Cómo una base de datos preparada para la AI ayuda a acelerar la innovación, minimizar los costos y ofrecer agentes de AI que realmente funcionen
por Christy Maver
La adopción de la AI está empezando a traducirse en resultados reales. Pero a medida que los esfuerzos se aceleran, muchas organizaciones se topan con el mismo problema: sistemas que son demasiado costosos, lentos y que no pueden escalar.
Entre las empresas con entornos de datos desconectados, el 67% señaló el almacenamiento, el movimiento y la duplicación de datos como el mayor costo recurrente de AI, según una encuesta reciente a más de 1,200 líderes tecnológicos realizada por Economist Enterprise. Para aquellas con una arquitectura de datos unificada, esa cifra se reduce a poco más de la mitad.
Ahora es el momento de construir una base preparada para el futuro para la AI. Pero las migraciones de bases de datos son costosas y una gran fuente de frustración. Cuanto más se adentren las organizaciones en la arquitectura heredada, más difícil será salir de ella. Las bases de datos abiertas y preparadas para la AI ofrecen a las empresas más flexibilidad y control sobre cómo se utilizan sus datos, y permiten a los desarrolladores reorientar el negocio en torno a la AI de forma rápida, segura y eficiente.
“El arte consiste en distribuir la velocidad sin distribuir el caos”, afirmó en el informe José Manuel Silva, Vice President for Technology y Chief Digital Officer en Natura.
Este blog analizará las tres consideraciones de infraestructura empresarial que pueden ayudar a acelerar la innovación de AI, minimizar los costos y ofrecer agentes de AI que realmente funcionen.
Para el 60% de las empresas, toma hasta 12 meses poner en producción las cargas de trabajo de AI, según la encuesta de Economist Enterprise. Los desarrolladores quieren avanzar a la velocidad de la AI, pero la infraestructura subyacente sigue a un ritmo analógico.
Cuando el código se crea en segundos, las bases de datos no pueden tardar minutos en aprovisionarse. Y a medida que los agentes de AI trabajan de forma autónoma para ejecutar flujos de trabajo, necesitan poder implementar instantáneamente entornos temporales y experimentales separados del entorno de IT general.
La combinación de innovación rápida, reversión segura y restauración instantánea es lo que impulsará a las organizaciones hacia los resultados que desean, en ciclos mucho más rápidos que los de 12 meses.
Los motores de AI ingieren datos a velocidades y volúmenes para los que muchas empresas no están preparadas.
Toda la valiosa información alojada en las bases de datos transaccionales y otras fuentes de origen en toda la empresa contiene el contexto crítico que los sistemas de AI necesitan para ofrecer inteligencia accionable y automatizar procesos sin interrupciones. A menudo, esta información está aislada en entornos propietarios. Moverla requiere crear nuevos pipelines y cargas de trabajo ETL, lo que añade complejidad y costos.
Una base de datos preparada para la AI puede unificar los datos operativos y analíticos. Todos los datos que los desarrolladores necesitan están siempre disponibles, almacenados por separado de la capa de cómputo en un almacenamiento en la nube de bajo costo.
“Si puedes infundir AI en tus datos y funciona, significa que tus datos están realmente listos y siguen el marco FAIR: localizables, accesibles, interoperables y reutilizables”, afirmó Maria Macuare, Sr. Vice President y Global Chief Data Officer en Mondelēz International.
Las arquitecturas de datos heredadas introducen una grave penalización estructural al crecimiento empresarial. Debido a que la infraestructura heredada escala de forma rígida, los líderes se ven obligados a aceptar un compromiso en el que todos pierden: pagar de más por capacidad inactiva solo para sobrevivir a los picos de demanda, o subaprovisionar y arriesgarse a una falta de respuesta cuando el negocio se dispara. Esta fricción operativa atrapa al talento de ingeniería de primer nivel en tareas de mantenimiento rutinarias, consumiendo recursos que deberían financiar la velocidad competitiva y la innovación estratégica.
Con bases de datos de AI diseñadas específicamente, los datos residen en data lakes confiables, elásticos y rentables. El cómputo se ejecuta de forma independiente, lo que desacopla el costo del crecimiento para que las empresas puedan lograr una mayor flexibilidad operativa. Los desarrolladores pueden experimentar con mayor libertad sin agotar el presupuesto. Y los sistemas pueden escalar desde una alta concurrencia hasta cero en segundos para optimizar el gasto. Los costos se alinean con el uso para admitir cargas de trabajo impredecibles y una rápida actividad de los agentes de AI. Y con capacidades como la recuperación instantánea, los desarrolladores realmente pueden avanzar rápido sin romper nada.
Lee el informe completo de Economist Enterprise y conoce las estrategias que están llevando a los líderes a la vanguardia de la carrera de la AI.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.