No todas las cargas de trabajo de IA se encuentran en el mismo lugar. Los grandes modelos de lenguaje a menudo encajan lógicamente en la nube porque pueden actuar como motores de propósito general que prosperan con la escala y obtienen valor de un conocimiento extenso y actualizado.
Pero las cargas de trabajo de IA no son solo texto e idioma, y vemos cada vez más que las empresas adoptan modelos multimodales para crear videos, audio e imágenes de IA, y observan enormes beneficios en el uso de la computación, el control de IP y la capacidad de personalizar la apariencia de la producción creativa.
Cofundador y director ejecutivo de LTX.
Para este tipo de producción creativa, la materia prima que utilizan para crear no es la web abierta. En cambio, a menudo se trata de imágenes, activos de marca o propiedad intelectual inédita que ya reside dentro de los muros de la organización. En estos casos, existe una clara necesidad de ejecutar modelos cerca de donde ya existen esos materiales.
Porque la producción creativa es iterativa por naturaleza, y esa cantidad de iteración y generación genera presiones de costos reales al recurrir a la nube.
Como fundador, he visto este cambio una y otra vez: las empresas adoptan pilotos de IA, usan Skyrocket y, de repente, los equipos de finanzas están tratando de comprender qué equipos, flujos de trabajo o llamadas de modelos están pagando la factura.
La previsión de costes se convierte en una cuestión de infraestructura
Una vez que las herramientas de IA se convierten en parte del trabajo diario, su uso ya no se comporta como una prueba. Cada paso de generación, acción del agente, renderizado de video o flujo de trabajo genera un costo. A medida que la adopción se extiende entre los equipos y los agentes de IA, la ecuación se vuelve más difícil de predecir.
Para las organizaciones con cargas de trabajo creativas de gran volumen, ejecutar una mayor parte de sus estimaciones localmente, en el borde o en entornos privados brinda un mayor control sobre la economía unitaria y facilita la gestión del gasto en IA a lo largo del tiempo.
Esto es especialmente importante en entornos de producción creativa, como cine y juegos, creación de campañas y capacitación interna y todas las formas de marketing, donde los equipos a menudo crean docenas de variaciones de un activo, secuencia, concepto de campaña o interfaz.
En un entorno donde un único flujo de trabajo puede generar miles de llamadas API por día, la diferencia entre las estimaciones locales y en la nube puede determinar si una estrategia de IA es sostenible o requiere una justificación presupuestaria constante.
Los datos darán forma a las opciones de implementación del control
A más largo plazo, es probable que el control de datos sea el principal impulsor para que las empresas avancen hacia arquitecturas de IA más flexibles. Las empresas se han vuelto cada vez más sensibles a dónde y cómo se almacena su información, cuánto tiempo permanece allí, quién tiene acceso a ella y cómo se puede utilizar.
Estas preguntas se vuelven aún más serias cuando la IA mapea el entorno físico, trabaja con activos creativos inéditos, archivos de producción u otros materiales que nunca debieron moverse libremente fuera de los sistemas controlados.
Cuando se trata de generación de vídeo de IA, que puede implicar múltiples iteraciones sobre IP y activos creativos sensibles, es posible que los equipos prefieran ejecutar sus modelos en sus propios entornos. En este caso, las implementaciones locales o privadas tienen menos que ver con rechazar la nube y más con brindar a las organizaciones una forma de usar la IA sin ceder el acceso a información confidencial.
A medida que la IA se integra cada vez más en las tareas críticas para el negocio, estas elecciones implicarán más que solo la arquitectura de TI porque afectan lo que una empresa puede construir, los riesgos que asume y el grado de control que tiene sobre los sistemas que producen su trabajo.
El futuro es la opcionalidad, no un modelo de implementación único
La nube ha demostrado ser esencial para muchas cargas de trabajo de IA, especialmente cuando las empresas necesitan computación elástica, acceso a modelos de frontera o la capacidad de soportar demandas altamente variables.
Un futuro más realista es aquel en el que la IA empresarial se vuelve híbrida bajo demanda, ejecutando diferentes cargas de trabajo en diferentes entornos según las necesidades del negocio, en lugar de beneficiarse de un único modelo de implementación.
Algunas cargas de trabajo se ejecutarán en la nube porque la escala es primordial, otras se ejecutarán localmente porque la latencia, la interactividad y la repetibilidad son importantes, y otras se ejecutarán localmente para priorizar la privacidad, el cumplimiento, la personalización o la propiedad.
Las organizaciones que se preparen para esta transición dejarán de tratar la implementación como una opción binaria y comenzarán a preguntarse qué nivel de control se necesita para qué cargas de trabajo.
Esta presión sólo se intensifica cuando consideramos la dirección en la que se dirige la producción creativa. Los mismos modelos que utilizan los equipos para crear videos ahora están evolucionando hacia modelos mundiales: sistemas que pueden predecir y simular el mundo físico en tiempo real, momento a momento.
Dichas cargas de trabajo estarán definidas por la interactividad y la latencia, y una generación que espera un viaje de ida y vuelta a la nube y de regreso no podrá hacerlo.
Hemos presentado el mejor creador de sitios web con IA.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
