Cuando el Edge Computing y la IA Generativa entran en colisión en las empresas

El Edge Computing está llamado a desempe?ar un papel fundamental en el avance de la inteligencia artificial (IA) y la IA Generativa (GenAI) para las empresas.

Esto se debe a que permite a las empresas analizar datos en tiempo real o casi real, lo que facilita el entrenamiento de modelos de IA y mejora el rendimiento de las aplicaciones basadas en IA.

La integración de tecnología de visión, IA, aprendizaje automático y marcos de aprendizaje profundo permite a las empresas personalizar soluciones para entornos cada vez más exigentes.

El impacto de la computación de borde abarca aplicaciones como la computación de borde multiacceso habilitada para 5G, vehículos autónomos, análisis de imágenes aéreas, biometría, control de acceso, inspección de defectos e incluso espacios inteligentes.

Sunil Senan es Vicepresidente Senior y Director Global de Datos, Análisis e Inteligencia Artificial de Infosys, una empresa de consultoría y servicios informáticos,

Afirma que el papel principal del edge computing es reducir la latencia, mejorar la eficiencia y disminuir la dependencia de los recursos centralizados en la nube.

Al implementar soluciones de IA directamente en el borde, las organizaciones pueden lograr una toma de decisiones y acciones más rápidas, integrar fácilmente la IA en diversas operaciones y minimizar la transferencia de datos a través de redes externas.

“Este enfoque mejora la seguridad de los datos, reduce el uso de ancho de banda y acelera la toma de decisiones y las acciones en tiempo real, impulsando en última instancia resultados empresariales superiores”, afirma.

Gerald Longoria, director y ejecutivo de la unidad de negocio de servicios de infraestructura Truscale en la empresa tecnológica Lenovo, afirma que Edge computing desempe?a un papel vital en la evolución de GenAI porque aborda los problemas de procesamiento en tiempo real, latencia reducida y gestión eficiente de datos que la IA generativa necesita resolver a medida que crece.

A?ade que analizar los datos en el borde de la red en lugar de depender únicamente de una infraestructura centralizada en la nube también permite a la computación de borde resolver problemas específicos en verticales que adoptan herramientas de GenAI.

Por su parte, un informe titulado “Leading with Edge Computing: How to Reinvent with Data and AI” de Accenture sugiere que evolucionar de enfoques ad hoc a enfoques integrados que aprovechen el poder de la nube, los datos y la IA será fundamental para que las empresas aceleren de forma asequible la innovación en los bordes.

Resumen Resumen

1. El valor de Edge Computing para la IA
2. Importancia de la IA en el perímetro
3. Edge lleva la personalización de la IA al siguiente nivel
4. Se avecina más Edge

Ver más

Resumen

1. El valor de Edge Computing para la IA
2. Importancia de la IA en el perímetro
3. Edge lleva la personalización de la IA al siguiente nivel
Ver más
4. Se avecina más Edge

El valor de Edge Computing para la IA

Al empezar con GenAI, muchas empresas comienzan con un modelo gestionado en la nube para ganar velocidad, dice Teresa Tung, tecnóloga jefe de cloud-first en Accenture y coautora del informe.

Sin embargo, a medida que las empresas sacan la GenAI de los pilotos y la ponen en producción, deben enfrentarse a las preguntas habituales sobre el coste a largo plazo, la seguridad, la privacidad de los datos y la soberanía.

“Y la propuesta de valor de la IA de Edge es más importante que nunca, ya sea para entrenar el modelo con la gravedad de los datos que ya están en el edge o como medio eficiente de inferencia para proporcionar una visión en tiempo real y respuestas altamente fiables”, afirma Tung.

Según Wayne Anderson, director de nube, seguridad e infraestructura de BDO Digital, proveedor de servicios de asesoramiento tecnológico y empresarial, GenAI es una calculadora de fantasía: es matemática vectorial y estadística a gran escala con muchos factores. Cuando se hace bien, la computación de borde permite a las organizaciones agregar datos allí donde se producen y aumentar la calidad de los datos.

Se?ala que los datos brutos de muchos de los procesos empresariales actuales pueden estar desestructurados, y a menudo hay errores en la entrada, especialmente cuando los humanos forman parte de la creación o introducción de los datos. Edge computing es donde normalmente se puede hacer el trabajo y el análisis y garantizar que las entradas son correctas antes de enviarlas a los costosos procesos de formación en la nube.

“De lo contrario, gastas mucho más con matemáticas de nivel de maestría para obtener la respuesta incorrecta porque los datos con los que empezaste son erróneos”, dice.

Importancia de la IA en el perímetro

Para las empresas, el poder de impulsar experiencias positivas de los clientes y el crecimiento de los ingresos proviene de la captura y comprensión de sus propios datos en el punto donde se crean, dice Gil Shneorson, vicepresidente senior de soluciones de borde en Dell Technologies.

Explica que la IA es la clave para aprovechar los datos valiosos en el perímetro, de modo que las empresas puedan procesar la información cerca de la fuente y tomar decisiones en tiempo real que tengan un impacto positivo en el balance final, desde la racionalización de procesos hasta la optimización de costes.

Por ejemplo, un minorista puede desplegar la IA en el perímetro para recopilar datos sobre el tráfico de personas en la tienda y las interacciones con los productos, lo que ayuda a mejorar la gestión del inventario y la experiencia de compra, afirma Shneorson.

Y para un fabricante, la IA en el perímetro puede supervisar el rendimiento de los equipos, detectar anomalías y permitir el mantenimiento predictivo para reducir el tiempo de inactividad y aumentar la productividad.

“Las empresas que aprovechan el poder de la IA en el perímetro pueden acelerar el crecimiento de su negocio y, al mismo tiempo, satisfacer a sus clientes”, afirma.

Según Sudhir Mehta, vicepresidente mundial de ingeniería y productos Optra de Lexmark, proveedor de productos, software y servicios de impresión e imagen, Edge e IA se complementan de forma natural para ampliar los límites de la innovación en IoT.

Según Mehta, el enorme volumen de datos que puede generar IoT obstaculiza su propio potencial. Las organizaciones sólo pueden procesar tantos datos tan rápidamente. La combinación de Edge e IA resuelve este problema.

El procesamiento de datos tiene lugar donde se necesita: en el extremo de la red. Mehta afirma que el procesamiento en el perímetro, en lugar de en la nube, reduce la latencia al tiempo que garantiza la seguridad y el cumplimiento de las normativas.

Con la IA, ahora se dispone de una plataforma totalmente automatizada que puede convertir inmediatamente esos datos en información, aplicándola de formas completamente nuevas e interesantes que no se podrían hacer fácilmente de forma manual”.

Edge lleva la personalización de la IA al siguiente nivel

Según Peter Wang, CEO de Anaconda, un proveedor de plataformas de ciencia de datos, las empresas que desarrollan y utilizan IA generativa necesitan importantes recursos informáticos, lo que puede provocar problemas de latencia con la típica computación en nube.

La computación en el borde, por otro lado, da lugar a una menor latencia porque el procesamiento de datos está más cerca de donde se generan y consumen los datos, minimizando el tiempo dedicado a enviar datos hacia y desde los servidores centralizados, dice.

“Esta comunicación en tiempo real es fundamental para las empresas que implementan IA generativa, como los chatbots que interactúan con empleados o clientes”, a?ade Wang.

La computación de borde también lleva la personalización de la IA al siguiente nivel, dice Nick White, director senior de estrategia de datos de Kin + Carta, una consultora de transformación digital. Permite que la IA evolucione dinámicamente, ayudando a adaptar las experiencias a las preferencias y necesidades distintivas del usuario de una manera sofisticada y sin fisuras. Todo ello en tiempo real y minimizando la latencia.

Explica que los dispositivos de borde acumulan continuamente datos sobre sus preferencias y comportamientos individuales a medida que los usuarios interactúan con el sistema. Estos datos se integran en el modelo, lo que permite el aprendizaje y la adaptación en el dispositivo.

Además, la naturaleza descentralizada del edge computing garantiza que este proceso de perfeccionamiento se produzca directamente en el dispositivo del usuario, respetando la privacidad y creando casi el escenario perfecto de personalización segura para los usuarios, a?ade White.

Se avecina más Edge

La continua demanda de innovación impulsada por la IA y otras cargas de trabajo intensivas en datos impulsarán una mayor adopción de edge en 2024, afirma Anderson.

Como parte de sus hojas de ruta de transformación de la IA, las empresas deben considerar la gestión de la afluencia de datos necesaria para estas cargas de trabajo, afirma.

Las organizaciones deben tener en cuenta el tipo de datos, dónde residen, sus controles de seguridad y la capacidad de computación.

Los centros de datos Edge pueden mejorar el rendimiento, proporcionar computación local para inferencias rápidas y reducir la latencia de las aplicaciones de IA, al tiempo que abordan los problemas de seguridad y residencia de los datos, afirma Anderson.

La preparación y la calidad de los datos son cada vez más importantes para las empresas a medida que proliferan las aplicaciones de IA en todos los sectores, afirma Emma McGrattan, vicepresidenta sénior de ingeniería de Actian Corp, la división de datos y análisis de HCLSoftware.

El reciente auge de la GenAI ha acelerado aún más esta tendencia. El análisis de datos en tiempo real que se procesa en el borde -tomando decisiones sobre datos generados localmente a partir de dispositivos IoT y servidores de borde locales- proporciona a las empresas información instantánea para la toma de decisiones clave en todas sus operaciones.

“También será crucial para proporcionar grandes volúmenes de datos complejos necesarios para entrenar sus modelos de IA, de modo que sus herramientas de IA puedan adaptarse y alinearse más eficazmente con las necesidades específicas de la empresa en los flujos de trabajo internos, la experiencia del cliente, etc.”, a?ade McGrattan.

“Un modelo de IA solo es tan bueno como los datos de entrenamiento que se le han proporcionado, lo que hace que la preparación y la calidad sean requisitos previos para el éxito de las iniciativas de IA.”