La IA se está incorporando a las operaciones empresariales cotidianas, pero las cargas de trabajo que la sustentan rara vez se quedan en un solo lugar. Algunas deben permanecer cerca de datos confidenciales en entornos privados. Otras disfrutan de los beneficios del alcance de la nube pública o de la velocidad de la infraestructura edge.
Esto plantea una cuestión práctica: ¿cómo pueden las organizaciones ejecutar cada carga de trabajo donde rinda mejor, sin perder el control sobre los datos y las operaciones?
Cloudera y AMD abordan esa cuestión al combinar una plataforma de datos híbrida y una infraestructura escalable y accesible. El resultado es una base diseñada para respaldar la IA en entornos privados, en la nube y en el edge sin obligar a los equipos a gestionar cada uno de forma diferente.
Los distintos modelos tienen cabida en distintos lugares
A medida que crece la adopción, las decisiones de implementación cobran mayor importancia estratégica. La mejor ubicación para una aplicación depende de los datos que utilice y de la experiencia que deba ofrecer.
Puede que un modelo que trabaje con información confidencial de clientes tenga que ejecutarse en un entorno privado, o que una aplicación orientada al cliente se beneficie de la elasticidad de la nube. La capacidad de tomar esa decisión carga de trabajo por carga de trabajo ofrece a las organizaciones un mayor control sobre el rendimiento sin limitar todas las aplicaciones al mismo modelo de implementación.
Esta flexibilidad cobra cada vez más importancia a medida que se amplían las carteras de IA. Lo que funciona para una prueba de concepto inicial puede no ser adecuado para una aplicación de producción que da servicio a miles de usuarios. Una arquitectura compatible con varios entornos permite a los equipos ajustar la ubicación en función de los cambios en los patrones de uso y los requisitos empresariales.
Por qué la IA privada híbrida se está convirtiendo en una opción estratégica
Elegir dónde se ejecuta una carga de trabajo es solo una parte de la ecuación. Los equipos siguen necesitando una forma coherente de implementarla y gobernarla en todo el entorno tecnológico.
La gobernanza de datos y los requisitos normativos determinan las decisiones de ubicación, pero las operaciones pueden complicarse rápidamente cuando cada ubicación introduce una forma distinta de trabajar. La IA privada híbrida ofrece a las organizaciones un marco común para ejecutar cargas de trabajo cerca de los datos de los que dependen, al tiempo que se mantiene el control en todo el entorno.
También puede reducir la carga que supone mover grandes volúmenes de datos propios entre sistemas. Mantener la infraestructura de computación más cerca de los datos puede reducir los costes de transferencia y simplificar las operaciones, al tiempo que ayuda a las organizaciones a sacar más partido a la infraestructura que ya tienen.
Este enfoque da a los equipos más libertad para tomar decisiones de ubicación basadas en la propia aplicación, en lugar de en las limitaciones de una arquitectura fragmentada. Pueden mantener el control local donde sea importante, sin dejar de recurrir a los recursos de la nube cuando sea necesario escalar o garantizar la disponibilidad.
La computación es solo una parte de la pila
La computación de alto rendimiento dota a los modelos de la potencia necesaria para entrenarse y responder. Pero, por sí sola, no les proporciona una comprensión del negocio.
Ese contexto procede de los datos empresariales. Los modelos necesitan acceder a información pertinente y gobernada para generar resultados que reflejen a los clientes, las operaciones y las prioridades de una organización. Sin esa base, incluso un modelo muy capaz puede generar respuestas que carezcan de la especificidad necesaria para un uso empresarial real.
Los flujos de trabajo de producción fiables también son importantes. Los datos deben prepararse y recuperarse de forma eficiente, y la inferencia debe seguir respondiendo con rapidez a medida que aumenta la demanda. Los equipos también necesitan visibilidad sobre el comportamiento de las aplicaciones tras la implementación para poder identificar problemas de rendimiento y adaptarse a medida que cambian los requisitos.
Estas capacidades convierten un modelo prometedor en una aplicación en la que la gente puede confiar durante su trabajo diario. Además, facilitan ir más allá de los proyectos piloto aislados y favorecen una adopción más amplia en toda la organización.
Unir la IA empresarial
Cloudera y AMD reúnen distintas partes de esa base.
Cloudera ofrece la plataforma para preparar datos, desarrollar modelos, gestionar el gobierno y dar soporte a las aplicaciones en producción. AMD proporciona la base computacional integral que abarca todo ese ciclo de vida, desde el procesamiento y la recuperación de datos hasta la inferencia de modelos.
Esto da a las organizaciones más opciones a la hora de asignar recursos. Las aplicaciones basadas en modelos pequeños y medianos, como los chatbots o los sistemas de generación aumentada por recuperación, pueden funcionar de forma eficiente en una infraestructura de CPU. Las cargas de trabajo más exigentes pueden recurrir a la computación acelerada cuando los requisitos de rendimiento lo justifiquen.
Esa distinción es importante porque no todas las aplicaciones necesitan la misma capacidad de procesamiento. Aplicar la infraestructura que más recursos consume a todas las cargas de trabajo puede aumentar los costes sin aportar un beneficio empresarial equivalente.
Un enfoque basado en las cargas de trabajo permite a los equipos seleccionar los recursos que se ajustan al caso de uso actual y adaptarlos a medida que cambia la demanda. Al mismo tiempo, la gestión de datos y las operaciones de las aplicaciones siguen conectadas a través de una plataforma coherente, lo que reduce las interrupciones que pueden producirse cuando cambian los requisitos de infraestructura.
Prepararse para lo que viene
La combinación de modelos y cargas de trabajo seguirá cambiando. Las organizaciones necesitarán libertad para utilizar distintos tipos de recursos de computación sin reconstruir la base de datos ni el modelo operativo subyacentes a cada aplicación.
Cloudera y AMD ofrecen esa flexibilidad al conectar los datos empresariales con una infraestructura capaz de adaptarse a una gama más amplia de cargas de trabajo.
Descubre cómo Cloudera y AMD pueden ayudarte a crear y escalar la IA en entornos híbridos.
Asegúrese de visitar a AMD en nuestros próximos eventos EVOLVE26 en todo el mundo. Más información.
