La inteligencia artificial ya no está en fase experimental y ya se utiliza en muchas empresas. La IA armoniza especialmente bien con los sistemas de almacenamiento. En el proceso, muchas empresas dependen de los proveedores de servicios.
Una megatendencia que ayudó a dar forma a 2019: la inteligencia artificial (IA). La tecnología del futuro sigue avanzando y ya está garantizando procesos empresariales eficaces, rápidos y sin errores en diversos ámbitos de aplicación. Por ejemplo, en relación con las tareas de mantenimiento de plantas y máquinas, así como en las pruebas de calidad automatizadas, el análisis de datos o la gestión de las cadenas de suministro.
Debido al gran potencial de aplicación, la demanda de IA está aumentando cada vez más, especialmente para las soluciones de almacenamiento. Esto se debe a que el volumen de datos que hay que procesar en todo el mundo crece rápidamente cada día. En este punto, la inteligencia artificial puede ayudar a hacer más eficientes los procesos y apoyar el análisis de grandes conjuntos de datos.
Al mismo tiempo, muchas empresas carecen de los conocimientos técnicos y la infraestructura necesaria para desarrollar soluciones de IA. Después de todo, los requisitos en términos de software, hardware y recursos son grandes. Además, se necesitan especialistas en IA y científicos de datos para construir modelos y son escasos en tiempos de escasez de habilidades.
AI como servicio
Los servicios ofrecen ayuda para salir de este dilema. La "IA como servicio" o "inteligencia artificial como servicio" (AIaaS) es la externalización de la inteligencia artificial. La IA como servicio permite a las empresas probar la tecnología para diversos fines sin grandes inversiones iniciales y con menos riesgo. Esto se debe a que las aplicaciones de IA suelen ser portátiles y pueden utilizarse en diferentes infraestructuras. Las aplicaciones estándar de IA, como la conversión de voz en texto, pueden realizarse fácilmente a través de módulos ya desarrollados en los servicios de la nube pública.
Por ello, los principales proveedores de la nube ya han integrado en su oferta aplicaciones de IA para empresas "como servicio". Esto significa que hacen que estas aplicaciones estén disponibles a través de plataformas de código abierto para que las empresas no tengan que construir sus propias herramientas o infraestructuras. "Sin embargo, las aplicaciones de IA a menudo necesitan ser entrenadas con datos muy específicos", explica Jörg Bienert, Jefe de Producto de Alexander Thamm. "Para este desarrollo, las empresas medianas en particular recurren a proveedores de servicios especializados en IA, que cuentan con un equipo de científicos de datos y pueden dominar tareas complejas."
¿Cuestión de tamaño?
Sin embargo, el uso de la IA no es una cuestión de tamaño de la empresa. Erik Purwins, Director General de ACP Digital Analytics, considera que los criterios están más relacionados con los requisitos legales y reglamentarios, los procesos centrales de la empresa, los conocimientos técnicos disponibles, las posibilidades técnicas y los costes. Según Ravin Mehta, Director General de The Unbelievable Machine (*um), el espacio de almacenamiento es un reto menor en los proyectos de IA que las llamadas cinco "V": Volumen, Variedad, Velocidad, Validez y Valor. Si las empresas confían entonces en servicios de IA prefabricados o en soluciones personalizadas es una cuestión de tamaño del proyecto y del presupuesto.
Como resultado, el uso de la IA también puede tener sentido para las empresas más pequeñas, especialmente si quieren avanzar hacia un entorno productivo. "Las empresas suelen empezar creando pequeños modelos con pocos datos. A continuación, los modelos suelen mejorarse, pero sin llevarlos a un entorno productivo ni conectarlos a otros componentes de software", explica el Dr. Sebastian Lehrig, arquitecto de IA en IBM Systems. "Afortunadamente, esto puede contrarrestarse planificando directamente los entornos productivos y haciéndolos también accesibles rápidamente. De este modo, las personas implicadas pueden probar los proyectos de IA en iteraciones rápidas ya en entornos productivos y recoger y tener en cuenta los comentarios sobre la calidad de su aplicación de IA en una fase temprana."
La IA y el almacenamiento
Dado que las aplicaciones de IA requieren una gran cantidad de datos, no se pueden descuidar los requisitos de almacenamiento. Sin embargo, en los proyectos de IA, la elección de la arquitectura de almacenamiento depende en gran medida de los requisitos del cliente y de la estructura de los datos que se van a procesar. "En general, la IA no requiere una arquitectura de almacenamiento específica", explica Purwins. "Por regla general, los clientes son libres de decidir si quieren utilizar soluciones de almacenamiento en la nube o en las instalaciones. La mayoría de las veces, aquí es donde se implementa la idea híbrida para el procesamiento de datos". Además, las IA no sólo necesitan datos para trabajar, sino también para producir nuevos datos. "Mediante el uso de la inteligencia artificial, el ya exponencialmente creciente stock de datos crecerá aún más. El aumento resultante de la diversidad de formas y fuentes y la presión sobre la velocidad de procesamiento significan que una gestión de datos bien pensada será esencial", predice Purwins.
Y así, la IA está marcando un cambio de paradigma en el almacenamiento, ya que promete hacer más inteligente la forma en que almacenamos los datos. Al mismo tiempo, el creciente uso de la tecnología requiere formas creativas e individuales de arquitectura de datos. Cuanto más amplias sean las fuentes de datos que se puedan aprovechar, mejor y más rápido se podrán tomar las decisiones. Mehta cree que la visión de una "empresa basada en datos", en la que se derivan decisiones y acciones rápidas basadas en datos y automatizadas en la medida de lo posible, puede hacerse realidad. La base para ello, en su opinión, es una amplia infraestructura de datos que permita aprovechar las fuentes de datos de todas las empresas y conectarlas entre sí, permitiendo así un análisis de datos cada vez mejor y, en última instancia, la toma de decisiones basada en la IA.
Además, según Mehta, se necesita algo más que suficiente espacio de almacenamiento: "Para ello es necesaria una reestructuración organizativa, no solo en las TI y los procesos, sino sobre todo en la forma de pensar. Se necesita una mentalidad de datos, la comprensión de lo que es posible con la automatización impulsada por los datos, no sólo aplicaciones basadas en la IA, sino un día empresas artificialmente inteligentes."