Blog de Amazon Web Services (AWS)

¿Centralizar o descentralizar la IA generativa? La respuesta: Ambas

Por Matthias Patzak, asesor principal en arquitectura de soluciones de AWS y Tom Godden, estratega empresarial y evangelista en Amazon Web Services (AWS).

Introducción

Para los responsables de la toma de decisiones empresariales y de TI, la cuestión ya no es si adoptar la IA generativa, sino cómo estructurar su implementación para lograr el máximo impacto y el mínimo riesgo. Centralizar o descentralizar la gestión y el despliegue de las capacidades de IA generativa es una decisión estratégica clave con implicaciones a largo plazo.

Como se destaca en el blog «¿Centralizar o descentralizar?» Las organizaciones deben sopesar las ventajas y desventajas entre la centralización y la descentralización a la hora de implementar tecnologías transformadoras como la IA generativa. La centralización puede proporcionar un gobierno en toda la empresa, economías de escala y una gestión de datos unificada, mientras que la descentralización puede permitir una innovación más rápida y una alineación más estrecha con las necesidades empresariales.

Recomendamos un enfoque matizado: un modelo híbrido que aproveche los puntos fuertes de ambas estrategias: centralizar las bases y descentralizar la innovación. Esta estrategia combina una gobernanza sólida con una entrega ágil y posiciona a su organización para maximizar el impacto de la IA generativa.

Determinar la necesidad empresarial

En lugar de centrarse en las capas técnicas de la IA generativa, identifique las áreas de alto impacto en las que puede generar valor y una ventaja competitiva:

Servicio al cliente: mejore el soporte y, al mismo tiempo, reduzca los costes con los chatbots basados en la IA.
Marketing: aproveche la IA para crear contenido personalizado a escala.
Desarrollo de productos: genere conceptos de diseño y simulaciones con IA.
Productos farmacéuticos: acelere el descubrimiento de fármacos mediante la exploración de estructuras moleculares con la IA.
Servicios financieros: utilice la IA para la evaluación de riesgos, la detección de fraudes y el asesoramiento personalizado.
Desarrollo de software: aumente la productividad mediante la codificación asistida por IA y la detección de errores.
Cadena de suministro: optimice con el análisis predictivo y la planificación logística impulsados por la IA.
RRHH: agilice los procesos de contratación mediante la IA para seleccionar y evaluar cumplimiento de requerimientos de los candidatos.

Preguntas clave

  1. ¿Cuáles son los problemas u oportunidades empresariales críticos que la IA generativa podría solucionar?
  2. ¿Qué dominios o funciones organizacionales se beneficiarían más de la IA generativa?
  3. ¿Qué activos de datos únicos y experiencia en un área de conocimiento puede aprovechar la organización para crear soluciones de IA diferenciadas?

Al definir claramente las necesidades empresariales y los casos de uso por adelantado, las organizaciones pueden determinar la estructura organizativa y el modelo operativo más adecuados para respaldar el despliegue y la gobernanza de la IA generativa.

El enfoque híbrido: lo mejor de ambos mundos

¿Cuál es la mejor estructura organizativa para la IA generativa? Como estrategas empresariales de AWS, nos inspira la forma en que los equipos de finanzas y recursos humanos pueden (a) maximizar el impacto de sus recursos, (b) responder a las necesidades empresariales y (c) establecer lineamientos de control y formas de trabajo comunes.

Cuentan con equipos centralizados que aportan las mejores prácticas y conocimientos a estos ámbitos para toda la empresa, pero se espera que todos gestionen las personas y las finanzas.

La IA se extenderá de manera similar a todos los aspectos de la empresa. Requerirá habilidades y conocimientos en primera línea, como la capacidad de evaluar la idoneidad de los resultados del modelo.

Centralizar la capa base

La centralización de la infraestructura de IA permite a las organizaciones gestionar de manera eficiente los procesos complejos y que requieren muchos recursos de formación, ajuste y desarrollo de modelos de IA patentados y, al mismo tiempo, lograr economías de escala. Esta consolidación optimiza la gestión de datos, el análisis y el mantenimiento de los modelos, lo que reduce los costes y la complejidad en toda la empresa.

La centralización garantiza la coherencia de los estándares de calidad, seguridad y cumplimiento de los datos, factores fundamentales para desarrollar e implementar con éxito modelos de IA generativa confiables. Al unificar estos recursos, las organizaciones pueden afrontar con mayor eficacia los desafíos que supone la implementación de la tecnología de IA y, al mismo tiempo, maximizar sus beneficios potenciales.

Por lo general, un equipo de datos especializado administra esta base centralizada y proporciona orientación, formación, herramientas y gobierno al resto de la organización. Aportan habilidades avanzadas de inteligencia artificial y aprendizaje automático, lo que garantiza que las capacidades generativas de IA de la organización se basen en una base sólida.

Descentralización de la innovación en IA en todos los ámbitos empresariales

Si bien los aspectos fundamentales de la IA generativa se benefician de la centralización, la innovación prospera en un entorno descentralizado. Un enfoque distribuido se adapta a la diversidad de casos de uso de la IA en todos los ámbitos empresariales, desde resumir textos legales hasta analizar datos financieros, diseñar en I+D y crear contenido de marketing. Estas aplicaciones requieren no solo modelos subyacentes diferentes, sino también diferentes personalizaciones, ajustes, medidas de control de calidad, diseños de interfaz de usuario e integración con las aplicaciones y los procesos empresariales existentes.

Esta diversidad e individualidad de los casos de uso hacen que un modelo centralizado sea menos eficiente, ya que tiene dificultades para satisfacer las necesidades únicas de cada departamento y los rápidos ciclos de innovación. Sin embargo, el Data Mesh (un modelo que descentraliza los datos y la IA) se adapta bien a las necesidades de los ámbitos empresariales.

Al igual que en el caso de las finanzas y los recursos humanos, los equipos centralizados ofrecen las mejores prácticas, pero cada parte de la organización desarrolla sus propias capacidades. En el caso de la IA generativa, esto significa capacitar a los equipos de toda la organización para evaluar los resultados de los modelos, integrar la IA en los flujos de trabajo e impulsar la innovación desde cero.

Con el Data Mesh, los equipos de dominios específicos se hacen cargo de sus aplicaciones de IA. Estos equipos están más cerca de los desafíos y las oportunidades empresariales; están mejor posicionados para identificar e implementar casos de uso de IA de alto impacto. Pueden rápidamente crear prototipos, probar e iterar soluciones de IA, lo que garantiza una estrecha alineación con sus contextos operativos y objetivos estratégicos particulares. Esto no solo acelera el desarrollo y el despliegue de soluciones de IA generativa, sino que también garantiza que estén estrechamente alineadas con los contextos operativos y los objetivos estratégicos específicos de cada departamento.

Mantener una gobernanza eficaz en un modelo descentralizado

Si bien la descentralización permite una innovación más rápida y una alineación más estrecha con las necesidades empresariales específicas, es crucial mantener una gobernanza y una supervisión efectivas para garantizar la coherencia, la calidad y el cumplimiento en toda la organización.

Algunas estrategias clave lo logran.

Plataforma y herramientas centralizadas: proporcione una plataforma centralizada que ofrezca un conjunto estandarizado de herramientas, modelos y APIs para que los equipos de dominio las aprovechen a la hora de crear e implementar soluciones de IA generativa. Esto garantiza un nivel básico de calidad, seguridad y cumplimiento.

Modelo de responsabilidad compartida: establezca un modelo de responsabilidad compartida en el que el equipo central de ciencia e ingeniería de datos establezca los estándares, las directrices y las mejores prácticas, mientras que los equipos de dominio los personalicen y apliquen en sus contextos específicos.

Consejos de gobierno: forme consejos de gobierno multifuncionales que reúnan a representantes del equipo central y de los equipos de dominio para revisar y aprobar el despliegue de soluciones de IA generativa. Esto ayuda a mantener la alineación estratégica y una gestión de riesgos coherente.

Supervisión y auditoría centralizadas: Implemente una supervisión y una auditoría centralizadas para realizar un seguimiento del rendimiento, el uso y la conformidad de las aplicaciones de IA generativa en toda la organización.

Colaboración e intercambio de conocimientos: fomente una cultura de intercambio de conocimientos y colaboración entre el equipo central y los equipos de dominio, facilitando el intercambio de ideas, metodologías y lecciones aprendidas. Esto ayuda a garantizar una calidad constante y la adopción de las mejores prácticas.

Los equipos de dominio prosperan con el soporte de una plataforma central

La descentralización no significa aislamiento. Los equipos de dominio siguen beneficiándose del soporte centralizado de la ciencia de datos, que proporciona orientación, formación, herramientas y gobierno. Esto garantiza el acceso a las metodologías y tecnologías más recientes y, al mismo tiempo, mantiene los controles y los estándares. La experiencia centralizada suele provenir del equipo responsable de la formación de los modelos patentados que actúa como un equipo de plataformas.

En el blog «Mejores prácticas de IA responsable: promoción de sistemas de IA responsables y confiables» se analiza cómo mantener la imparcialidad, la transparencia y la rendición de cuentas a lo largo de todo el ciclo de vida de la IA generativa. Esto es crucial a la hora de implementar soluciones de IA generativa de forma distribuida y en ámbitos específicos, ya que garantiza que las soluciones estén alineadas con los principios éticos de la organización y no perpetúen los sesgos ni causen daños no intencionados.

Conclusión

El futuro de la implementación de la IA generativa reside en equilibrar estratégicamente la centralización y la descentralización.

Una base centralizada proporciona la base de seguridad, escalabilidad y cumplimiento que no es negociable en el panorama regulatorio actual. Una capa de ejecución descentralizada permite a los expertos en el campo innovar e implementar rápidamente soluciones de IA adaptadas a las necesidades empresariales específicas. Este modelo híbrido ofrece una poderosa ventaja estratégica, ya que permite a las organizaciones mantener el control y, al mismo tiempo, fomentar la agilidad. Al centralizar la infraestructura principal y descentralizar el desarrollo de aplicaciones, las empresas pueden sortear las complejidades de la adopción de la IA y, al mismo tiempo, maximizar su potencial transformador.

Para prosperar en un futuro impulsado por la IA, las organizaciones deben situarse a la vanguardia de la innovación y, al mismo tiempo, garantizar una gobernanza y una escalabilidad sólidas, actuando ahora para desarrollar una estrategia matizada que aproveche tanto los elementos centralizados como los descentralizados.

—Matthias Patzak y Tom Godden

Enlaces:

¿Centralizar o descentralizar? — por Mark Schwartz
Bienvenido a una nueva era de creación en la nube con IA generativa en AWS — por Swami Sivasubramanian
Data Lakes versus Data Mesh: navegando por el futuro de las estrategias de datos organizacionales — por Matthias Patzak
Cómo los líderes tecnológicos pueden prepararse para la IA generativa — por Phil Le-Brun
Su IA es solo tan buena como sus datos — por Tom Godden
Navegando por el panorama de la IA generativa: un plan estratégico para los CEOs y CIOs — por Tom Godden
Lagos de datos en AWS
¿Qué es un Data Mesh?

Autores

Matthias Patzak se unió al equipo de estrategas empresariales a principios de 2023 tras un período como asesor principal en arquitectura de soluciones de AWS. En este puesto, Matthias trabaja con los equipos ejecutivos para determinar cómo la nube puede ayudar a aumentar la velocidad de la innovación, la eficiencia de su TI y el valor empresarial que su tecnología genera desde el punto de vista de las personas, los procesos y la tecnología. Antes de unirse a AWS, Matthias fue vicepresidente de TI en AutoScout24 y director general de Home Shopping Europe. En ambas empresas, introdujo modelos operativos optimizados y ágiles a escala y lideró con éxito transformaciones en la nube, lo que se tradujo en tiempos de entrega más cortos, un aumento del valor empresarial y un aumento de la valoración de la empresa
Tom Godden es estratega empresarial y evangelista en Amazon Web Services (AWS). Antes de trabajar en AWS, Tom fue director de información de Foundation Medicine, donde ayudó a crear la principal plataforma mundial de diagnóstico genómico del cáncer, investigación y resultados de pacientes, regulada por la FDA, para mejorar los resultados e informar a la medicina de precisión de la próxima generación. Anteriormente, Tom ocupó varios puestos de liderazgo tecnológico sénior en Wolters Kluwer en Alphen aan den Rijn, Países Bajos, y lleva más de 17 años en el sector de la salud y las ciencias de la vida. Tom es licenciado por la Universidad Estatal de Arizona

Traductores

Georgette Martínez es FSI Customer Solutions Manager en AWS para clientes globales de la industria de servicios financieros en México. Tiene 10 años de experiencia en el sector Tecnológico liderando programas de adopción de la nube, y con foco en estrategia de datos. Adicionalmente, experiencia en el sector de Telecomunicaciones e investigación. Speaker y jurado en eventos de tecnología.
Nelson Rojas es Senior Customer Solutions Manager en AWS para clientes de Telecomunicaciones en Latin América. Cuenta con más de 25 años de experiencia en la industria de tecnología informática, entre sus temas de profundización están Analítica de Datos, Inteligencia Artificial y Ciberseguridad, así como su aplicación en la transformación digital empresarial.