Puede que sí. Desde luego, tiene aplicaciones mucho más amplias que amenazar a los motores de búsqueda tradicionales o redactar trabajos de instituto y textos publicitarios.
¿Qué es la IA generativa?
La IA generativa es una aplicación del aprendizaje automático capaz de crear diversos tipos de contenido, como texto, imágenes o audio, a partir de instrucciones en lenguaje natural. Alcanzó una gran popularidad con la aparición de ChatGPT —un proyecto de OpenAI—, que dio lugar a una proliferación de nuevos usos en distintos sectores.
Si aún no has probado ChatGPT, te animo a que dediques un momento a hacerle algunas preguntas. Pídele que te hable, por ejemplo, de ti o de algún personaje histórico, o que te explique cómo funciona algo. Aunque conviene actuar con cautela —ChatGPT no siempre acierta—, es una experiencia reveladora porque es una experiencia nueva.
Lo que ha hecho ChatGPT es proporcionar una prueba de concepto de la IA generativa. Nos ha permitido vislumbrar las posibilidades de trabajar de otra manera y, en el caso de la Oficina del CTO de F5, explorar de forma interesante cómo podría aplicarse a la entrega y la seguridad de aplicaciones.
De lo imperativo a lo declarativo y a lo generativo
Uno de los retos de la infraestructura es configurar la infinidad de dispositivos, servicios y sistemas necesarios para ofrecer y proteger incluso una sola aplicación. Las organizaciones utilizan una media de 23 servicios de aplicaciones diferentes, sin contar las ofertas «como servicio».
No hace falta que les diga que configurar un servicio de protección de aplicaciones web y API no es lo mismo que configurar un servicio de equilibrio de carga convencional. Esto significa que los responsables de configurar y gestionar los servicios de aplicaciones quizá tengan que dominar una docena de «lenguajes» diferentes.
El sector lleva años intentando abordar esta cuestión. Cuando las API se convirtieron en el principal medio para configurarlo todo, los servicios de entrega y seguridad de aplicaciones no fueron una excepción. Todo el mundo empezó con API imperativas, que simplemente cambiaron la forma de emitir comandos. En lugar de escribir comandos en una CLI, se enviaban comandos de API a través de HTTP.
Muy pronto quedó claro que la carga de las API derivada de depender de API imperativas era demasiado elevada, y el sector adoptó las API declarativas. Pero, por desgracia, la mayor parte del sector decidió que «declarativo» significaba «configuración en formato JSON». Así que, en lugar de la intención (esa palabra es importante, recuérdalo) que subyace al enfoque declarativo —«dime qué quieres hacer y yo lo haré por ti»—, acabamos con «esta es la configuración que quiero; encárgate tú del arduo trabajo de implementarla».
No es exactamente lo mismo, y seguía requiriendo el mismo nivel de conocimientos especializados sobre el modelo operativo específico de cada solución. No estoy seguro de que el sector llegara alguna vez a ponerse de acuerdo sobre si los balanceadores de carga utilizaban «grupos» o «granjas», y mucho menos sobre los detalles más complejos de cómo interactúan los servidores virtuales con los servidores reales y las instancias de aplicaciones. Así pues, lo único que hizo el sector con el enfoque declarativo fue trasladar de los operadores al sistema el trabajo a nivel de comandos.
Ahora bien, lo que aporta la IA generativa es una modalidad de desarrollo con poco código o sin código. Estas soluciones son más fiables que algunos resultados porque se basan en especificaciones bien definidas que orientan la generación de resultados. Al fin y al cabo, solo hay un número limitado de formas de escribir «hola, mundo», mientras que hay millones de maneras de responder a una pregunta.
Lo que significa que debería poder decirle a un modelo entrenado: «Oye, quiero configurar mi balanceador de carga para escalar la aplicación A», y el sistema debería ser capaz de generar una configuración. Pero, además, debería poder decirle: «Dame un script para hacer X en el sistema Y usando Z» y ¡zas! No solo debería generar la configuración, sino también la automatización necesaria para implementarla en el sistema adecuado.
Anda, mira. Ya lo hace.
Desde luego, este código no está listo para producción —ni la IP ni las credenciales son válidas, y eligió Python (que no sería mi primera, segunda ni tercera opción)—, pero está completado al 90 % basándose únicamente en documentación disponible públicamente y en una instrucción sorprendentemente sencilla. Cuanto más detallada sea la instrucción, mejores serán los resultados. El script completo generado que aparece a continuación es más largo, así que solo he incluido el principio.
De nuevo, no está listo para implementarlo, pero está mucho más cerca de ser funcional y, literalmente, tardó menos de quince segundos en generarse sin que yo tuviera que entrenarlo.
De la generación a la automatización
Pero esto es lo fácil. También debería poder decirle: «Ah, por cierto, despliégalo». Y debería hacerlo mientras disfruto de mi café matutino. Y quizá cantarme también una cancioncilla.
Pero espera, ¡aún hay más! ¿Y si más adelante también pudiera decirle a un sistema de IA generativa: «Oye, los usuarios de Green Bay están iniciando sesión con mucha frecuencia y el rendimiento ha bajado; clona la aplicación A y trasládala a nuestro centro de Milwaukee»?
Y lo hace. Porque, entre bastidores, todo esto no es más que una red de API, configuraciones y comandos que hoy en día pueden automatizarse mediante scripts, como de hecho suele ocurrir. Esos scripts suelen estar parametrizados, lo que guarda cierta relación con los parámetros de mi instrucción para la IA: Green Bay, Milwaukee y la aplicación A. Por tanto, lo que cambia es el generador y la velocidad con la que se puede generar.
A menudo digo que la IA y la automatización son multiplicadores de fuerza. Porque la tecnología no sabe lo que tiene que hacer; nosotros sí. Pero la IA y la automatización pueden hacerlo de forma mucho más rápida y eficiente, lo que aumenta la productividad, acelera la obtención de valor y permite que los expertos dediquen más tiempo a decisiones y proyectos estratégicos. Y, con el tiempo, la IA puede aprender de nosotros, ampliando aún más nuestra capacidad y revelando nuevas posibilidades.
Esto ya no es ciencia ficción, sino una realidad de la informática.
La IA generativa hará posible el AIOps que necesitamos
Muchas de las soluciones de AIOps actuales se centran únicamente en proporcionar la información de la que carece el 98 % de las organizaciones.
Responden a los problemas de ayer, no a las necesidades del mañana.
Incluso aquellas plataformas AIOps que pueden actuar con mayor autonomía —como los servicios de seguridad— dependen en gran medida de configuraciones preexistentes y respuestas bien definidas. Por lo general, no utilizan la IA para permitir que las operaciones se ejecuten de forma más autónoma en las distintas capas heterogéneas de entrega de aplicaciones y seguridad. Utilizan la IA para analizar datos y descubrir información que nosotros, como seres humanos, no tenemos la capacidad o el tiempo de detectar. Pero ahí suele acabar todo, al menos en las capas superiores a la red y ante problemas de seguridad bien conocidos.
Ahí es donde la IA generativa puede tomar el relevo, y por eso estoy totalmente decidido a investigar hasta dónde podemos llevar esta tecnología para hacer que la entrega y la seguridad de las aplicaciones sean «ridículamente fáciles».
Bienvenido a la punta del iceberg de la IA.
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.