Hay mucha expectación en torno al uso de la IA en todo tipo de ámbitos, desde el marketing y la contratación hasta las operaciones y la seguridad. Nuestro estudio anual indica que la mayoría de las organizaciones están explorando con gran interés el uso de la IA en el negocio, las operaciones y la seguridad.
Nada de eso resulta sorprendente. Numerosas encuestas indican una sólida adopción de la IA como apoyo para una amplia variedad de funciones empresariales y de TI.
De lo que no siempre se habla es de cómo se está incorporando la IA al desarrollo.
La premisa fundamental del valor que aporta la IA a la empresa y a la seguridad reside en su capacidad para reconocer patrones y relaciones que generan información útil para la toma de decisiones. Muchas personas no se plantean cuál es el «motor» que impulsa esa capacidad, por lo que nunca llegan a profundizar en qué tecnologías de IA se utilizan para descubrir, como por arte de magia, información valiosa.
El aprendizaje automático es una rama específica de la IA que se centra en el análisis y el modelado de datos. Su uso resulta aplicable a la seguridad porque, con suficiente tiempo y datos, es capaz de identificar en tiempo real patrones que indican comportamientos anómalos. Del mismo modo, puede detectar relaciones poco evidentes en los datos empresariales que representan oportunidades para comercializar productos y servicios.
Pero el aprendizaje automático también destaca en la creación de modelos, es decir, en la ejecución de cientos de escenarios hipotéticos para comprender mejor la compleja relación entre múltiples variables. En el ámbito del desarrollo —la ingeniería—, esas variables podrían ser el volumen de datos, la memoria asignada, la velocidad de E/S, el ancho de banda de la red y los parámetros de las máquinas virtuales. El aprendizaje automático es muy flexible y, si se identifican las variables, puede utilizarse para modelar distintas combinaciones de estas y encontrar un conjunto «óptimo».
Por ejemplo, Laurent Querel, ingeniero distinguido de F5, y Sebastien Soudan, arquitecto sénior de F5, colaboraron y publicaron recientemente un artículo en el que explican cómo diseñaron un modelo para «crear una forma eficiente de transferir datos de PubSub a BigQuery».
También explican por qué el uso del aprendizaje automático es actualmente una opción mejor para optimizar el software, y lo hacen tan bien que me limitaré a citarlos:
«Hoy en día, la optimización de software es un proceso iterativo y, en su mayor parte, manual, en el que se utilizan perfiladores para identificar los cuellos de botella de rendimiento en el código. Los perfiladores miden el rendimiento del software y generan informes que los desarrolladores pueden revisar para seguir optimizando el código. El inconveniente de este enfoque manual es que la optimización depende de la experiencia del desarrollador y, por tanto, es muy subjetiva. Es un proceso lento, no exhaustivo, propenso a errores y susceptible a sesgos humanos. La naturaleza distribuida de las aplicaciones nativas de la nube complica aún más el proceso de optimización manual.
Otro enfoque, infrautilizado y más global, es un tipo distinto de ingeniería del rendimiento que se basa en experimentos de rendimiento y algoritmos de optimización de caja negra. Más concretamente, nuestro objetivo es optimizar el coste operativo de un sistema complejo con numerosos parámetros.”
Los factores que impulsan el uso de la IA —en concreto, el aprendizaje automático— en el desarrollo son prácticamente los mismos que favorecen su adopción en las operaciones de TI: los procesos manuales son lentos, propensos a errores y susceptibles a los sesgos humanos.
Cuando hablamos de la modernización de las TI y del avance constante hacia una empresa totalmente digital, también nos referimos al desarrollo y la ingeniería.
Recomiendo leer «Optimiza tus aplicaciones con Google Vertex AI Vizier», aunque solo sea para hacerse una idea del proceso de diseño de un modelo adecuado y de lo que aprendieron de su experiencia.
Sobre el autor
Lori MacVittie es ingeniera distinguida y evangelista jefe en la Oficina del CTO de F5, y cuenta con una amplia experiencia en entrega de aplicaciones, estrategia de automatización e infraestructura. Es conocida por convertir la complejidad en claridad, ya sea definiendo mecanismos de protección para agentes de IA, analizando arquitecturas multinube frágiles o explorando los límites de los sistemas escalables. Aporta más de treinta años de experiencia en el sector en desarrollo de aplicaciones, arquitectura de TI y operaciones de redes y sistemas. Antes de incorporarse a F5, fue una galardonada editora de tecnología. MacVittie posee un máster en Informática y es una autora prolífica cuyas publicaciones abarcan la seguridad, la nube y la arquitectura empresarial. También es una apasionada de los juegos de mesa y los videojuegos, y expresa sin complejos sus firmes opiniones sobre el queso.
Más artículos de Lori Mac VittieArtículos relacionados del blog
Proteger los endpoints de las API dificulta la seguridad de las API
Descubre las complejidades de la seguridad de las API, los retos a los que se enfrentan las organizaciones, la evolución de los ataques contra endpoints de API y la necesidad de políticas de seguridad adaptadas.
¿Qué es el sesgo de la IA y por qué es importante para TI?
Descubre los fundamentos del aprendizaje de la IA. Aprende cómo pueden surgir sesgos en la IA y qué riesgos plantean para las TI y la transformación digital.
Redefiniendo la ciberseguridad en el extremo de la nube distribuida con IA y telemetría en tiempo real
La transformación digital y la adopción de tecnologías en la nube están provocando cambios en las arquitecturas de las aplicaciones. Estos cambios introducen nuevas superficies de ataque, que son el objetivo de métodos de ataque avanzados, altamente organizados y con motivaciones económicas. Mediante el uso del framework Morpheus de NVIDIA, F5 está investigando técnicas para detectar estas amenazas avanzadas con telemetría en tiempo real y análisis basados en IA.
El papel de la nube en las aplicaciones nativas del edge
No debería sorprender que, al igual que la aparición de la nube dio lugar a las aplicaciones nativas de la nube, el edge esté impulsando un conjunto de aplicaciones nativas del edge. Sin embargo, estas aplicaciones no residirán únicamente en el edge. Al mismo tiempo, están surgiendo nuevos patrones arquitectónicos que aprovechan las aplicaciones alojadas en la nube y en el centro de datos.
La creciente diversidad de ubicaciones y usuarios está impulsando a las empresas hacia el edge
En el contexto del ámbito de las aplicaciones, el término «usuario» siempre se ha referido a la entidad que interactúa con una aplicación. Del mismo modo que los cambios en las arquitecturas de las aplicaciones impulsan cambios en las tecnologías que permiten ofrecerlas y protegerlas, los cambios en la definición de usuario han provocado cambios en los lugares donde se despliegan las aplicaciones.
El edge está impulsando un renacimiento de las infraestructuras
A medida que las organizaciones aumentan la generación de datos y tratan de extraer valor empresarial de ellos, sin duda recurrirán a la analítica y la automatización basadas en la IA y el aprendizaje automático. Precisamente este tipo de cargas de trabajo son las que más se beneficiarían de una infraestructura optimizada y, sin embargo, hoy en día son las que menos probabilidades tienen de poder aprovecharla.