Democratizar la IA con AI Data Fabric de F5

Chris Ford

A principios de 2024, presentamos F5 AI Data Fabric. Se trata de una nueva plataforma que hemos creado para aprovechar el potencial de la inteligencia artificial en beneficio de nuestros clientes. F5 AI Data Fabric permitirá que nuestros equipos de producto utilicen la IA generativa de forma sencilla y segura en toda nuestra cartera. Con AI Data Fabric, estamos acelerando el ritmo de adopción de la IA en toda nuestra cartera, lo que aportará beneficios reales y tangibles a nuestros socios y clientes.

Esta es la primera de una serie de entradas de blog en las que profundizaremos en qué es AI Data Fabric, cómo funciona y algunas de las increíbles nuevas funcionalidades basadas en IA que nos está ayudando a lanzar al mercado. Para comenzar la serie, nos centraremos en los principios fundamentales que guiaron nuestro objetivo de impulsar una rápida adopción.

Democratizar la IA

Con AI Data Fabric, nos propusimos crear un sistema que democratizara el acceso a la IA para nuestros equipos de producto, incluidos los expertos en la materia sin formación en ciencia de datos. Este sistema combina canalizaciones de procesamiento de datos, varios modelos fundacionales basados en transformadores, un ecosistema de módulos compartidos, MLOps y un plano de control accesible mediante un kit de desarrollo de software (SDK).

En esencia, F5 AI Data Fabric es una fábrica de IA, diseñada para ayudar a F5 a innovar rápidamente con la IA. Como toda buena fábrica de IA, AI Data Fabric proporciona una infraestructura común y escalable para crear y ejecutar aplicaciones de IA. Ayuda a los equipos de producto a realizar tareas como las siguientes:

• Generar y etiquetar datos de entrenamiento
• Entrena y ajusta modelos específicos para cada tarea
• Empaqueta e implementa esos modelos dondequiera que deban ejecutarse
• Supervisar el rendimiento y la deriva de los modelos

Adaptarnos a las necesidades de nuestros clientes

Cuando emprendimos este camino, nos fijamos unos objetivos de diseño muy concretos para impulsar la adopción. En lugar de obligar a los usuarios a cambiar su forma de trabajar, teníamos que adaptarnos a sus necesidades. Esto implicaba ayudarles a encontrar todos los datos y conectarse a ellos, facilitar el autoservicio, favorecer la movilidad y la portabilidad, crear un ecosistema que impulsara la colaboración y la innovación, y utilizar modelos de lenguaje de gran tamaño (LLM) para acelerar el entrenamiento de modelos.

Conéctese a los datos estén donde estén

Una buena IA comienza con los datos, y F5 AI Data Fabric ayuda a extraer información valiosa de las enormes cantidades de datos recopilados por los productos de toda nuestra cartera. Como la mayoría de las empresas que ejecutan aplicaciones a gran escala, reconocemos que los datos se encuentran en numerosos repositorios, no solo en un único lago de datos. Admitimos aplicaciones y fuentes de datos implementadas en entornos locales y en múltiples nubes, tanto públicas como privadas; AI Data Fabric puede conectarse a los datos y asociarles capacidad de computación allí donde se encuentren. Un catálogo de datos común ayuda a los usuarios a explorar numerosas fuentes de datos y, al mismo tiempo, permite que nuestro equipo se integre en la estrategia de gobernanza de datos de F5 para garantizar que los activos de datos estén sujetos a los controles y las auditorías adecuados. Esta estrategia nos permite extraer información valiosa, gestionar y aplicar la gobernanza a los datos de distintas aplicaciones y productos, en múltiples lagos y fuentes de datos, sin cambiar la forma de trabajar de nuestros usuarios.

Habilitar el autoservicio

Dar a los usuarios la posibilidad de asociar recursos de computación a los datos es solo una parte de la solución. Para impulsar la adopción, tuvimos que analizar todo el recorrido de los usuarios de ciencia de datos e identificar dónde podíamos eliminar obstáculos.

El empaquetado y el despliegue de aplicaciones de IA son un excelente ejemplo. Nosotros nos encargamos de gran parte del trabajo complejo para que nuestros usuarios no tengan que hacerlo. AI Data Fabric puede gestionar las dependencias de Python, empaquetar aplicaciones de IA en un contenedor con un servidor HTTP, configurar ese endpoint en nuestra puerta de enlace de API y desplegar las aplicaciones de IA en Kubernetes con los requisitos adecuados de GPU, CPU y memoria allí donde se necesiten. Imagine poder entrenar, empaquetar y desplegar un modelo mediante un único flujo de trabajo automatizado y un SDK fácil de usar. Con este sistema, un científico de datos puede desplegar una nueva versión de su aplicación de IA en entre 10 y 15 minutos. Reducir las fricciones ayuda a los científicos de datos a centrarse en lo que mejor saben hacer: ciencia de datos.

Diseña pensando en la movilidad y la portabilidad de la IA

Este es otro ejemplo de cómo nos adaptamos a las necesidades de nuestros clientes. Todos los contenedores creados se almacenan en el registro de contenedores de AI Data Fabric, lo que permite a los usuarios implementar aplicaciones de IA dondequiera que necesiten ejecutarlas, incluso en entornos aislados de la red.

Establecer un ecosistema

Acelerar la adopción de la IA exige una colaboración ágil. Implica aprovechar y ampliar el trabajo de quienes nos han precedido. AI Data Fabric incluye un «ecosistema de IA» compuesto por herramientas y módulos prediseñados para realizar funciones de IA tanto habituales como complejas. Cuando los usuarios aportan módulos y modelos al ecosistema, la innovación se acelera de forma significativa. Los módulos pueden abarcar desde modelos prediseñados de detección de anomalías y clasificación hasta aplicaciones para llevar a cabo la generación aumentada por recuperación, o RAG.

Utiliza LLM para acelerar el entrenamiento de modelos

Para acelerar aún más su adopción, aplicamos los principios de la IA agéntica a F5 AI Data Fabric. El resultado fue un sistema capaz de entrenar e implementar modelos para razonar sobre los datos, utilizar la IA para analizar la información obtenida y, a continuación, identificar y completar una tarea. En resumen, utilizamos modelos de lenguaje de gran tamaño para generar datos que, a su vez, nos ayudan a entrenar modelos más pequeños y específicos para cada tarea. Un buen ejemplo es cómo etiquetamos los datos de entrenamiento. Se trata de una enorme carga para los científicos de datos que podemos aliviar: AI Data Fabric se conecta a los datos de entrenamiento, extrae su significado y, después, utiliza la IA para razonar sobre ese significado y realizar una tarea de etiquetado antes de enviar los datos etiquetados resultantes a otro destino.

Las ventajas

Esto es lo que implica para nuestros equipos de producto este enfoque centrado en facilitar la adopción:

1. Eficiencia: AI Data Fabric permite agilizar la colaboración, el desarrollo de modelos y la implementación.
2. Escalabilidad: Podemos controlar, gestionar y mantener miles de modelos de forma altamente automatizada.
3. Reducción de riesgos: La combinación de buenas prácticas con sistemas comunes y estandarizados para procesar datos y ejecutar nuestros propios modelos nos permite mejorar considerablemente la gobernanza, proteger los datos de los clientes y contribuir a garantizar el cumplimiento normativo.

De cara al futuro

Ya hemos utilizado F5 AI Data Fabric para impulsar varios proyectos clave en toda la empresa, como asistentes de IA, el entrenamiento de modelos clasificadores y la generación de firmas para casos de uso de protección de aplicaciones web y API (WAAP). Estas excelentes capacidades se sustentan en los modelos fundacionales y los servicios de AI Data Fabric para el entrenamiento, el ajuste fino, el despliegue y la inferencia de modelos.

Nos entusiasma enormemente el valor que podemos ofrecer a clientes y partners mediante F5 AI Data Fabric. Aún queda mucho por contar, así que no os perdáis nuestras próximas publicaciones, en las que explicaremos en detalle algunas de las técnicas que utilizamos, los retos que hemos tenido que superar y las capacidades específicas de producto que estamos haciendo posibles.

Sobre el autor

Chris Ford

Más artículos de Chris Ford