La inteligencia artificial (IA) está en todas partes, pero si bien existen herramientas y servicios de IA en todos los niveles, las organizaciones aún están visualizando cómo  aplicar  la IA de forma eficiente en todos los procesos más operativos. Esta realidad nos sitúa en un punto de inflexión importante. A medida que la IA se implementa en sistemas, funciones de bases de datos, aplicaciones, el desafío es hacerla accesible y fácil de usar.

Un paso clave en ese proceso son los agentes de IA que ahora podemos construir en nuestros servicios y que cada vez son más inteligentes. Si bien gran parte de la IA hasta ahora se ha diseñado para proporcionar información de reconocimiento de patrones que permita a los humanos tomar decisiones y ejecutar las acciones, ahora los agentes de IA asumen la responsabilidad de responder preguntas, encontrar soluciones a los problemas y automatizar dichas acciones y tareas.

Adaptabilidad autónoma

Gracias a su nivel autónomo de adaptabilidad y a su capacidad para comprender el contexto y aprender de las experiencias, ahora los agentes de IA pueden operar con un grado de autoconciencia que eleva enormemente su utilidad y aplicabilidad para las empresas. Esta rápida evolución provoca que las organizaciones tengan un plazo de implementación relativamente corto para aprovecharlo antes que sus competidores.

Longevidad arquitectónica de TI

Cuando una organización decide qué servicios de IA son los más adecuados, los aspectos posteriores a la implementación y la gestión de una implementación a este nivel pueden ser abrumadores. Este es el punto donde los ejecutivos de TI deben comenzar a considerar la conformidad arquitectónica y la longevidad.

El equipo de TI debe redefinir el conjunto de tecnologías con un alcance operativo lo suficientemente amplio como para prestar servicios hoy y en el futuro. Además, los fundamentos para una implementación generativa exitosa también se centran en la necesidad de una plataforma unificada de computación, conectividad y almacenamiento. Las empresas necesitan una plataforma unificada para ejecutar servicios de TI a este nivel, capaz de simplificar la implementación, la operación y la gestión de grandes modelos de IA a escala. Este sustrato unificado para la computación también debe actuar como una plataforma de datos consolidada para la alimentación, el procesamiento y el archivo de datos de IA.

Las organizaciones que adoptan la IA deberían buscar servicios capaces de combinar modelos por caso de uso con endpoints y API seguros en un único servicio compartido al que puedan acceder múltiples aplicaciones. A medida que avanzan los flujos de trabajo, la necesidad de reutilizar múltiples modelos y endpoints es clave para lograr eficiencia y rendimiento en todas las aplicaciones. Sin embargo, los controles de seguridad siempre serán necesarios, ya que las inyecciones maliciosas pueden comprometer por completo un modelo de lenguaje al eliminar sus protecciones principales.

Ejecución dentro de una plataforma de IA unificada

La adopción de una plataforma unificada para respaldar los servicios de IA permite a una organización explorar la gama completa de servicios de IA conectados a medida que se implementan en el backend. Dado que los flujos de trabajo de los agentes de IA  abarcan múltiples modelos de tipo LLM, una plataforma hiperhíbrida es esencial para la polinización cruzada entre servicios. Para ilustrar este proceso en acción, imagine un flujo de trabajo de datos de Recuperación-Generación Aumentada (RAG) que necesita enviar contexto a un modelo de lenguaje para dotarlo de lógica de razonamiento. Esa misma conexión también requiere reclasificación y medidas de seguridad para determinar la mejor respuesta (es decir, la más segura, precisa y libre de sesgos). También podemos prever un modelo de integración en esta combinación, que se implementará para integrar bases de datos vectoriales.

Esa compleja combinación de tecnologías requiere un entorno de plataforma unificado para su ejecución eficiente. Si esa misma plataforma unificada también puede ofrecer modelos predefinidos para el flujo de trabajo de IA (una especie de arquitectura de referencia para la IA, por así decirlo), la IA puede tener un uso práctico en cualquier empresa. Con tanto debate en la industria tecnológica centrado en las nuevas funciones de IA que rara vez se aplican en las empresas del mundo real, es hora de que la IA aplicada se ponga manos a la obra.

Por Julio César Castrejón, Country Manager de Nutanix México.