Mantener a seguridad y privacidad de los datos es un objetivo prioritario ante el acelerado ascenso de la inteligencia artificial (IA). Una manera de alcanzarlo es mediante el uso de la inteligencia artificial privada. Esto es, los usuarios construyen sus propios modelos de IA, los alojan en una infraestructura privada y utilizan sólo datos propios para entrenarlos. Para las empresas de que gestionan datos altamente sensibles, como la educación superior, los beneficios de la inteligencia artificial privada son claros.

Introducir datos confidenciales en servicios públicos de IA, como ChatGPT, puede tener algunos riesgos de privacidad. De hecho, OpenAI (propietaria de la plataforma) establece que los usuarios no deben cargar información confidencial, pues no es posible eliminar datos puntuales. Obviar dicha advertencia abre la posibilidad de que dichos datos queden expuestos ante cualquiera que utilice ese servicio en el futuro.

De acuerdo con Eduardo Carvalho, director general de Equinix para Latinoamérica, «las organizaciones se están centrando en acelerar sus iniciativas de IA. La creación de soluciones escalables de IA requiere que las empresas se adapten al intercambio, el almacenamiento y el procesamiento de grandes volúmenes de datos. Con la inteligencia artificial privada se puede extraer información de sus datos sin tener que sacrificar la privacidad o el control sobre esos datos».

Inteligencia artificial privada: puntos a conseiderar

Asegurarse de que la inteligencia artificial privada es lo más adecuado. Para la educación superior los beneficios son evidentes. Debido la obligación de resguardar los datos confidenciales de sus estudiantes, la inteligencia artificial privada es una opción natural.

Incorporar la gestión de datos a la estrategia. Ante los avances de la IA, vale la pena considerar un hecho fundamental: sus modelos sólo son tan buenos como los datos que reciben. Es por eso por lo que la gestión eficaz de los datos es esencial para el éxito de la inteligencia artificial privada.

Se debe tener en cuenta cómo llevar los datos correctos a los lugares adecuados sin demoras innecesarias. Esto puede ser un desafío porque la infraestructura de IA está altamente distribuida. Una forma ideal de crear una arquitectura de datos preparada para la IA es mediante el uso de almacenamiento adyacente en la nube.

Lo anterior permitirá incorporar servicios de nube pública en la estrategia de inteligencia artificial privada mientras se mitigan los riesgos, costos y complejidad potenciales. Es como tener lo mejor de ambos mundos: estar lo suficientemente cerca de la nube para acceder a los servicios cuando se necesitan, al tiempo que se mantiene el entorno de almacenamiento autorizado separado de la nube.

Consumo sostenible

Considerar las necesidades informáticas. El crecimiento explosivo de la IA ha provocado una mayor demanda de hardware GPU potente. La disponibilidad limitada de hardware podría impedir alcanzar los objetivos de la inteligencia artificial privada. Sin embargo, existen formas de evitar este cuello de botella y seguir obteniendo la capacidad informática requerida.

Plan de sostenibilidad y eficiencia. Los objetivos de sostenibilidad son un pilar en las estrategias de negocio. Las cargas de trabajo de la IA (y las cargas de trabajo de capacitación en particular) pueden consumir mucha energía.

Tecnologías como liquid cooling para centros de datos serán esenciales en la operación de cargas de trabajo de alta densidad, como la IA. También, es importante colocar las cargas de trabajo en lugares donde puedan recibir energía con menor consumo de carbono de la red local. Una forma de lograrlo es trabajar con un socio de infraestructura digital que haya priorizado la inversión en energía renovable.

«Equinix anunció un servicio de nube privada totalmente administrado en asociación con Nvidia. Este servicio hace que sea más rápido y fácil para los clientes obtener la infraestructura de inteligencia artificial privada que necesitan», señala Amet Novillo, director general de Equinix para México.