Más inversión en ‘cloud’, ¿se aprovecha así más la inteligencia artificial?

Llamémosle curiosidad o ganas de incrementar el negocio, lo que está claro es que las empresas están incrementando su inversión en cloud con un claro propósito: sacar más provecho de la inteligencia artificial. No paran de aparecer casos de uso en todos los ámbitos de aplicaciones de aquella tecnología gracias a su desarrollo amparado en la nube. Es más, en recientes fechas se ha conocido el anuncio de Google del lanzamiento de una herramienta basada en IA para Google Workspace para ayudar a sus usuarios a escribir correos y sacar más provecho de la herramienta Docs. Y esto no ha hecho más que comenzar, como veremos en las siguientes líneas.

Aumento de la inversión

Raúl Coria, Cloud & Cybersecurity Product manager de IPM, a Ricoh Company, defiende que las empresas están aumentando su inversión en cloud —en concreto un 39% en 2023 según los últimos datos de PENTEO— porque encuentran en esa estrategia un amplio beneficio para la modernización, capacitación y competitividad de sus organizaciones. “Al final, nosotros defendemos el Journey to cloud como un viaje que hay que hacer en algún momento, ya sea en mayor o menor medida, porque es una implementación clave para, después, escalar a otras soluciones TI más avanzadas. Además, tiene el gran beneficio de que es completamente flexible y que se puede adaptar a las necesidades de cada compañía”.

Y es que, como defiende este especialista la nube es un entorno propicio para aprovechar el potencial de la Inteligencia Artificial “y sí, también está aumentando la inversión de los negocios en la nube. Pero la IA no es nueva y, junto con el cloud computing, lleva años aplicándose para la automatización de procesos, medición y análisis de datos y modernización de apps”.

Sí, pero no

Porque David Marcos Torres, Data Analytics Business manager de Innovery, considera que este escenario es así, pero en el corto plazo en su opinión. “El aumento en la inversión en servicios cloud observamos está mayormente relacionado con otros aspectos de la Inteligencia Artificial. En concreto, se enfoca en el entrenamiento de modelos de machine learning y deep learning, donde dichos modelos se adaptan de manera específica para abordar necesidades particulares, como la detección de fraudes, la optimización de procesos y el procesamiento de imágenes o videos en entornos de la industria 4.0, entre otros”.

Y es que, como cree este especialista, hoy en día, la formación y aplicación de Large Language Models, como ChatGPT, se encuentra en gran medida limitada a los principales actores en el campo de la IA Generativa, tales como OpenAI y Google. “Esto se debe principalmente a la alta demanda de recursos que estos modelos requieren”, considera.

Por eso, aunque el uso de estos grandes modelos está experimentando un crecimiento exponencial en las empresas, esto está principalmente relacionado con la adopción de suscripciones a servicios como ChatGPT o Bard. “Estos servicios no necesitan una gran cantidad de recursos y tienen un impacto menor en los gastos asociados a la inversión en cloud”, apostilla.

¿Hacia un nuevo paradigma empresarial?

Quizás todavía sea temprano para adivinar lo que nos deparará la inteligencia artificial generativa cuando esté realmente desplegada de forma masiva. “De entrada, utilizando su potencial en modo asistente, posibilita la creación de empresas de un único empleado, por esa capacidad de creación y agilidad que proporciona para poder desarrollar diferentes tareas”, explica Antonio Soto, director de Veme Teche en Verne Technology. “Por otro lado, ya existen algunos experimentos en los que es esta propia IA Generativa la que actúa como CEO de la compañía, generando modelos de negocio y productos—apostilla—. Por lo que, en su opinión, está claro que estamos ante una tecnología realmente disruptiva, que cuando se une a otras como la nube o las plataformas low-code, nos permite imaginar un futuro en el que gran cantidad de las tareas que se realizan hoy en día en una empresa, puedan beneficiarse de su utilización, mejorando así nuestra productividad.  

De la misma opinión es David Marcos Torres, quien defiende que la capacitación y el posterior empleo de grandes modelos prácticamente exigen el aprovechamiento de recursos cloud, ya que estos procesos requieren una gran cantidad de recursos durante períodos de tiempo limitados, lo que desaconseja invertir en hardware físico.

“Existen modelos de código abierto como Llama, Falcon o Vicuna que permiten el reentrenamiento y el uso en infraestructuras propias o en la nube. Sin embargo, su adopción sigue siendo limitada debido a que los costos de ejecución siguen siendo más elevados en comparación con los servicios de pago de la API de ChatGPT, y su precisión en las respuestas todavía es inferior. Aunque el uso de estos modelos podría representar un aumento significativo en la inversión en cloud en el futuro”.

Puede leer aquí el reportaje completo.