Descubre la magia de la IA con RAG, F5 y NetApp

Hunter SmitGerente sénior de marketing de producto | F5

A medida que las empresas exploran formas de aprovechar el potencial de la IA, muchas recurren a los grandes modelos de lenguaje (LLM) para mejorar su toma de decisiones. Sin embargo, los LLM como ChatGPT se entrenan con enormes cantidades de datos públicos disponibles en Internet, lo que limita su utilidad para las empresas que desean utilizar la IA para extraer información valiosa de sus propios datos corporativos. Además, entrenar estos modelos puede requerir meses y una inversión considerable, lo que hace prácticamente imposible garantizar que todas las respuestas sean realmente relevantes y estén actualizadas.

La cuestión es cómo pueden las empresas aprovechar el procesamiento del lenguaje natural para obtener información valiosa y actualizada mediante IA a partir de sus propios datos corporativos. Crear su propio LLM resulta prohibitivo por su coste, al igual que ajustar uno existente con datos especializados.

Afortunadamente, la generación aumentada por recuperación (RAG) se ha convertido en una solución para que las empresas superen estas limitaciones. Mediante esta avanzada técnica de IA, las organizaciones pueden combinar un LLM preentrenado, como ChatGPT, con sus propios datos privados para obtener respuestas precisas y adaptadas al contexto. También pueden limitar los datos utilizados recurriendo únicamente a las fuentes más relevantes, como procedimientos y políticas aprobados por la empresa o información sobre productos. Además, dado que la RAG recupera información en tiempo real de la base de datos vectorial de la empresa, pueden asegurarse de obtener siempre la información más reciente a medida que se añaden nuevos datos.

Combinar las ventajas de un LLM con los datos de la empresa

RAG combina eficazmente la recuperación de datos con la generación de lenguaje. El recuperador funciona como un motor de búsqueda que obtiene datos a partir de la consulta de un usuario y utiliza algoritmos sofisticados para recopilar únicamente la información más relevante. El generador suele ser un LLM como ChatGPT, que toma esta información y la convierte en una respuesta precisa y fundamentada. Al integrar estos dos componentes, RAG permite a las empresas crear sistemas de IA personalizados que les proporcionan una ventaja competitiva.

La generación aumentada por recuperación (RAG) incorpora datos privados y propios para complementar los grandes modelos de lenguaje (LLM), proporcionando respuestas precisas y adaptadas al contexto.

Las aplicaciones potenciales son numerosas. Los equipos de ventas y marketing pueden combinar rápidamente información procedente de informes de mercado, comentarios de clientes y publicaciones en redes sociales para identificar tendencias de compra y preferencias de los clientes. Los equipos de atención al cliente pueden aumentar la fidelidad de los clientes mediante chatbots basados en RAG que utilizan información sobre productos, perfiles de clientes e historiales de compra para ofrecer respuestas personalizadas a sus consultas. Los equipos jurídicos pueden aprovechar fácilmente los conocimientos adquiridos por la IA a partir de contratos, casos judiciales y otros documentos a la hora de prestar asesoramiento jurídico. Al ayudar a los empleados a acceder de forma rápida y precisa a datos estructurados y no estructurados pertinentes y actualizados, almacenados en múltiples bases de datos, RAG puede aumentar la productividad empresarial, mejorar la experiencia del cliente e incrementar los beneficios al reducir la carga de trabajo y reforzar la fidelidad de los clientes.

Sin embargo, aunque la RAG promete transformar la IA empresarial, aún quedan algunos obstáculos. Uno de los principales retos consiste en recuperar e integrar datos procedentes de los entornos de TI distribuidos que utilizan la mayoría de las empresas. Actualmente, la mayoría de las organizaciones ejecutan sus aplicaciones en un entorno híbrido y multinube de gran complejidad. Además, dado que los datos suelen almacenarse en distintos lugares —incluidos centros de datos locales y varias nubes, como Microsoft Azure, Google Cloud Platform y AWS—, integrar todos estos datos aislados con un LLM puede resultar difícil. Asimismo, si no se aplican las medidas de protección adecuadas, existe el riesgo de exponer información privada.

Implementación de RAG en entornos híbridos y multinube

F5 ha estado colaborando con la empresa de infraestructura de datos NetApp para resolver estos problemas. Al integrar las capacidades de red multicloud seguras y de alto rendimiento de F5 con las sólidas soluciones de gestión de datos de NetApp, hacemos posible recuperar rápidamente los datos de la empresa, independientemente de dónde se encuentren, y combinarlos de forma segura con un LLM.

Cloud Volumes ONTAP de NetApp y Azure NetApp Files optimizan los costes y el rendimiento del almacenamiento en la nube, al tiempo que mejoran la protección de los datos y el cumplimiento normativo. Al combinarse con F5 Distributed Cloud Network Connect, los datos pueden conectarse y trasladarse de forma rápida y segura entre zonas y regiones, independientemente de dónde estén almacenados.

A medida que las empresas buscan formas de ofrecer aplicaciones basadas en LLM que impulsen su negocio, nuestra solución conjunta les permite gestionar, proteger y optimizar sus datos de forma fluida, al tiempo que reducen costes. Los datos de la empresa permanecen privados. Además, los usuarios pueden obtener la información precisa, oportuna y pertinente para el contexto que necesitan para prosperar en la era digital.

Como afirmó Kunal Anand, director de Tecnología e IA de F5: «Nuestra solución conjunta ofrece un rendimiento inigualable y una seguridad infranqueable, lo que permite a las empresas aprovechar con confianza las capacidades de la IA en sus contextos empresariales específicos».

Aprovechar todo el potencial de la IA empresarial

Esta alianza se basa en colaboraciones anteriores entre F5 y NetApp para ayudar a las empresas a conectar sus entornos híbridos y multinube. Y es importante señalar que esto es solo el principio. Durante los próximos meses, seguiremos trabajando juntos para ayudar a las empresas a aprovechar todo el potencial de la IA en sus infraestructuras de TI distribuidas.

Para obtener más información, lea nuestro comunicado de prensa. También puede visitar nuestra página web de F5 y NetApp.

Sobre el autor

Hunter SmitGerente sénior de marketing de producto | F5

Hunter Smit es director sénior de marketing de producto para soluciones y estrategia en F5. Lidera el marketing de soluciones de toda la cartera de F5, incluidas la infraestructura de IA y la seguridad de aplicaciones, e impulsa la entrada de F5 en el mercado emergente de la entrega de datos para IA. Hunter es miembro del Consejo Asesor de la Escuela de Negocios de la Universidad Whitworth y ha ejercido como profesor adjunto de marketing de producto. Obtuvo un MBA y un grado en Administración y Dirección de Empresas, con especialización en gestión, por la Universidad Whitworth.

Más artículos de Hunter Smit