Ya ha pasado aproximadamente un año desde que la IA generativa irrumpió en la corriente dominante, con lo que ha contribuido a impulsar el crecimiento de la IA empresarial. Según un reciente informe de IDC, el gasto anual en IA, incluida la IA generativa, pasará de 175 900 millones de dólares en 2023 a 509 100 millones en 2027, una tasa de crecimiento anual compuesto (Compound annual growth rate, CAGR) del 30,4 %.[1]
Las empresas están invirtiendo fuertemente en sus estrategias de IA, porque ven la oportunidad y no quieren quedarse atrás de sus competidores. Sin embargo, a medida que aceleran su incorporación de la IA, muchas empresas también reconocen que deben tener cuidado para asegurarse de que su estrategia de IA sea sostenible y responsable.
Otro ámbito en el que crece la preocupación es la gestión y protección de los datos. A fin de cuentas, los datos son el corazón de la IA. Para cumplir con la promesa de la IA, las empresas deben obtener datos de las fuentes correctas y alimentar con ellos los modelos adecuados. Aquí radica uno de los mayores retos a los que se enfrentan las empresas cuando tratan de activar sus estrategias de IA: ¿Cómo pueden maximizar el valor de sus modelos de IA sin exponer sus datos ni ponerlos en peligro? Para lograr esto, muchas empresas están comenzando a recurrir a la IA privada. La IA privada se refiere a un entorno de IA construido por una organización específica o para esta, y que será utilizado exclusivamente por esta.
¿Qué hace que la IA privada sea diferente de la IA pública?
Antes de la proliferación de la IA generativa y los modelos base grandes, los modelos de IA eran, en general, privados por defecto. Esto se debe a que se tuvo que entrenar cada modelo con datos privados para el caso de uso específico de cada empresa. Solo en la era de los modelos base (como los grandes modelos de lenguaje [large language models, LLM] que utiliza ChatGPT) la IA pública ha llegado a ser viable. Los modelos base pueden ajustarse para adaptarse a distintos casos de uso, lo que permite que diferentes usuarios o empresas utilicen y compartan los mismos modelos.
La tabla a continuación resume las características que diferencian a la IA privada de la IA pública:
| IA privada | IA pública | |
|---|---|---|
| Propósito | Diseñada para que la utilice una entidad específica. En general, se trata de una empresa que desea ejecutar su estrategia de IA al tiempo que mantiene el control y la custodia de sus datos. | Diseñada para que múltiples usuarios la utilicen en el dominio público abierto en un entorno compartido. Estos usuarios pueden ser consumidores, empleados de empresas o empresas en general. |
| Models | Desarrolladas por un tercero o internamente. En cualquier caso, los modelos se alojan en un entorno privado y protegido, por lo general, detrás de un cortafuegos. | Desarrollada por un tercero y alojada en un entorno público. Todas las interacciones del usuario con el modelo pueden utilizarse para expandir el modelo. |
| Data (for training) | Solo utiliza conjuntos de datos privados, que a menudo incluyen los datos comerciales más confidenciales y valiosos de una empresa. | A menudo utiliza datos disponibles públicamente, como paquetes de datos que pueden adquirirse en plataformas públicas. Los usuarios también pueden agregar datos privados para ajustar el modelo. Los proveedores de servicios del modelo pueden acceder a los datos de entrenamiento y almacenarlos. |
| Data (for inference) | Por lo general, usan datos privados de una entidad. Solo la entidad tiene acceso a los datos. | Puede utilizar datos privados y de acceso público. Los proveedores de servicios del modelo pueden acceder y almacenar los datos de las inferencias. |
| Workload residence | Puede alojarse en cualquier entorno privado, como en las propias instalaciones, en un data center de colocación o en un entorno Bare Metal como servicio. | Alojada en un entorno multiusuario, a menudo una nube pública. |
| Networking | Los datos solo viajan a través de conexiones de red privadas y dedicadas. | Los datos pueden atravesar la Internet pública. |
Ahora surge la IA privada porque las organizaciones han empezado a reconocer las limitaciones de desarrollar su estrategia de IA exclusivamente en torno a la IA pública. Ven la necesidad de la IA privada, aunque aún no estén familiarizadas con el término.
Tres principales formas en que la IA privada es adecuada para las empresas
Usar la IA privada puede ofrecer muchas oportunidades a las empresas para optimizar sus estrategias de IA, como se muestra a continuación:
Proteger sus datos privados
Cuando introduce datos privados de la empresa en modelos públicos de IA, acepta que esos datos sean públicos, tanto si se da cuenta como si no. Por un lado, está confiando sus datos confidenciales a un tercero, y no puede estar seguro de que este tome las precauciones adecuadas para protegerlos. También estaría cargando las ideas empresariales contenidas en sus datos e incorporándolas a los modelos públicos de IA. Esto significa que sus competidores podrían beneficiarse directamente de esas ideas.
Con una arquitectura de datos privada, puede mantener sus datos donde pertenecen: en sus propias manos. Esto significa que puede estar seguro de que sus datos están protegidos y se utilizan exclusivamente en beneficio de su empresa.
Reducir el riesgo normativo
Vivimos en una época de creciente complejidad normativa, en la que los organismos reguladores de todo el mundo establecen nuevos requisitos sobre la forma en que las empresas recopilan, almacenan, transfieren y procesan los datos. Estos requisitos pueden ser especialmente onerosos para las empresas internacionales que tienen que cumplir requisitos de soberanía de datos y normas específicas sobre la gestión del ciclo de vida de los datos. ¿Cómo pueden las empresas cumplir con la ley y, al mismo tiempo, acceder a los enormes volúmenes de datos que necesitan para sus modelos de IA?
Un enfoque privado de la IA puede ayudar. Las empresas pueden diseñar sus modelos y arquitecturas de datos para controlar sus datos de principio a fin. Esto incluye especificar exactamente qué equipos se utilizan para almacenar y trasladar los datos, en qué ubicaciones físicas se almacenan, quién tiene acceso a los datos y con qué fines. En resumen, no tendrá que delegar sus responsabilidades de cumplimiento a un tercero, como haría si utilizara modelos públicos de IA.
Optimizar el rendimiento y la rentabilidad
Cuando las empresas introducen sus propios datos en modelos públicos de IA, los datos y los modelos suelen residir en entornos diferentes. Por ejemplo, los modelos públicos de IA suelen alojarse en un entorno de nube pública. Cada vez que la empresa tiene que mover datos entre su propio entorno y la nube pública, puede provocar retrasos y gastos de salida, en especial, si no cuenta con un socio de interconexión que la ayude a optimizar el rendimiento.
Las empresas pueden diseñar sus entornos de IA privada para minimizar estos problemas. Esto podría significar desarrollar su arquitectura de datos de modo que los modelos de IA y los almacenes de datos sean adyacentes. De este modo se garantiza un flujo de datos coherente y de baja latencia. Además, como los datos nunca salen de la arquitectura de datos interna, la empresa nunca tendrá que pagar a un tercero por el privilegio de trasladar sus propios datos.
Cuando introduce datos privados de su empresa en modelos públicos de IA, acepta que esos datos sean públicos, se de cuenta o no".Ruth Faller, VP Corporate Development and Strategy, Equinix
¿Cuáles son los requisitos de infraestructura para la IA privada?
La IA es una tecnología innovadora y tiene requisitos de infraestructura únicos. Las empresas no pueden obtener los beneficios de la IA si siguen confiando en la infraestructura de TI convencional. De hecho, esto es parte del atractivo de la IA pública: Las empresas lo ven como una forma rápida y sencilla de empezar, sin tener que crear una infraestructura de IA propia.
Como hemos establecido en esta publicación del blog, hay motivos importantes por los que las empresas deberían desarrollar su propia infraestructura privada una vez que estén listas para escalar sus estrategias de IA. En esta sección hablaremos de cómo debe ser esa infraestructura.
Adyacente a la nube
Solo porque su entorno de IA sea privado no significa que deba estar completamente desconectado de las nubes públicas. Hay muchas razones por las que puede querer aprovechar los recursos de la nube pública, como conectarse con proveedores de modelos de IA como servicio que estén alojados en ella. La clave está en poder conectarse a las nubes públicas en sus propios términos. Esto significa desarrollar una arquitectura de datos adyacente a la nube, en la que usted mantenga la custodia de sus datos y, al mismo tiempo, pueda trasladarlos a la nube a petición mediante conexiones de red dedicadas y privadas.
Acceso al ecosistema
Incluso cuando las empresas desarrollan su propia infraestructura privada de IA, eso no significa que tengan que hacerlo solas. Pueden conectarse a una amplia variedad de socios y proveedores de servicios para obtener la agilidad y flexibilidad que necesitan de su infraestructura de IA. Con acceso a los socios del ecosistema digital adecuados en los lugares adecuados, las empresas pueden desplegar la red, la nube y los servicios SaaS que necesitan para escalar su infraestructura de IA rápidamente y continuar haciéndola evolucionar con el tiempo para mantenerse al día con las necesidades cambiantes de la empresa.
Algunos ejemplos de cómo los socios pueden ayudar a las empresas con su infraestructura privada de IA son los siguientes:
- Ayudándolas a implementar tecnología de enfriamiento líquido para cumplir con los requisitos de densidad de las cargas de trabajo de IA.
- Ayudándolas a obtener la capacidad informática bajo demanda que necesitan en ubicaciones estratégicas a través del Bare Metal como servicio de usuario único.
Con alcance global
La creación de un entorno privado de IA requiere flexibilidad para captar datos valiosos dondequiera que se generen, en todo el mundo. También es necesario situar las cargas de trabajo de IA en las ubicaciones que mejor satisfagan sus requisitos de densidad y latencia, y no solo en las mejores ubicaciones en las que se disponga de infraestructura.
La idea de desarrollar este alcance global para uno mismo puede resultar muy intimidante. Lo bueno es que no tiene por qué hacerlo. Trabajar con un socio de colocación global como Equinix puede ayudarlo a montar la infraestructura de IA que necesita, en todas las ubicaciones donde la necesite, sin el elevado costo y la complejidad de hacerlo usted mismo. Equinix también ofrece un denso ecosistema de socios que incluye a muchos actores clave en el mercado global de IA, y rampas de acceso de baja latencia a los principales proveedores de nube de todo el mundo.
Para obtener más información sobre cómo los clientes de Equinix están prosperando en la economía digital moderna con una infraestructura digital distribuida e interconectada, lea nuestro documento de perspectivas: El futuro del liderazgo digital.
[1] Rick Villars, Karen Massey, Mike Glennon, Eileen Smith, Rasmus Andsbjerg, Peter Rutten, Ritu Jyoti, Jason Bremner, David Schubmehl, GenAI Implementation Market Outlook: Worldwide Core IT Spending for GenAI Forecast, 2023–2027, IDC Market Note, Doc # US51294223, October 2023.
Subscribe to the Equinix Blog