Provavelmente há mais de três coisas que você deveria saber, mas vamos começar com estas três e seguir em frente a partir daí, certo?
Primeiro, é importante observar que a IA é real. Sim, há um exagero em torno dela. Sim, portfólios inteiros estão sendo “maquiados com IA”, da mesma forma que, há mais de uma década, tudo de repente virou um produto de “nuvem”. Mas ela é real segundo quem entende do assunto, ou seja, os tomadores de decisão em nossa pesquisa mais recente sobre IA.
Embora a maioria das organizações (69%) esteja pesquisando tecnologias e casos de uso, 43% afirmam ter implementado IA em larga escala, seja ela generativa ou preditiva.
É um tanto preocupante constatar que 47% daqueles que já implementam algum tipo de IA não têm nenhuma estratégia definida para IA — zero, nada, nadinha. Se aprendemos alguma coisa com a corrida para a nuvem pública, é que se lançar sem uma estratégia acabará causando problemas mais adiante.
Para ajudar você a definir essa estratégia — especialmente ao tentar entender as implicações operacionais e de segurança —, elaboramos uma lista de três aspectos que devem ser considerados.
1. Aplicações de IA são aplicações modernas
Não deveria ser necessário dizer isso, mas vamos dizer mesmo assim. Aplicações de IA são aplicações modernas. Embora o modelo seja o núcleo de uma aplicação de IA, há muitos outros componentes — servidor de inferência, fontes de dados, decodificadores, codificadores etc. — que compõem uma “aplicação de IA”.
Esses componentes normalmente são implantados como aplicações modernas, ou seja, utilizam o Kubernetes e seus recursos para proporcionar escalabilidade, agendamento e até mesmo segurança. Como diferentes componentes têm necessidades distintas de recursos — algumas cargas de trabalho se beneficiam da aceleração por GPU, enquanto outras precisam apenas de CPUs convencionais —, a implantação como uma aplicação moderna é a opção mais adequada e oferece maior flexibilidade para garantir que cada carga de trabalho de uma aplicação de IA seja implantada e dimensionada de forma otimizada, de acordo com suas necessidades específicas de computação.
Isso significa que as aplicações de IA enfrentam muitos dos mesmos desafios que qualquer outra aplicação moderna. As lições que você aprendeu ao escalar e proteger aplicações modernas existentes ajudarão você a fazer o mesmo com aplicações de IA.
Conclusão estratégica: Aproveite o conhecimento e as práticas existentes para entrega e segurança de aplicações, mas amplie-os para incluir abordagens que reconheçam que diferentes componentes de aplicações de IA podem ter necessidades distintas de recursos, como aceleração por GPU para tarefas que exigem alto poder computacional ou recursos de CPU para cargas de trabalho menos intensivas em computação. As implantações de aplicações modernas permitem flexibilidade na alocação de recursos com base nos requisitos específicos de cada componente, otimizando o desempenho e a eficiência de custos.
2. As aplicações de IA são diferentes das aplicações modernas
Sim, eu sei que acabei de enfatizar que “elas são aplicações modernas”, mas há diferenças que afetam a arquitetura, as operações e a segurança.
Primeiro, as aplicações de IA trocam dados não estruturados. Esses prompts não têm requisitos de formato, tamanho ou tipo de dados, e a rápida adoção de LLMs multimodais só aumenta o caos que é uma “solicitação”. Como a maioria das aplicações de IA encapsula um prompt e uma resposta em um payload JSON, suponho que se possa dizer que ele é estruturado, mas não é, porque o payload propriamente dito é, bem, indefinido.
Em segundo lugar, as aplicações de IA se comunicam quase exclusivamente com um modelo por meio de uma API. Isso significa que as soluções de detecção de bots que usam “humano” ou “máquina” como critério básico de acesso não serão tão úteis. Os serviços de segurança que ajudam a separar os “bots mal-intencionados” dos “bots legítimos” serão uma parte importante de qualquer estratégia de IA. A dependência de APIs também explica por que, em nossa pesquisa anual, constatamos que o principal serviço de segurança planejado para proteger modelos de IA é a segurança de APIs.
Por fim, os padrões de interação dos aplicativos de IA costumam ser dinâmicos, variáveis e imprevisíveis. Em geral, os serviços de segurança atuais monitoram anomalias na frequência de cliques do mouse e de digitação por página, pois conseguem identificar comportamentos de “bots” com base em desvios em relação aos padrões médios estabelecidos para humanos. Isso não funciona quando alguém está usando uma interface conversacional e pode digitar, redigitar e enviar perguntas em intervalos altamente irregulares. Como muitas soluções de segurança atuais dependem da análise comportamental — incluindo a segurança de APIs —, serão necessários alguns ajustes.
Conclusão estratégica: Você precisará de recursos adicionais de segurança para gerenciar adequadamente as aplicações de IA. Reavalie as abordagens tradicionais de segurança, que talvez não captem adequadamente as nuances das interações conversacionais. Explore abordagens inovadoras, como o monitoramento em tempo real dos padrões de interação e mecanismos adaptativos de controle de acesso baseados em sinais contextuais. Reconheça o papel fundamental das APIs na comunicação com modelos de IA. Invista em soluções robustas de segurança de APIs para se proteger contra acessos não autorizados, violações de dados e ataques mal-intencionados.
3. Diferentes aplicações de IA usarão modelos diferentes
Assim como ocorreu com a multicloud, que acabou se tornando realidade, é muito improvável que as organizações adotem um único modelo de IA como padrão. Isso porque diferentes modelos podem ser mais adequados a determinados casos de uso.
Por isso, não nos surpreende saber que uma empresa usa, em média, quase três (2,9) modelos distintos, incluindo modelos de código aberto e proprietários. Ao analisarmos o uso de modelos com base nos casos de uso, começamos a perceber um padrão. Por exemplo, em casos de uso que dependem fortemente de dados corporativos confidenciais ou de ideias — operações de segurança e criação de conteúdo —, observamos uma tendência significativa em direção aos modelos de código aberto. Por outro lado, ao analisarmos um caso de uso voltado à automação, vemos uma adoção crescente da Microsoft, em grande parte devido à sua capacidade de integração com as ferramentas e os processos já utilizados por muitas organizações.
É importante entender isso porque as práticas, ferramentas e tecnologias necessárias para disponibilizar e proteger um modelo de IA gerenciado como SaaS são diferentes daquelas exigidas por um modelo de IA gerenciado na nuvem, que, por sua vez, são diferentes das necessárias para um modelo de IA autogerenciado. Embora certamente existam semelhanças — especialmente em relação à segurança —, há diferenças significativas que precisarão ser consideradas em cada padrão de implantação utilizado.
Conclusão estratégica: Analise os casos de uso em sua organização e identifique padrões na adoção de diferentes modelos de IA. Considere fatores como sensibilidade dos dados, recursos de integração e alinhamento com as ferramentas e os processos existentes. Adapte sua abordagem de implantação e segurança às características específicas de cada padrão de implantação.
Há muitos aspectos a considerar ao desenvolver, operar e proteger aplicações de IA, entre eles todos os novos requisitos de segurança e escalabilidade dos modelos. No entanto, muitas das lições aprendidas na última década com a implantação de aplicações modernas em ambientes de núcleo, nuvem e borda serão muito úteis para as organizações. Os principais desafios continuam os mesmos, e aplicar o mesmo nível de rigor à escalabilidade e à segurança das aplicações de IA contribuirá significativamente para uma implementação bem-sucedida.
Mas ignorar as diferenças e se lançar nessa jornada sem ao menos uma estratégia semiformal para enfrentar os desafios de entrega e segurança certamente levará a frustrações no futuro.
Sobre o autor
Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.
Mais publicações de Lori Mac VittiePublicações relacionadas no blog
O estado da maturidade digital empresarial: a transformação digital ainda não terminou
Explore como a IA impacta as empresas, as aplicações da IA generativa, as estratégias para modernizar as operações de TI e os benefícios da maturidade digital com a F5.
Como a IA generativa acelera a transformação digital
Veja como a IA generativa impulsiona a transformação digital nas empresas, acelerando tendências como a integração de APIs, os desafios dos modelos operacionais de TI híbrida e a adoção de AIOps.
Seis capacidades técnicas para acelerar a transformação digital
As arquiteturas empresariais atuais carecem dos fatores necessários de agilidade, escalabilidade, segurança e observabilidade, essenciais para impulsionar a mudança tecnológica. No entanto, estas seis capacidades fundamentais ajudarão as empresas a gerenciar riscos e desafios ao longo de sua transformação digital.
Inverter a API é a transformação digital de que as empresas precisam para participar e competir em uma economia de APIs
As organizações detêm um valor latente — na forma de APIs internas — que precisam explorar para competir em uma economia de APIs. Embora os desafios técnicos e de segurança possam desestimular algumas delas, as empresas precisam reconhecer que inverter suas APIs permitirá liberar o valor da organização como plataforma.
A modernização da TI começa pela infraestrutura
O hardware e o software evoluíram rapidamente desde os primórdios da internet, mas, para aproveitar ao máximo os benefícios resultantes dessa evolução, as organizações precisam avaliar e modernizar sua infraestrutura e a entrega de aplicativos. Acelere os esforços de modernização com a nova F5 rSeries.