En este mundo todas las “construcciones” comienzan con la infraestructura. No podemos construir de manera efectiva hasta que comprendemos los requisitos básicos para que cualquier entorno determinado funcione de manera efectiva una vez creado. Ahora adoptamos la siguiente fase de desarrollo nativo de la nube en aplicaciones empresariales y servicios de datos. Por ende, debemos pensar en el grado en que la ingeniería de datos inteligente puede ayudarnos a construir plataformas de TIC funcionales. Deben tener suficiente agilidad para satisfacer los requisitos empresariales modernos. Eso abarca también a la educación superior.
Pensando en los modelos de amplios de lenguaje (Large Language Model, LLM): el año pasado ampliamos nuestra tecnología Nutanix GPT-in-a-Box para incluir nuevas integraciones con los microservicios de inferencia NIM de Nvidia y la biblioteca Hugging Face LLM. Saliendo de nuestra plataforma, preguntémonos por qué tomamos esa decisión y qué lección de ingeniería nos enseña.
El desarrollo se produjo porque permitió el acceso a modelos de inteligencia artificial creados por la comunidad mediante interfaces de programación de aplicaciones (API). Así, se podría aprovechar la oportunidad de optimizar, acelerar y posteriormente innovar la ingeniería de datos de infraestructura.
Nuestros equipos de ingeniería de software trabajaron arduamente para asegurarse de que pudiéramos lanzar Nutanix Kubernetes Platform (NKP) el año pasado. Está diseñada para simplificar la administración de aplicaciones basadas en contenedores utilizando Kubernetes en pilas nativas de la nube compatibles con CNCF.
Multinube en la ingeniería de datos
Este lanzamiento se hizo para que los equipos de ingeniería de plataformas que participan en tareas y cargas de trabajo diarias de ingeniería de datos puedan utilizar un modelo operativo consistente para administrar de forma segura los clústeres de Kubernetes en entornos locales, híbridos y de múltiples nubes. Nuevamente, se trata de qué tipo de herramientas de ingeniería de datos podemos implementar frente a las principales evoluciones de las plataformas modernas. En este caso, la popularización y estandarización generalizadas de Kubernetes.
Cuando desde un solo panel se puede acceder a los controles de ingeniería de datos en entornos multinube, es posible reducir los costos operativos. Por otra parte, también disminuye la complejidad de las implementaciones.
El objetivo es que las organizaciones puedan ejecutar cualquier aplicación a cualquier escala y tengan la libertad de abarcar múltiples servicios en la nube. También, por supuesto, múltiples nubes en cualquier hiperescalador determinado. Igualmente que, cuando sea necesario, puedan operar una infraestructura local similar a la nube (incluso nativa de ésta) mediante operaciones unificadas en sus sitios.
También debemos ser conscientes de la incongruencia que existe en los flujos de datos y el funcionamiento dentro de las organizaciones. Sabemos que no todos los datos son iguales. Los canales y repositorios de información dentro de un sistema CRM, por ejemplo, no necesariamente existirán en el mismo formato en otro sistema de la misma organización.
Esto significa que debemos armar al equipo de ingeniería de datos con la mayor flexibilidad en plataformas. Ello mientras introducen prácticas de gestión de datos que unificarán los formatos de almacenamiento y el acceso a las aplicaciones. Y lo más importante: también tratarán de unificar la gobernanza en toda la pila de TIC de la organización, que a su vez puede estar en proceso de ampliación y transformación.
