Las tecnologías de la Inteligencia Artificial (IA) evolucionan a una velocidad vertiginosa. El modelo que hoy es líder puede quedar obsoleto mañana. Si bien es fascinante este progreso, también conlleva un desafío: Cómo aprovechar las mejores capacidades actuales de la IA sin atarse a un único modelo o proveedor.
En InvGate tenemos la solución: aplicamos el “agnosticismo tecnológico en IA” (plataforma agnóstica), un enfoque que nos permite adoptar varios modelos y proveedores, seleccionando la opción más adecuada para cada tarea.
En este artículo profundizaremos en la forma de implementar esta perspectiva, así como en la posibilidad de cambiar sin problemas entre varios modelos y proveedores de Inteligencia Artificial. Además, abordaremos los aspectos metodológicos que nos guían a la hora de seleccionar las alternativas más pertinentes para cada trabajo.
Así que sigue leyendo para descubrir cómo aprovechamos al máximo el enfoque del agnosticismo tecnológico en IA y cómo esta visión te ayudará a optimizar tu estrategia de adopción de la Inteligencia Artificial en tu organización.
Dos formas de aplicar la IA
Imagina a tu empresa como un tranvía que avanza a toda velocidad por las vías del progreso tecnológico. En este trayecto te enfrentas a una encrucijada: por un lado, el camino de los proveedores de la IA como Servicio (AIaaS - AI as a Service), que ofrecen comodidad y acceso a la Inteligencia Artificial más avanzada; por otra parte, los modelos de IA self hosted o autoalojados, que garantizan control y personalización.
Sin embargo, no accedes a ver qué hay más allá de cada vía. La ruta AIaaS podría conducir a una dependencia con el proveedor o, por el contrario, evolucionar hacia una simbiosis perfecta con tu negocio. Mientras que el camino autoalojado a veces conlleva altos costos de mantenimiento o, en otras ocasiones, resulta la mejor inversión. Entonces, ¿qué camino elegir?
Afortunadamente, un software bien diseñado nos permite recorrer ambas vías simultáneamente. Con las abstracciones adecuadas, es posible combinar y alternar entre múltiples proveedores de IA y modelos autoalojados. Por lo tanto, constituye menos un dilema y más una oportunidad, ya que nos proporciona la flexibilidad de aprovechar los puntos fuertes de ambos mundos.
Proveedores de IA: cuantos más, mejor
Durante algún tiempo, los grandes proveedores de servicios en la nube compitieron en el espacio AIaaS. Recapitulemos cuáles son los tres principales actores y qué capacidades ofrecen:
- Microsoft Azure permite entrenar y desplegar modelos personalizados. También mantiene una asociación con OpenAI que ofrece acceso a sus GPT Modelos de Lenguaje Extensos (LLM - Large Language Models) de última generación.
- Google Cloud proporciona una plataforma unificada llamada Vertex AI para agilizar los flujos de trabajo de IA, que recientemente incluyó el acceso a su nuevo Gemini LLM.
- Amazon Web Services brinda la posibilidad de comenzar con servicios preconstruidos y listos para usar en la plataforma Bedrock, para luego pasar a herramientas de infraestructura gestionada como Amazon SageMaker para crear, entrenar y desplegar modelos personalizados.
Sin embargo, en los últimos tiempos asistimos a un crecimiento exponencial del número de proveedores de AIaaS, con el ingreso de varios actores más pequeños. Por ejemplo, Modal, Replicate y Groq -por nombrar sólo algunos- ofrecen la construcción de modelos personalizados, la optimización de la inferencia de modelos previamente entrenados y la generación de sus propios chips para lograr la máxima eficiencia.
Como vimos, el escenario de la IA evoluciona rápidamente, al tiempo que aumenta la demanda de productos basados en ella. Además, presentan la ventaja de la mejora constante de sus capacidades, a la vez que los costos disminuyen con rapidez, lo que hace que la Inteligencia Artificial sea cada vez más útil y accesible. Pero, como contrapartida, la elección de un proveedor hoy puede quedar obsoleta muy pronto. Por este motivo, debemos mantenernos flexibles o directamente optar por el enfoque del “agnosticismo tecnológico en IA”.
¿Qué es el agnosticismo tecnológico en IA?
El agnosticismo tecnológico en IA consiste en mantener las opciones abiertas, aprovechando lo mejor de cada proveedor, sin atarse a ninguno en particular. Para implementarla, se necesitan tres elementos clave: una interfaz, un router y los prestadores y modelos reales.
Los tres elementos clave del agnosticismo tecnológico en IA
Interfaz
El primer componente del agnosticismo tecnológico en IA es la interfaz, el punto de entrada al sistema, que sirve de nexo entre el funcionamiento interno de nuestra solución de IA y las solicitudes externas.
La interfaz es responsable de abstraer los complejos detalles de implementación del sistema de Inteligencia Artificial, presentando un formato claro para que otras partes de nuestro software interactúen con él.
Cuando está bien diseñada, la interfaz garantiza que los cambios en los modelos o proveedores de IA no afecten al resto del sistema.
Router
Una vez que una solicitud llega a través de la interfaz, se hace cargo el router. Su trabajo consiste en analizar dicha petición y decidir dónde enviarla en base a varios factores, como el tipo de solicitud, las capacidades de los sistemas de IA disponibles y la rentabilidad de utilizar un modelo o proveedor concreto.
Por lo tanto, el router desempeña un papel crucial a la hora de garantizar que cada petición se gestione de la forma más eficiente, guiándola hacia el prestador o modelo más adecuado para cumplir la tarea.
Proveedores y modelos
La última pieza del rompecabezas son los proveedores y los propios modelos de IA, que realizan las tareas reales de Inteligencia Artificial. En este módulo, también nos ocupamos de cuestiones de acceso específicas, como la autenticación, el preprocesamiento de datos y el formato de los resultados, entre otros.
Los proveedores y modelos pueden ser una combinación de ofertas AIaaS y soluciones autoalojadas. Las primeras ofrecen múltiples ventajas, como modelos de última generación, escalabilidad y mantenimiento reducido. Mientras que los segundos brindan un mayor control y personalización. La elección, sin embargo, no debe ser binaria: un sistema de agnosticismo tecnológico en IA bien implementado permite cambiar sin problemas entre ambos según sea necesario.
Cómo elegir proveedores y modelos de IA
La elección de los proveedores y modelos de IA que incluiremos en nuestro sistema es crucial. Sin embargo, no es una decisión estática, sino dinámica, que se examina y actualiza constantemente a medida que evoluciona el panorama de la Inteligencia Artificial. Aquí es donde entra en juego el llamado “punto de referencia de evaluación automatizada”.
Se trata de un estándar con el que se comparan y evalúan los modelos de IA. Por ejemplo, si estamos probando sistemas diseñados para resumir artículos de bases de conocimiento, nuestro punto de referencia incluye alimentar estos modelos con el mismo conjunto de notas y comparar los resúmenes. En la evaluación se tendrán en cuenta factores como la precisión de la información, la legibilidad y la velocidad del texto.
Pero antes de este paso, es necesario adentrarnos en una fase crucial de preselección, que consiste en asegurarnos de que nuestros posibles proveedores de IA acatan todos los requisitos de cumplimiento, seguridad y disponibilidad regional.
Cumplimiento y seguridad: aspectos no negociables
Los proveedores deben cumplir las normas y garantizar la seguridad. No podemos transigir en estos aspectos. Necesitamos prestadores que afirmen el acatamiento de todas las reglas, como la SOC 2, que se centra en gestionar los datos de los clientes basándose en cinco principios importantes: seguridad, disponibilidad, integridad del procesamiento, confidencialidad y privacidad.
Y no se trata sólo de tener las certificaciones adecuadas. Queremos proveedores que se tomen la seguridad de los datos tan en serio como nosotros, lo cual significa prácticas de cifrado sólidas, controles de acceso estrictos y un plan bien preparado de respuesta a incidentes. Si un prestador no nos convence que tiene cubiertas estas áreas, entonces no lo contrataremos, por muy atractivos que resulten sus capacidades o su precio.
Disponibilidad regional: el mundo es nuestro escenario
Otra cuestión fundamental es que el proveedor esté preparado para actuar en un escenario global, es decir, no sólo disponer de servidores en los lugares adecuados, sino también estar al día con las leyes y normativas regionales sobre datos. Por ejemplo, si atendemos a clientes de la Unión Europea, debemos asegurarnos que el prestador conoce bien el Reglamento General de Protección de Datos (GDPR - General Data Protection Regulation).
Así que, antes de comparar el rendimiento con nuestro proceso de evaluación automatizado, nos aseguramos que los proveedores superen esta fase esencial de preselección. Es la forma de garantizar que nuestro sistema de IA no solo ofrezca una gran performance, sino que también sea confiable y esté preparado a nivel mundial.
Punto de referencia de evaluación automatizada
Con la nómina de proveedores de IA en tus manos, es momento de crear y automatizar la evaluación comparativa a través de un conjunto de pruebas para prestadores y modelos de Inteligencia Artificial.
Cada vez que se lanza un nuevo modelo o actualiza uno existente, el punto de referencia vuelve a ejecutar su conjunto de pruebas para evaluar su rendimiento. Este proceso nos permite determinar si nuestra elección actual sigue siendo la mejor, o debemos poner al día el módulo del router para reflejar una performance superior.
El punto de referencia de la evaluación no sólo tiene que ver con la precisión de las pruebas, sino también con la eficacia y el costo. En concreto, mide la rapidez con la que los modelos pueden procesar las solicitudes, asegurándose de que los tiempos de respuesta están dentro de los límites aceptables para nuestras cargas de trabajo. También tiene en cuenta el aspecto financiero, calculando el gastos de utilización de cada modelo para garantizar que se ajusta a los presupuestos seleccionados.
La necesidad de acomodar las especificidades del modelo
Los modelos de IA no son idénticos: cada uno puede tener diferentes requerimientos de entrada, funcionalidad y características de rendimiento. Por ejemplo, los LLM (como GPT y Gemini) son capaces de resumir texto en muchos idiomas utilizando una sola instrucción. Sin embargo, esta misma tarea es posible llevarla adelante usando varios modelos de resumen especializados y específicos para cada lengua, y a menudo no necesita ninguna orden.
El proceso de evaluación debe tener en cuenta estas especificidades, probando con precisión los puntos fuertes y débiles de cada modelo. Siguiendo con este ejemplo, tendríamos que examinar modelos individuales con varias instrucciones, así como los que no precisan instrucción.
En definitiva, el proceso de evaluación requiere adaptabilidad y versatilidad para acompañar al sistema que se está probando. Este enfoque metodológico orientado a elegir proveedores y modelos de Inteligencia Artificial es la piedra angular del éxito de una implementación del enfoque del agnosticismo tecnológico en IA: se trata de tomar decisiones basadas en pruebas empíricas y objetivas, así como mantenerse flexible y abierto de mente, listos para adoptar nuevas soluciones a medida que demuestren su valía.
Reflexiones finales
El agnosticismo tecnológico en IA constituye una estrategia que fomenta la flexibilidad y la adaptabilidad, lo que nos permite aprovechar todo el potencial de la Inteligencia Artificial.
La clave para implementar este enfoque reside en la combinación de un proceso de evaluación sistematizado y un diseño flexible que englobe diferentes modelos y proveedores de IA: el primero verifica que nuestras selecciones se basen siempre en pruebas tangibles e imparciales, mientras que el segundo nos permite cambiar sin problemas entre modelos y proveedores.
La implementación del agnosticismo tecnológico en IA agnóstica requiere al principio cierto trabajo adicional. Sin embargo, representa un costo pequeño si tenemos en cuenta los beneficios a largo plazo. Como puede atestiguar cualquier persona que se dedique al desarrollo de software, cambiar las decisiones de diseño del sistema más adelante resulta sumamente difícil. Así que si invertimos en este enfoque desde el principio, evitamos esos gastos y garantizamos que nuestro sistema esté siempre listo para su adaptación.
En conclusión, aunque el agnosticismo tecnológico en la IA posiblemente requiera cierto esfuerzo inicial, sus ventajas compensan con creces los costos. En concreto, ofrece un enfoque de la Inteligencia Artificial preparado para el futuro, que garantiza que nuestros sistemas estén siempre a la vanguardia, listos para aprovechar los últimos avances y lo mejor que el mundo de la IA tiene para ofrecer.
Mientras seguimos explorando su vasto potencial, mantenernos agnósticos nos ayuda a continuar siendo adaptables, flexibles y a estar preparados para cualquier cuestión que nos depare el futuro.
