Mitos y realidades de la Inteligencia Artificial en el centro de datos

A medida que evolucionan las diversas ramas de la inteligencia artificial se les están encontrando nuevos usos en multitud de ámbitos, y uno de ellos es el centro de datos. Pero más allá de las promesas de la ciencia ficción, y de toda la información que están vertiendo muchos medios, la realidad es que esta tecnología todavía está dando sus primeros pasos en el sector datacenter. Por ello, muchas de las capacidades atribuidas a la IA en el centro de datos se basan en exageraciones y tergiversaciones sobre lo que verdaderamente puede hacer la IA.

Para arrojar algo de luz sobre esta cuestión, los expertos del Uptime Institute han querido derribar varios mitos muy extendidos que se han creado en torno a la inteligencia artificial en el centro de datos, para que los interesados no se lleven a engaño. Muchos de ellos giran en torno a las capacidades predictivas de la IA y la posibilidad de trabajar en amplias redes de centros de datos en todo el mundo para aprender y mejorar su funcionamiento, pudiendo alcanzar un grado de automatización total.

Pero la realidad es que estas y otras capacidades no existen realmente, ya que se trata de unas tecnologías incipientes que todavía necesitan mucho desarrollo y un gran rodaje hasta lograr estos objetivos. Mientras tanto, los verdaderos usos de la IA en los centros de datos se centran en reducir el consumo energético de sistemas auxiliares, mejorar el aprovechamiento de recursos y unos pocos campos más. El resto, como el software DCIM gobernado completamente por IA, queda de momento para el futuro.

Los tres principales mitos que Uptime Institute ha querido desmentir son:

1 - Existe un tipo de IA diseñado para centros de datos

No es cierto que se haya creado una inteligencia artificial específicamente diseñada para gobernar estas infraestructuras. Por el contrario, s emplean diseños específicos para tareas específicas. Por tanto, no hay un “Skynet” en marca encargándose de controlar lo que sucede en los datacenter. Además, campos en los que se está vendiendo que hay una IA al mando, como DMaaS, en realidad combinan diferentes técnicas, tanto de IA como otras diferentes.

2 - La IA reemplaza el conocimiento del ser humano

Esta es otra exageración que de momento no tiene ninguna base sólida. Porque actualmente, y hasta dentro de mucho tiempo, el conocimiento y la experiencia de los profesionales aporta un valor que la IA no puede sustituir, por ejemplo para desarrollar el enfoque adecuado que guíe las tecnologías de big data o de la propia inteligencia artificial. Porque estas tecnologías se basan en algoritmos para el análisis de información y la extracción de conclusiones desarrollados en torno a criterios humanos, que las máquinas son incapaces de concebir por sí mismas. Y así continuará siendo durante mucho tiempo, hasta el día en que se desarrolle una inteligencia artificial con las capacidades de emitir juicios de valor complejos y más “humanos”.

3 - Hacen falta muchos datos para implementar la IA en un datacenter

Esta es otra de las exageraciones más comunes en torno a la inteligencia artificial en el centro de datos. Durante el desarrollo de los algoritmos de IA sí es preciso utilizar muchos datos para afinar el modelo y que la máquina “aprenda” cómo debe trabajar. Pero esto da lugar a modelos predefinidos que se pueden implementar en un centro de datos para que comience a operar con un volumen de información limitado. Y si se ha escogido el modelo adecuado, funcionará bien, y posteriormente irá mejorando con la experiencia y al procesar nueva información. Y los expertos afirman que estos modelos predefinidos pueden proporcionar información potencialmente útil en cuestión de días.

Por otro lado, desde el Utime Institute también señalan que la adopción generalizada de la IA en el centro de datos llegará de la mano de las soluciones DMaaS, que desde su lanzamiento en 2016 han ido mejorando y ya pueden ayudar a los operadores a abordar algunos retos complejos en el entorno de los centros de datos. Por ejemplo, la detección precoz de anomalías y riesgos, la mejora de la gestión de activos, el mejor control de los sistemas de alimentación y enfriamiento o un cierto grado de mantenimiento predictivo. Esto se irá propagando por el sector a una cierta velocidad, pero los humanos seguirán al mando de la mayor parte de toma de decisiones importantes dentro de las instalaciones.