La adopción de inteligencia artificial está impulsando a las empresas a replantear su infraestructura tecnológica, con el fin de responder a cargas de trabajo cada vez más complejas y a volúmenes de datos en constante crecimiento. El próximo 30 de septiembre, durante el evento DCD>Compute Latam, abordaremos este desafío en el panel: “Infraestructura e inteligencia artificial: ¿Cuál es el camino hacia la transformación tecnológica en las empresas?”.

El panel contará con la participación de Juan Antonio Peña González, Principal Enterprise Architect en Google; Roberto Andino, Director de Tecnología en Grupo Salinas Honduras; Eduardo Cabrera Maldonado, Director y Lead Enterprise Architect en HSBC; Cuauhtémoc Rojas Pavón, IT Director en Arcus, a Mastercard company; y José Luis Cisneros, Director Corporativo y Américas de Tecnologías de la Información en Grupo Pochteca.

El encuentro tendrá lugar junto a DCD>Connect, en el Barceló Maya Grand Resort. Haga clic aquí para ver la agenda del evento y aquí para completar su registro.

DCD>Compute estará dedicado a los ámbitos de cómputo, almacenamiento y redes, y reunirá a líderes estratégicos del ecosistema tecnológico regional: desde hyperscalers y directivos de TI corporativa, hasta proveedores de soluciones especializadas.

DCD entrevisto a Roberto Andino antes de su participación en el panel.

¿Cuál consideras que es el mayor reto para que las empresas alineen infraestructura tecnológica con proyectos de inteligencia artificial a gran escala?

Definitivamente, el mayor desafío es la brecha entre la capacidad tecnológica actual y las demandas de la inteligencia artificial a gran escala, alineadas con el plan estratégico de la organización. Se puede ver desde la siguiente perspectiva: ¿cómo gestionar una autopista de dos carriles que soporte el tráfico de una gran ciudad? Para armonizar estas aristas, se requiere una inversión significativa y un cambio cultural, pasando de concebir la infraestructura como un gasto a verla como una inversión estratégica. El objetivo es construir una base tecnológica que no solo soporte la IA, sino que también impulse la innovación continua.

¿Qué criterios, como los regulatorios y de resiliencia, utilizan para decidir si un caso de uso de IA se ejecuta en la nube, en un entorno híbrido o en edge computing?

La decisión de dónde ejecutar una carga de trabajo de IA no es solo técnica; tiene implicaciones de negocio, legales y de seguridad enormes.

Para tomar esta decisión, nos centramos en tres criterios principales: el dato, el negocio y el entorno.

• El dato: regulación y seguridad

Si la IA procesa datos sensibles (personales, financieros), las normativas obligan a un control estricto. En estos casos, es preferible una estrategia híbrida o estrategia on-premise para asegurar la soberanía y la protección de la información.

• El negocio: resiliencia y latencia

Para aplicaciones que requieren alta disponibilidad y resiliencia, la nube es lo ideal. Si la IA necesita una respuesta en milisegundos (como en el caso de la conducción autónoma), el edge computing es la única opción, ya que el procesamiento ocurre al instante, cerca del origen del dato.

• El entorno: conectividad

Si el caso de uso opera en ubicaciones remotas con conectividad limitada o nula, como fábricas o barcos, el edge computing es la solución. Esto permite que el sistema funcione de manera autónoma sin depender de una conexión constante a la nube.

¿Qué tecnologías emergentes ves como catalizadores que obligarán a repensar la infraestructura actual?

De las diversas tecnologías emergentes considero que las más representativas y por consecuencia obligarán a replantear por completo la infraestructura son:

• Computación cuántica

El poder de cálculo masivo y sus implicaciones para la criptografía obligarán a rediseñar desde cero nuestras bases de datos y sistemas de seguridad. La infraestructura actual no está lista para este cambio.

• Inteligencia artificial generativa a gran escala

El entrenamiento y la ejecución de modelos como GPT requieren una demanda de potencia de GPU sin precedentes. Además, la creación masiva de datos sintéticos obliga a construir nuevas arquitecturas para su almacenamiento y gestión.

• El metaverso y la realidad virtual

Para que sea posible representar una disrupción en la forma de comunicarse y desempeñar funciones, se necesita baja latencia. Esto obliga a descentralizar la infraestructura y a mover el procesamiento al edge computing, en lugar de depender de centros de datos centralizados.

¿Qué aprendizajes y consejos darías a organizaciones que ven la IA como un objetivo estratégico, pero aún no han transformado su infraestructura?

Es una excelente pregunta, y es la realidad de muchas organizaciones hoy en día. Ven el potencial de la IA, pero se encuentran con una infraestructura que no está lista. Mi consejo principal se resume en un principio: No construir sobre una base débil.

La infraestructura no es un gasto, es el cimiento de la estrategia de IA. Si no se aborda primero, cualquier proyecto de IA, por innovador que sea, estará condenado al fracaso o a ser ineficiente.

Basado en mi experiencia, estos son mis principales aprendizajes y consejos para cualquier director o líder de negocio en esta posición:

• Claridad de objetivos y estrategia

Realmente es el paso más importante, qué se quiere resolver, cómo está alineado a la situación estratégica y la realidad actual de la organización, que no sea algo “bonito de tener” sino que sea disruptivo, aumente la productivad y genere eficiencias.

• Priorizar en la calidad de la data

La IA es tan buena como los datos que la alimentan. Antes de invertir en tecnología, asegurarse de que los datos sean limpios, accesibles y estén bien gobernados.

• Adoptar una estrategia híbrida o en la nube

No es necesario reemplazar toda tu infraestructura. Utilizar una estrategia híbrida para combinar el control de los sistemas locales con la flexibilidad y la escalabilidad de la nube para el entrenamiento de modelos de IA.

• Invertir en talento y cultura

La infraestructura sin el talento adecuado es un camino sin salida. Capacitar a los equipos para fomentar una cultura que vea la experiencia y los errores como oportunidades de aprendizaje.