Las complejidades de la accesibilidad de los datos para la IA

Hacer accesibles los datos: Desentrañar las complejidades

La inteligencia artificial (IA) se ha convertido en un foco de innovación en varios sectores, y las empresas exploran formas de aprovechar su poder para el éxito comercial. El protagonismo de tecnologías como Chat GPT ha desencadenado una nueva ola de creatividad y experimentación en la que las empresas exploran ahora diversas aplicaciones de la IA. Mientras que las aplicaciones de IA generativa, como los asistentes virtuales, ofrecen a los usuarios una experiencia digital fluida, sectores más avanzados como los servicios financieros han empezado a desplegar motores de recomendación y optimizaciones de carteras para detectar fraudes con tarjetas de crédito y ofrecer mejores perspectivas en las decisiones comerciales. 

Sin embargo, a medida que las empresas integran modelos de IA en sus operaciones, se enfrentan a una explosión de conjuntos de datos que, en su mayoría, no están estructurados. Esto significa que las organizaciones necesitan una muy buena infraestructura de datos para gestionar la nueva arquitectura de las aplicaciones de IA generativa. Este fue un punto central de debate en el evento Hitachi Vantara Exchange celebrado en Nueva York en febrero de 2024. 

A medida que las empresas buscan aplicar modelos avanzados de IA generativa, he aquí algunos aspectos clave a tener en cuenta a la hora de abordar los problemas de gestión de datos y algunas estrategias que puede emplear para mitigar el riesgo de la accesibilidad de los datos. 

IA responsable y gestión de datos

La explosión de datos no estructurados en las organizaciones ha creado un cambio en la forma de enfocar la gestión de datos. Ya no basta con alojar los datos en la nube, y las herramientas de gestión de datos deben integrarse en el contenido de los datos para discernir la información de identificación personal (IPI), controlar el acceso y establecer una cadena de custodia. Con la IA generativa, las organizaciones deben equilibrar la adopción de nuevas herramientas de gestión de datos al tiempo que garantizan la estabilidad, la seguridad y la alineación estratégica con los objetivos empresariales.

Cuando se entrenan los modelos de Gen AI, no sólo absorben la base de conocimientos de los datos a través de las plataformas de medios sociales, sino que también absorben todos los sesgos implícitos en la sociedad que los produjo. Esto puede hacer que las aplicaciones de IA Gen cometan errores llamados "alucinaciones", que son esencialmente el sesgo intrínseco entrenado en el modelo; algo con lo que no se quiere acabar. Aquí es donde entra en juego la IA responsable y explicable; al obligar a los modelos a explicarse a sí mismos, estarás promoviendo la transparencia y la responsabilidad en el despliegue de la IA.

La IA responsable subraya la necesidad de mitigar los sesgos y errores en los modelos de IA mediante el fomento de prácticas de formación de IA inclusivas. Explainable AI es una iniciativa similar que pretende mejorar la visibilidad de los procesos de toma de decisiones de la IA, permitiendo un mayor control y comprensión de los resultados de la IA. A medida que las empresas se enfrentan a las exigencias computacionales de la IA generativa, la reducción de grandes modelos lingüísticos a pequeños modelos lingüísticos también se perfila como una solución práctica para mejorar la eficiencia y centrarse en casos de uso específicos.

Gestión de datos y privacidad en un entorno multicloud

A medida que agilizamos la accesibilidad a los datos, es crucial garantizar una segmentación adecuada, proporcionando a la organización la oportunidad de cumplir con todas las expectativas que se depositan en ella. Por ejemplo, los clientes del GDPR de la UE tienen ahora una expectativa de privacidad con respecto a sus datos, lo que amplifica el escrutinio sobre el uso de los datos. Los clientes exigen ahora un tratamiento responsable de los datos, lo que conlleva mayores restricciones en el uso de los datos, incluidos los requisitos de residencia y el derecho de supresión.

Las implicaciones del incumplimiento son una quiebra de la confianza, especialmente en sectores como las finanzas y la sanidad, donde la confianza es fundamental y difícil de restaurar una vez perdida. Los organismos reguladores están ampliando su enfoque más allá de la privacidad a la resiliencia cibernética, ejemplificada por iniciativas como la Ley de Resiliencia Operativa Digital (DORA) que influyen en el panorama.

En la transición hacia la ciberresiliencia, la importancia de los datos inmutables se hace evidente. Sin embargo, la inmutabilidad por sí sola es insuficiente frente a las amenazas del ransomware. Conocer el último punto de recuperación bueno conocido resulta crucial, lo que requiere un enfoque integral de la recuperación de datos a escala.

Los componentes clave de una postura de ciberresiliencia abarcan la inmutabilidad de los datos, el conocimiento de los puntos de recuperación y la capacidad de recuperación a escala. La demanda de productos capaces de gestionar la recuperación de miles o decenas de miles de instancias garantiza la continuidad empresarial frente a las ciberamenazas.

Información práctica para la transformación digital

Los casos de uso de la IA que hemos explorado aquí son entornos extremadamente complejos; esto incluye la IA generativa, la ciberresiliencia y la privacidad, la nube y la nube híbrida. La estrategia de transformación digital de cada organización va a ser un viaje en el que la elección del socio tecnológico adecuado es fundamental para el éxito. En un panorama con desafíos diversos, contar con un socio capaz de ofrecer un conjunto completo de capacidades garantiza un enfoque más sólido y holístico de la transformación digital.

A medida que avanzamos en este viaje, la clave está clara: un gran poder y unos grandes datos conllevan la responsabilidad de navegar por el futuro con sabiduría y resistencia.

Visite nuestra página de la solución Hitachi iQ para saber cómo transformar las operaciones empresariales y más allá con la IA.

Recursos adicionales:

ARTÍCULO DE PERSPICACIA: Construir una infraestructura de datos inquebrantable en la era de la IA y la nube híbrida

VÍDEO: Optimice la infraestructura con las soluciones convergentes e hiperconvergentes de Hitachi

PERFIL DE LA SOLUCIÓN: Hitachi iQ: Una suite de soluciones de IA adaptada a las necesidades de la industria: Ideal para organizaciones que invierten en cargas de trabajo de IA/ML