Una combinación de modelos de vanguardia, de código abierto y de peso abierto puede impulsar sistemas empresariales.
Las empresas pueden avanzar con la inteligencia artificial (IA) en una mezcla híbrida de sistemas heredados y modernos, en lugar de esperar a que se modernicen por completo, según Vinod Joseph Cherunni, vicepresidente de grupo de IA/datos, nube y arquitectura empresarial de Singtel.
Hablando en el Singapore Business Review Technology Enterprise Summit el 12 de noviembre, Vinod aconsejó a los asistentes que no esperaran a que los sistemas estén completamente preparados para IA para comenzar su trayectoria.
“Lo primero es [reimaginar] tu proceso, cambiar tus flujos de trabajo y usar IA allí,” dijo él. “De lo contrario, nunca vas a obtener un resultado tan bueno.”
Vinod dijo que los datos empresariales siguen aislados y fragmentados en diferentes aplicaciones, lo que dificulta que los agentes de IA trabajen a través de funciones empresariales.
Para abordar esto, dijo que los datos "necesitan contexto", lo que significa definiciones consistentes en toda la empresa, conocidas como ontología, así como gráficos de conocimiento que capturen las relaciones entre elementos empresariales como clientes, productos y sistemas.
Las empresas pueden culpar a los modelos de IA por salidas deficientes e ilusiones cuando el problema subyacente son datos inexactos y la falta de contexto, dijo Vinod.
“Es exactamente por eso que muchos [proofs of concept] y pilotos fracasan,” dijo.
“Cada vez que tenemos los mejores datos, los datos más limpios posibles con el contexto, el número de tokens que quemas es extremadamente menor,” añadió.
Vinod describió un enfoque de “jardín modelo” que combina modelos de código abierto, pesos abiertos y modelos de vanguardia.
Las empresas pueden desarrollar una capa que contextualice las indicaciones enviadas por agentes y aplicaciones y las redirija a diferentes modelos según distintas características.
Distribuir las cargas de trabajo entre modelos no solo evitaría el bloqueo por proveedor, sino que también gestionaría los costos y la soberanía, dijo.
Los datos de los clientes permanecen locales, con modelos en sitio que pueden operar dentro de una infraestructura soberana, mientras que un marco de IA responsable garantiza que los modelos no reciban información personal específica de los clientes.
Vinod les dijo a los asistentes que avanzaran con operaciones autónomas en sus entornos de TI, con el objetivo de solucionar problemas lo más rápido posible y identificar incidentes de seguridad antes de que ocurran.
Incluso una reducción justa en el número de incidentes puede ser una ventaja significativa, señaló.




