecturas aisladas pueden ayudar a los organismos a mantener el control sobre sus datos, no solo gestionando dónde se almacena la información, sino también dónde se procesan los datos, dónde se ejecutan los modelos de IA y qué sistemas tienen acceso a ellos.
¿Qué hace que un entorno aislado de la red esté preparado para la IA?
Mantener los datos sensibles en un entorno aislado reduce la exposición a amenazas externas, pero plantea otra cuestión importante: ¿pueden los equipos confiar en la IA que opera dentro de él?
Un sistema de IA aislado puede seguir produciendo resultados poco fiables si se basa en datos obsoletos, incompletos, mal gobernados o mal interpretados. A medida que los organismos incorporan la IA a entornos aislados, la arquitectura debe hacer algo más que aislar la información sensible. Debe respaldar el gobierno, el ciclo de vida de los datos y las capacidades operativas necesarias para que esa información sea útil para una IA de misión crítica.
Antes de escalar la IA en entornos aislados de la red, los organismos deberían poner a prueba algunas cuestiones clave:
¿Pueden los equipos rastrear los datos que hay detrás de una perspectiva generada por la IA hasta su origen y entender cómo han cambiado?
¿Se pueden preparar, procesar y utilizar datos para la IA sin salir del entorno seguro?
¿Pueden varias cargas de trabajo analíticas y de IA utilizar de forma segura los mismos datos gobernados sin crear copias innecesarias?
¿Se pueden implementar y actualizar modelos y capacidades de IA sin exponer datos sensibles?
¿Pueden la preparación de datos, el análisis, el servicio de modelos, el gobierno y la monitorización seguir funcionando sin acceso a servicios externos?
¿Se pueden mantener las mismas políticas de seguridad, acceso y gobierno a medida que cambian los datos y las cargas de trabajo?
Las respuestas determinan si un entorno aislado de la red puede dar soporte a la IA con el nivel de confianza que exigen estos casos de uso. La arquitectura de datos aislada de la red debe mantener los datos seguros, fiables y utilizables durante todo el ciclo de vida de la IA.
De la seguridad en entornos aislados de la red a la resiliencia de la misión
Los entornos aislados se han definido por su aislamiento. La IA amplía su papel. Los organismos necesitan cada vez más estos entornos para respaldar el procesamiento de datos, el análisis y la IA, al tiempo que se mantienen las protecciones que hicieron necesario el aislamiento en primer lugar.
La arquitectura subyacente tiene que mantener los datos sensibles a salvo y, al mismo tiempo, hacerlos útiles desde el punto de vista operativo para la IA. Eso significa ofrecer un acceso gobernado a los datos, dar soporte a la IA y al análisis allí donde residen los datos, y mantener una seguridad y un gobierno coherentes a medida que se utilizan esos datos. La siguiente fase de la IA en el ámbito público dependerá de si los organismos pueden convertir los datos en inteligencia fiable allá donde la misión lo requiera, incluso dentro de entornos aislados donde los datos sensibles deben permanecer a salvo.
Descubra cómo Cloudera ayuda a las organizaciones del sector público a llevar una IA segura y gobernada a sus datos, manteniendo el control sobre dónde y cómo se utiliza la información confidencial. Si tiene preguntas sobre cómo llevar la IA a entornos seguros o aislados de la red, póngase en contacto con el equipo de Cloudera Government en government@cloudera.com.