MADRID, 26 (Portaltic/EP)
PUBLICIDAD
PUBLICIDAD
Al permitir la automatización de tareas rutinarias y desarrollar sistemas capaces de tomar decisiones complejas, la inteligencia artificial impulsa la eficiencia y fortalece la capacidad de respuesta de las empresas y administraciones públicas en el contexto actual.
Sin embargo, detrás de cada modelo, los desarrolladores de IA y aprendizaje automático se encuentran con obstáculos que ralentizan los proyectos y elevan tanto los costes operativos como la carga de trabajo de los equipos.
Para ayudar a superar estos retos y garantizar una implementación exitosa de modelos de IA en el entorno empresarial, es fundamental anticiparse a los desafíos que puedan surgir durante su desarrollo, así como abordarlos de manera precisa para facilitar una integración sólida y alineada con las necesidades de la organización, como han destacado desde SAS.
En este marco, el principal obstáculo para el desarrollo eficiente de modelos es el acceso a los datos, como ha señalado el 60 por ciento de los participantes en una encuesta de IDC -citada por SAS-, que lo situaban al mismo nivel que los problemas de infraestructura.
La compañía líder en datos e IA coincide en que el acceso rápido y fiable a los datos es uno de los mayores desafíos para los desarrolladores de IA y aprendizaje automático, y por ello advierte de que la necesidad de combinar datos de múltiples fuentes y evaluar su calidad suele causar retrasos y reducir la precisión de los modelos.
Desde SAS también señalan la necesidad de desarrollar y desplegar modelos con rapidez como otro desafío crítico. Esto se debe a que los desarrolladores suelen contar con plazos muy ajustados y necesitan trabajar en entornos que faciliten la reutilización de código con mínimas modificaciones. Sin embargo, la variedad de lenguajes de programación y herramientas puede provocar cuellos de botella que ralentizan el ciclo de desarrollo, lo que dificulta cumplir los tiempos de entrega y aumenta los costes operativos.
Asimismo, consideran que hay que ser conscientes de que el despliegue de los modelos de aprendizaje automático es un proceso complejo. Para asegurar un rendimiento óptimo, los modelos deben pasar de la fase de desarrollo a entornos de producción de forma rápida, lo que requiere una monitorización constante. Este proceso de MLOps demanda una infraestructura adecuada y recursos considerables, lo que representa un obstáculo importante para los equipos de desarrollo.
A ello se une que los desarrolladores deben ajustar la potencia de procesamiento según las demandas del proyecto, ya que los modelos de IA requieren distintos niveles de procesamiento en cada etapa, desde el entrenamiento de datos hasta el ajuste y la inferencia en producción. Sin embargo, y como apuntan desde la compañía tecnológica, la dependencia de los administradores de TI limita esta flexibilidad, lo que impide un aprovisionamiento adecuado de recursos y resulta en un uso ineficiente de la infraestructura.
Por último, la falta de una infraestructura flexible y adaptable incrementa los costes operativos, además del tiempo invertido. Minimizar estos costes requiere de soluciones que simplifiquen la complejidad del desarrollo y permitan gestionar eficientemente los recursos disponibles.
Dado el impacto de estos desafíos en el desarrollo de modelos de IA, contar con una herramienta que simplifique cada fase del proceso resulta esencial. Por ello, SAS ha desarrollado Viya Workbench, una solución integral que ayuda a los desarrolladores a superar estos retos logrando un flujo de trabajo eficiente.
Como explican desde SAS, Viya Workbench facilita el acceso y la preparación de datos desde múltiples fuentes, soporta varios lenguajes de programación y permite ajustar la infraestructura de forma flexible, adaptando los recursos de cómputo a las necesidades del proyecto sin intervención de TI.
"Viya Workbench facilita la eliminación de los silos que pueden existir entre departamentos que trabajan con diferentes herramientas y lenguajes. Al unificar todo en un solo entorno, bajo un mismo marco tecnológico, se mejora la comunicación entre desarrolladores y se optimiza la gobernanza de los modelos", detalla el responsable de Arquitectura de IA y Empresa de SAS en España, Marcos García.
El directivo incide en que con esta solución "no solo aumenta la productividad, sino que también reduce la curva de aprendizaje y permite una mayor operacionalización de los modelos". A ello se añade que "el rendimiento de los algoritmos probados en Viya Workbench ha demostrado ser hasta 30 veces más rápido, ofreciendo una solución más eficiente para los equipos de desarrollo", apostilla.
