¿Cómo revolucionarán la IA y el Data Fabric la gestión de datos?

Una de las cosas que necesita un modelo de inteligencia artificial (IA) funcional son los datos. Montones y montones de datos. Pero la forma más efectiva no es rociar datos en su dirección como una manguera contra incendios, sino optimizar la alimentación de datos a través de varios métodos de revisión, gestión y análisis.

Esto requiere no solo una amplia infraestructura, sino también un software de gestión muy sofisticado. Estos elementos, a su vez, se combinan en una arquitectura estructural capaz de extraer datos de múltiples fuentes y distribuirlos en múltiples direcciones simultáneamente, brindando a los modelos de IA la perspectiva más amplia posible.

Por supuesto, este es un trabajo duro. Esto a menudo requiere grandes equipos de científicos de datos y administradores de recursos de TI. Sin embargo, gracias a las tecnologías emergentes, muchos de estos procesos ahora se pueden automatizar y la fuerza impulsora detrás de esta automatización es la inteligencia artificial.

Apoyo mutuo

Esta relación simbiótica entre la IA y las estructuras de datos no es casual. De hecho, ha sido cuidadosamente diseñado para complementar las capacidades de ambas tecnologías para formar un todo más funcional. Como señaló recientemente Analytics Insight, las estructuras de datos brindan datos oportunos, precisos e imparciales para impulsar algoritmos inteligentes a resultados positivos, y algunos de estos algoritmos permiten que las estructuras operen a la velocidad y escala que respaldan el entrenamiento y las operaciones de IA.

Las estructuras de datos actuales tienen amplias ventajas sobre las arquitecturas de red más tradicionales en el soporte de modelos de IA. En primer lugar, permiten el acceso a datos en tiempo real desde distintas fuentes, independientemente de la ubicación. También rompen la arquitectura basada en silos que existe en la mayoría de las organizaciones y solo evitan que surja la versión completa de la verdad. El tejido no solo debe ser escalable, sino también muy ágil, lo que le permite responder a las necesidades y circunstancias cambiantes.

En otras palabras, las estructuras de datos brindan una visión holística de todos los activos de información disponibles para una organización determinada (interna y externa, pública y privada).

Según Douglas Vargo, vicepresidente de servicios de consultoría de CGI, lo hace al incorporar tres capacidades básicas al proceso de capacitación de IA y al entorno de datos más amplio que impulsa los modelos comerciales modernos:

• Ingestión de datos: Priorización y toma de decisiones de datos en formatos por lotes, en tiempo real y por eventos;
• almacenamiento de datos: organice los datos en información sin procesar, información transformada y capas de información curada para admitir un bajo costo y una alta confiabilidad;
• Indexación y Catalogación: Garantice la visibilidad y la capacidad de búsqueda para un descubrimiento y una recuperación más rápidos.

Una vez que se establecen estas capacidades, se pueden usar para crear modelos de IA que simplifican el intercambio de datos, la colaboración y la innovación para aplicaciones de usuarios avanzados, así como plataformas y bibliotecas de IA de código abierto.

tela no neta

Pero tenga cuidado de no confundir las estructuras de datos con las cuadrículas de datos, dice Daniel Comino, director de marketing digital del desarrollador de la plataforma de gestión de datos Denodo.

En una cuadrícula de datos, los datos se organizan según áreas comerciales clave, como ventas, marketing y servicio al cliente. Esto permite que los equipos individuales sean dueños de sus datos y los utilicen para lograr los mejores resultados en sus áreas de responsabilidad.

Fabric integra datos de múltiples fuentes, luego se basa en la automatización para reducir la complejidad y garantizar un acceso amplio y una seguridad estricta.

Por supuesto, no hay razón para que las cuadrículas y las estructuras no puedan funcionar juntas, pero en términos de capacidades de IA, las estructuras de datos generan mayores rendimientos.

Cómo Data Fabric Governance permite una IA fiable y confiable a través de

Una forma de lograr esto es mediante la creación de modelos de IA confiables y confiables, según John J. Thomas, vicepresidente e ingeniero distinguido de IBM Expert Labs. Con Structural Architecture, las organizaciones pueden aplicar fácilmente políticas amplias sobre el acceso y el uso de datos, al mismo tiempo que establecen medidas de seguridad para evitar que los modelos de IA cometan errores debido a los sesgos naturales que existen en todos los conjuntos de datos.

Este tipo de gobernanza será fundamental para prevenir el problema de la IA por el que muchos comienzan a preocuparse: los algoritmos se salen de control, con consecuencias desastrosas para las empresas e incluso para la humanidad en su conjunto. Al minimizar los problemas de integración y habilitar el acceso basado en reglas, la gobernabilidad de la IA se vuelve escalable y automatizada para producir procesos consistentes y repetibles cuyo funcionamiento interno es transparente, rastreable y, en última instancia, responsable.

Bajo este marco, los resultados negativos pueden identificarse y corregirse rápidamente antes de que el daño alcance etapas críticas.

Se trata de la relación simbiótica entre IA, Data Fabric y la experiencia humana

Si bien la IA tiende a hacer la mayor parte del trabajo pesado en términos de construcción y mantenimiento de estructuras de datos, esto también requiere mucho esfuerzo humano. Como la mayoría de las otras aplicaciones, se espera que la IA haga el trabajo pesado, mientras que los expertos capacitados asumirán roles creativos relacionados con el desarrollo de la arquitectura, la supervisión y la planificación estratégica.

Al mismo tiempo, esta estructura desmiente la noción de que la IA se ejecutará al azar en la empresa, encontrando y corrigiendo cualquier cosa que considere deficiente. La estructura es tanto el campo de juego como las reglas del juego, lo que requiere personal de campo dinámico y experimentado para garantizar la seguridad de los jugadores y espectadores y la imparcialidad del resultado.

De esta manera, podemos pensar en el ecosistema emergente de datos inteligentes como una forma de simbiosis de tres vías en la que la IA, las estructuras de datos y los elementos humanos trabajan juntos para beneficio mutuo.