WEBVTT 00:00:00.000 --> 00:00:01.360 Y los veremos en vivo en enero. 00:00:01.860 --> 00:00:03.560 Ah, aquí está el enigma que sucedió y no resuelto. 00:00:03.920 --> 00:00:06.340 ¿Es la IA solo otra carga de trabajo para empujar al centro de datos? 00:00:06.420 --> 00:00:08.840 ¿O una criatura que escupe fuego que insiste en su propio hábitat, 00:00:08.920 --> 00:00:11.260 GPUs, lagos de datos y estrictos templos de gobernanza? 00:00:11.500 --> 00:00:14.360 Y estrictos templos de gobernanza, la mayoría de los equipos apuestan a ciegas 00:00:14.360 --> 00:00:17.560 y el resultado son presupuestos consumidos más rápido del locomotor de curvatura que mantimáticamente. 00:00:18.040 --> 00:00:19.140 Esto es lo que aprenderán hoy. 00:00:19.720 --> 00:00:23.740 Los cinco puntos que revelan si un proyecto de IA realmente necesita escala empresarial 00:00:23.740 --> 00:00:25.860 y las salvaguardas que los llevan allí sin caos. 00:00:26.220 --> 00:00:29.400 Así que, antes de hablar de fábricas y tripulaciones de naves espaciales, 00:00:29.400 --> 00:00:31.620 pregúntemos, ¿por qué la IA no es solo otra carga de trabajo? 00:00:32.420 --> 00:00:34.260 ¿Por qué la IA no es solo otra carga de trabajo? 00:00:34.660 --> 00:00:37.600 La IA funciona de manera diferente a las cargas de trabajo ordenadas a las que están consumidas. 00:00:37.920 --> 00:00:40.120 Las aplicaciones tradicionales funcionan con código estable, 00:00:40.300 --> 00:00:43.180 necesidades de almacenamiento predecibles y registros que avanzan como un reloj. 00:00:43.660 --> 00:00:45.020 La IA, por otro lado, se siente viva. 00:00:45.860 --> 00:00:48.860 Crece y cambia con cada nuevo conjunto de datos y arquitectura que se le alimenta. 00:00:49.420 --> 00:00:53.100 Donde el software ordinario aumenta versiones, la IA muta, aprende, cambia, 00:00:53.100 --> 00:00:55.500 incluso se retuerce, dependiendo de los recursos a mano. 00:00:56.260 --> 00:00:57.420 Entonces, el cambio de mentalidad es claro. 00:00:58.340 --> 00:01:02.240 Traten a la IA no como una sola aplicación, sino como un ecosistema operativo en constante flujo. 00:01:02.760 --> 00:01:06.100 Ahora, muchos departamentos de TI, las cargas de trabajo se miden por espacio en rack y consumo de energía. 00:01:06.540 --> 00:01:10.320 Términos seguros y mecánicos, pero desde la perspectiva de la IA, el escenario se transforma. 00:01:10.800 --> 00:01:14.340 No solo están iniciando servidores, están gestionando aceleradores como GPUs o TPUs, 00:01:14.360 --> 00:01:16.300 a menudo con sus propios modelos de programación. 00:01:16.840 --> 00:01:18.560 No están manejando cargas de trabajo ordenadas, 00:01:18.560 --> 00:01:20.980 sino tuberías completas que mueven torrentes de datos sin procesar. 00:01:21.500 --> 00:01:25.000 Y no están ejecutando código estático tanto como ejecutando gráficos computacionales dinámicos 00:01:25.000 --> 00:01:26.340 que pueden cambiar de forma en pleno vuelo. 00:01:27.080 --> 00:01:27.960 La investigación respalda. 00:01:28.460 --> 00:01:30.820 Las cargas de trabajo de IA a menudo exigen aceleradores especializados 00:01:31.340 --> 00:01:34.760 y patrones de acceso a datos distintos que no se parecen a lo que sus bases de datos o CPUs 00:01:34.760 --> 00:01:35.700 fueron diseñados para manejar. 00:01:36.300 --> 00:01:39.740 La elección, planifiquen para una física diferente a la de su manual de TI habitual. 00:01:40.460 --> 00:01:43.600 Piensen en la nómina como la base, constante, repetible, exacta. 00:01:44.140 --> 00:01:45.360 La fila se entra en noche que salen. 00:01:45.420 --> 00:01:48.720 Ahora, comparen eso con una red neuronal profunda que lleva 100 millones de parámetros. 00:01:49.440 --> 00:01:50.840 En lugar de marchar al unísono, se tambalea. 00:01:50.840 --> 00:01:53.280 El progreso aumenta en un momento, se estanca en el siguiente 00:01:53.280 --> 00:01:56.040 y los empuja a redistribuir la computación como un ingeniero que mueve un ingeniero 00:01:56.040 --> 00:01:57.500 que mueve energía para mantener el sistema de Uber. 00:01:58.180 --> 00:01:59.860 A veces el entrenamiento con Verge a menudo no va. 00:02:00.420 --> 00:02:03.960 Y hasta que se estabiliza, solo están vertiendo ciclos y esperando un resultado coherente. 00:02:04.960 --> 00:02:05.560 La conclusión. 00:02:05.740 --> 00:02:08.180 A diferencia de la nómina, el entrenamiento de IA trae volatilidad. 00:02:08.540 --> 00:02:09.760 Deben asignar recursos en consecuencia. 00:02:10.380 --> 00:02:11.740 Esa volatilidad es alimentada por el hambre. 00:02:12.280 --> 00:02:14.880 Sus algoritmos de IA reaccionan a los datos como los agujeros negros armados. 00:02:15.660 --> 00:02:17.400 Un día tu conjunto de datos cae en una laptop, 00:02:17.400 --> 00:02:20.260 al siguiente estás transmitiendo petabytes de múltiples fuentes y múltiples fuentes 00:02:20.260 --> 00:02:23.680 y de pronto la computación, el almacenamiento y la red se inclinan para soportar esa demanda. 00:02:24.120 --> 00:02:26.960 Las aplicaciones ordinarias rara vez consumen en tales ráfagas, 00:02:27.500 --> 00:02:30.940 lo que significa que tu infraestructura debe estar arquitectada menos como un archivero 00:02:30.940 --> 00:02:34.140 y más como una refinería, con canales continuos, gran ancho de banda 00:02:34.140 --> 00:02:36.440 y la capacidad de absorber olas de combustible entrante. 00:02:37.880 --> 00:02:39.680 Y aquí es donde las empresas suelen equivocarse. 00:02:40.140 --> 00:02:42.860 El liderazgo asume que la IA puede convivir con el correo electrónico y el ERP 00:02:42.860 --> 00:02:44.360 tratada como una partida más en el presupuesto. 00:02:44.360 --> 00:02:47.540 Entonces la despliegan en servidores estándar esperando que encaje perfectamente. 00:02:47.900 --> 00:02:48.660 ¿Qué sucede en su lugar? 00:02:48.660 --> 00:02:51.860 Los clústeres de GPU permanecen inactivos esperando por lentas tuberías de datos. 00:02:52.540 --> 00:02:53.080 Los PAS 5 00:02:53.080 --> 00:02:54.640 Trabajo e integración se disparan. 00:02:55.100 --> 00:02:57.780 Los equipos descubren que la mitad de su entorno necesita ser reescrito 00:02:57.780 --> 00:02:59.040 solo para obtener un rendimiento básico. 00:02:59.500 --> 00:03:02.240 El escenario parece como instalar un repetidor de comunicaciones galáctico 00:03:02.240 --> 00:03:05.360 solo para descubrir que tus señales no están sintonizadas en la frecuencia correcta. 00:03:05.840 --> 00:03:06.500 La creded sufre. 00:03:07.080 --> 00:03:07.940 Los costes salen de control. 00:03:08.400 --> 00:03:10.340 La organización se queda preguntándose qué salió mal. 00:03:10.920 --> 00:03:11.700 La conclusión es simple. 00:03:11.820 --> 00:03:15.320 Si fuerzas la IA en cajas heredadas, creas cuellos de botella en lugar de valor. 00:03:15.840 --> 00:03:17.260 Aquí hay una forma más clara de visualizar la meta. 00:03:17.260 --> 00:03:19.560 Los negocios son como realizar vuelos de rutina. 00:03:20.140 --> 00:03:22.980 Los aviones tienen horarios claros, uso constante de combustible y rutas. 00:03:23.840 --> 00:03:26.520 Trabajo de IA se comporta más como una prueba de motor de curvatura. 00:03:27.340 --> 00:03:28.680 La producción no escala de forma lineal. 00:03:29.200 --> 00:03:30.640 Los requerimientos aumentan sin previo aviso. 00:03:31.080 --> 00:03:33.120 Y se necesita hardware exótico para sobrevivir de estrés. 00:03:33.680 --> 00:03:36.000 Ignora esto y harás que el proyecto completo se salga de la pista. 00:03:36.000 --> 00:03:39.580 Acéptalo y empezarás a diseñar sistemas para la resiliencia del principio. 00:03:40.340 --> 00:03:42.420 Entonces, la pregunta práctica que todo el irá enfrenta es esto. 00:03:42.920 --> 00:03:49.660 ¿Cómo sabes cuándo tu proyecto de IA ha cruzado ese umbral cuando ya no es simplemente otra pieza de software sin una carga de trabajo de una categoría fundamentalmente distinta? 00:03:50.260 --> 00:03:54.640 ¿Quieres detectar ese momento temprano, antes de duplicar presupuestos o comprometer demasiado la infraestructura? 00:03:55.200 --> 00:03:56.140 Las pistas están ahí. 00:03:56.280 --> 00:03:58.940 Patrones de demanda que superan a los servidores de propósito general. 00:03:59.060 --> 00:04:01.640 Dependencia de aceleradores que ablan CUDA en lugar de x86. 00:04:01.840 --> 00:04:04.900 Conjuntos de datos tan masivos que las bases de datos antiguas se bloquean. 00:04:05.360 --> 00:04:07.020 Algoritmos que cambian durante la ejecución. 00:04:07.180 --> 00:04:10.260 Y barreras de integración donde la TI heredada se niega a cooperar. 00:04:11.180 --> 00:04:13.780 Cada una señala que estás lidiando con algo diferente a lo habitual. 00:04:14.500 --> 00:04:17.660 En conjunto, estas señales pintan a la IA como algo más que código sofisticado. 00:04:18.380 --> 00:04:20.120 Es un ecosistema digital vivo que crece. 00:04:20.520 --> 00:04:23.940 Cambia y demanda recursos distintos a todo lo que hay en tu pila tecnológica tradicional. 00:04:25.080 --> 00:04:26.640 Una vez que aprendes a reconocer esos rasgos, 00:04:26.800 --> 00:04:30.440 estás mejor equipado para asignar combustible, blindaje y tripulación antes de que comience el viaje. 00:04:31.060 --> 00:04:33.020 Y aquí es donde comienzan las decisiones difíciles. 00:04:33.060 --> 00:04:36.040 Porque incluso cuando reconoces a la IA como una clase diferente de carga de trabajo, 00:04:36.700 --> 00:04:37.760 el siguiente paso no es obvio. 00:04:38.260 --> 00:04:40.200 ¿Haces pasar por el mismo flujo de trabajo que todo lo demás? 00:04:40.820 --> 00:04:44.240 O hago una pausa y plantea las preguntas críticas que deciden si tiene sentido escalar. 00:04:44.540 --> 00:04:46.820 Ese punto de decisión es donde muchos ejecutivos tropiezan 00:04:46.820 --> 00:04:49.140 y donde una lista de verificación más precisa puede salvar proyectos enteros. 00:04:50.060 --> 00:04:52.400 Cinco preguntas que separan los proyectos pilotos de la producción. 00:04:52.400 --> 00:04:57.020 Cuando contemple ese brillante proyecto piloto de IA y se pregunta si realmente puede sostener la carga en producción, 00:04:57.240 --> 00:04:58.180 existe una herramienta sencilla. 00:04:58.980 --> 00:05:01.020 Cinco preguntas fundamentales, directas y prácticas, 00:05:01.120 --> 00:05:05.480 las mismas que usan los expertos para decidir si una carga de trabajo merece realmente un tratamiento a escala empresarial. 00:05:05.480 --> 00:05:07.520 Considera su lista de verificación por lanzamiento. 00:05:07.960 --> 00:05:10.820 Si las omite, corre el riesgo de crear un modelo que se ve bien en el laboratorio, 00:05:10.920 --> 00:05:12.920 pero que se desmorona en cuanto llegan los usuarios reales. 00:05:13.320 --> 00:05:15.740 Se hemos incluido en las notas del programa, pero repasémoslas ahora. 00:05:16.500 --> 00:05:17.520 Primero, la escalabilidad. 00:05:17.880 --> 00:05:20.800 Puede su infraestructura actual extenderse realmente para satisfacer una demanda impredecible. 00:05:21.320 --> 00:05:25.200 Los pilotos se ven bien en grupos pequeños, pero la producción trae miles de solicitudes en paralelo. 00:05:26.200 --> 00:05:29.200 Si el sistema no puede expandirse horizontalmente sin una reestructuración importante, 00:05:29.200 --> 00:05:32.020 se está preparando para soluciones de emergencia en lugar de un valor sostenido. 00:05:32.020 --> 00:05:33.460 Segundo, el hardware. 00:05:34.340 --> 00:05:36.880 Necesita aceleradores especializados como GPU o TPU. 00:05:37.560 --> 00:05:39.720 La mayoría de los prototipos funcionan con dificultad en CPU, 00:05:39.840 --> 00:05:42.760 pero escalar redes neuronales a volúmenes empresariales consumirá toda su capacidad de compra. 00:05:43.100 --> 00:05:44.600 La pregunta no es solo si puede comprar el equipo, 00:05:44.720 --> 00:05:46.840 sino si su equipo y su presupuesto pueden manejar su operación, 00:05:46.960 --> 00:05:49.320 manteniendo los motores funcionando, los motores funcionando en activos. 00:05:49.880 --> 00:05:51.080 Tercero, la intensidad de datos. 00:05:51.340 --> 00:05:52.640 ¿Está realmente preparado para el torrente? 00:05:53.020 --> 00:05:56.000 Los primeros pilotos a menudo funcionan conjuntos de datos ordenados y cura. 00:05:56.000 --> 00:05:58.580 En entornos reales, los datos llegan en múltiples formatos, 00:05:58.720 --> 00:06:01.540 inundan desde diferentes canales y llevan el límite del almacenamiento 00:06:01.540 --> 00:06:02.160 y la red. 00:06:03.420 --> 00:06:05.280 Las cargas de trabajo de IA no esperan a que lleguen aguantadas. 00:06:05.580 --> 00:06:07.720 Necesitan un flujo continuo o todo el sistema se paraliza. 00:06:09.000 --> 00:06:10.180 Cuarto, la complejidad de algoritmo. 00:06:10.720 --> 00:06:13.080 Puede su equipo gestionar modelos que no se comportan como aplicación estática. 00:06:13.440 --> 00:06:16.020 Su algoritmo se evolucionan, se adaptan y a veces se rompen 00:06:16.020 --> 00:06:17.760 en el momento en que ven datos del mundo real. 00:06:18.340 --> 00:06:20.380 Un prototipo parece estar bien con un modelo fijo, 00:06:20.500 --> 00:06:23.320 pero la producción conlleva actualizaciones constantes y un comportamiento cambiado. 00:06:23.540 --> 00:06:25.920 Sin las habilidades adecuadas, ver el temido abismo. 00:06:26.060 --> 00:06:27.780 Modelos que funcionan bien en una computadora portátil, 00:06:27.840 --> 00:06:29.920 pero colapsan en un cluster, pero colapsan en un... 00:06:29.920 --> 00:06:30.780 Quinto, la integración. 00:06:31.320 --> 00:06:33.880 Su IA se conectará realmente sin problemas con los sistemas heredados. 00:06:34.280 --> 00:06:36.680 Puede funcionar bien sola, pero la empresa debe transmitir datos, 00:06:36.820 --> 00:06:39.740 respetar las normas de cumplimiento e interactuar con protocolos establecidos. 00:06:40.480 --> 00:06:42.720 Si se resiste a integrarse, no ha añadido un compañero de equipo, 00:06:42.800 --> 00:06:44.840 ha creado una responsabilidad que vive en sus servidores. 00:06:45.900 --> 00:06:46.760 Esa es la lista completa. 00:06:46.980 --> 00:06:50.940 Escalabilidad, hardware, intensidad de datos, complejidad algorítmica e integración. 00:06:51.500 --> 00:06:54.560 Pueden parecer simples, pero juntas forman la prueba definitiva. 00:06:54.560 --> 00:06:58.760 Los marcos de trabajo oficiales de los líderes senior reflejan estas mismas cinco áreas y por una buena razón. 00:06:59.260 --> 00:07:01.840 Separan los proyectos piloto prometedores de los destinados al fracaso. 00:07:02.380 --> 00:07:05.140 Encontrarán más detalles en los apuntes de hoy, pero lo importante está claro. 00:07:05.620 --> 00:07:08.700 Si responden que sí a los cinco, no están lidiando con una carga de trabajo más. 00:07:08.700 --> 00:07:13.600 Están ante algo que requiere su propia clase de tratamiento, arquitectura y disciplinas. 00:07:14.680 --> 00:07:16.620 Aquí es donde muchos proyectos revelan su verdadera forma. 00:07:17.940 --> 00:07:21.000 Lo que parecía una demo atractiva resulta, tras analizarlo, 00:07:21.060 --> 00:07:25.300 una tarea enorme que consume presupuesto, talento e infraestructura a otra escala. 00:07:26.580 --> 00:07:29.040 Reconocerlo pronto es cómo se evita desperdiciar meses y millones. 00:07:29.700 --> 00:07:32.320 Aun así, incluso con la lista de verificación en mano, quedan desafíos. 00:07:32.520 --> 00:07:35.660 Los pilotos que deberían pasar sin problemas a producción a menudo flaquean. 00:07:35.660 --> 00:07:40.020 Se estancan no porque la idea fuera mala, sino porque el entorno al que entran es más duro, 00:07:40.220 --> 00:07:42.380 escaso y menos indulgente de lo que la demo sugería. 00:07:43.420 --> 00:07:45.100 Ese es el espacio del que debemos hablar a continuación. 00:07:45.820 --> 00:07:47.200 La zona de muerte del piloto a la producción. 00:07:48.000 --> 00:07:52.960 Muchos pilotos de IA brillan en el laboratorio para luego quedarse sin aire al entrar en condiciones empresariales. 00:07:54.020 --> 00:07:56.560 Una demo sencilla funciona bien con un conjunto de datos limpio, 00:07:56.700 --> 00:07:59.920 ejecutada en la instancia elegida y supervisada por pocos ingenieros. 00:08:00.380 --> 00:08:05.580 Pero en cuanto la expones al tráfico real, flujos de datos desordenados y al escrutinio de la gobernanza, todo colapsa. 00:08:06.180 --> 00:08:08.380 Esa brecha tiene un nombre, la zona de muerte del piloto a la producción. 00:08:08.800 --> 00:08:09.620 Este es el problema central. 00:08:10.080 --> 00:08:12.960 Los pilotos tienen éxito porque están protegidos, con entradas controladas, 00:08:13.080 --> 00:08:15.560 flujo de trabajo curados y entornos diseñados para favorecer al modelo. 00:08:16.820 --> 00:08:18.220 La producción exige algo más riguroso. 00:08:18.740 --> 00:08:22.420 Escalar entre equipos, integrar sistemas heredados, cumplir obligaciones normativas 00:08:22.420 --> 00:08:25.540 y gestionar datos que llegan en oleadas impredecibles. 00:08:26.340 --> 00:08:27.960 Por eso tantos proyectos estancan en la interfaz. 00:08:28.360 --> 00:08:31.400 Los hábitos que hicieron brillar al piloto no lo preparan para los vientos del mundo real. 00:08:31.780 --> 00:08:32.900 Las consecuencias se acumulan rápido. 00:08:33.300 --> 00:08:37.580 Los hilos de datos cortan las líneas de suministro con departamentos enteros guardando informatios incompatibles. 00:08:38.000 --> 00:08:40.760 Las brechas de gobernanza dejan los controles de acceso y permisos improvisados. 00:08:41.240 --> 00:08:43.000 Vienen una prueba fatal en una auditoría. 00:08:43.780 --> 00:08:47.280 Las carencias de hardware ralentizan el entrenamiento y la inferencia cuando las CPU no siguen al ritmo. 00:08:47.640 --> 00:08:49.260 Los aceleradores no están en la infraestructura. 00:08:49.260 --> 00:08:55.860 Y sobre todo esto, los marcos de cumplimiento aparecen como trampas invisibles, especialmente en industrias con estrictas normas de privacidad y equidad. 00:08:56.960 --> 00:08:58.300 Estos riesgos no son únicos. 00:08:58.960 --> 00:09:03.120 Se destacan una y otra vez en la investigación del sector como los obstáculos que impiden escalar la IA. 00:09:04.020 --> 00:09:07.800 Ignórenlo si su éxito terminará en prototipos abandonados acumulando polvo. 00:09:09.300 --> 00:09:10.560 Una imagen vivida lo dice todo. 00:09:11.120 --> 00:09:15.120 Llevar la IA más allá de la etapa piloto es como escalar a las alturas de aire enrarecido del Everest. 00:09:15.480 --> 00:09:17.360 Por debajo de un límite del progreso fluido. 00:09:17.360 --> 00:09:20.640 Por encima, cada paso requiere disciplina deliberada, oxígeno y trabajo en equipo. 00:09:21.260 --> 00:09:25.060 En términos de IA, ese oxígeno proviene de la infraestructura, la gobernanza y la automatización. 00:09:25.660 --> 00:09:30.300 La metáfora funciona una vez, pero el punto es más claro cuando dejas las imágenes y enfrentas la cruda realidad. 00:09:30.980 --> 00:09:33.940 Tu equipo no puede atravesar la zona de peligro solo con entusiasmo. 00:09:34.820 --> 00:09:36.440 Técnicamente, la solución tiene un nombre, MLOPS. 00:09:37.060 --> 00:09:40.820 Eso significa automatizar los ciclos de prueba, despliegue y monitoreo para que los modelos se comporte para escalar. 00:09:41.400 --> 00:09:45.840 En lugar de cuadernos hechos a mano, directamente en producción, desarrollas procesos estándar que prueba modelos, 00:09:45.840 --> 00:09:50.900 los validan, los despliegan mediante pasos reproducibles y monitorean su desviación en el entorno real. 00:09:52.080 --> 00:09:55.920 MLOPS transforma la IA de un experimento único en un sistema de producción, 00:09:56.120 --> 00:09:59.820 con la misma fiabilidad que esperas de un software de nómina o de procesamiento de transacciones. 00:10:00.580 --> 00:10:03.080 Sin ello, cada entrega es inestable y cada actualización es una apuesta. 00:10:03.400 --> 00:10:04.740 Los puntos de valor concretos demuestran el caso. 00:10:05.120 --> 00:10:07.980 Ese modelo, perfectamente ajustado, que sobresalió en pruebas aisladas, 00:10:07.980 --> 00:10:13.920 al enfrentarse a flujos en vivo, objetivos de latencia en milisegundos y cientos de solicitudes de clientes a la vez, comienza a fallar. 00:10:14.620 --> 00:10:18.820 Un tablero que parecía fluido para un equipo se vuelve lentísimo cuando mil empleados inician sesión. 00:10:19.760 --> 00:10:22.940 Los ingenieros se apresuran a parchear las brechas de rendimiento, pero la realidad es inevitable. 00:10:23.500 --> 00:10:26.640 Las correcciones posteriores cuestan más que una orquestación adecuada desde el principio. 00:10:27.300 --> 00:10:28.940 La gobernanza añade otra fuente de colapso. 00:10:29.420 --> 00:10:33.580 Lo que pasó desapercibido en una prueba de concepto, un rápido acceso administrador o un atajo en permisos, 00:10:33.720 --> 00:10:36.480 se convierte en un dolor de cabeza de cumplimiento cuando intervienen los auditores. 00:10:36.480 --> 00:10:40.000 Las regulaciones y los requisitos de auditoría no son extras opcionales. 00:10:40.460 --> 00:10:42.420 Son marcos obligatorios que definen la producción misma. 00:10:43.000 --> 00:10:45.760 Las empresas que esperan a pasar la escala piloto se encuentran atrapadas, 00:10:45.860 --> 00:10:48.120 reconstruyendo cimientos que debieron estar desde el primer día. 00:10:48.960 --> 00:10:51.700 Mientras tanto, la escasez de mano de obra calificada intensifica la presión. 00:10:51.980 --> 00:10:55.180 Los pilotos pueden sobrevivir con unos pocos ingenieros brillantes improvisando solución ingeniosa. 00:10:55.780 --> 00:10:59.640 La escala empresarial requiere especialistas en ingeniería de datos, operaciones de IA e infraestructura. 00:11:00.580 --> 00:11:04.980 Sin flujos de trabajo codificados, cada paso se reinventa y las semanas desaparecen sin avanzar. 00:11:04.980 --> 00:11:09.180 El liderazgo mira el reloj, finanza rastra los costos y la paciencia se agota. 00:11:09.960 --> 00:11:14.200 La promesa de la IA comienza a parecerse a un proyecto estancado en lugar de una capacidad transformadora. 00:11:14.840 --> 00:11:17.940 Es tentador pensar que la solución reside en más talento o más máquinas, 00:11:18.160 --> 00:11:22.560 pero acumular sin orquestación es como añadir escaladores a un equipo de montaña sin cuerdas ni oxígeno. 00:11:23.580 --> 00:11:26.320 Cuerpos moviéndose pero sin oportunidad y una supervivencia coordinada. 00:11:26.320 --> 00:11:30.320 Lo que realmente rescata a los proyectos aquí no es el poder bruto sino la orquestación, 00:11:30.420 --> 00:11:34.140 una disciplina unificadora que conecta flujos de datos, asegura el cumplimiento y automatiza el despliegue. 00:11:34.880 --> 00:11:39.040 No es llamativo, pero es el soporte vital para los equipos de IA que intentan ir más allá de las demostraciones. 00:11:40.360 --> 00:11:41.300 Esta es la lección inevitable. 00:11:41.940 --> 00:11:43.300 La guía empresarial no puede improvisarse. 00:11:44.040 --> 00:11:48.420 El éxito proviene de la repetibilidad a nivel industrial, plantillas para procesos, pruebas automatizadas, 00:11:48.700 --> 00:11:51.580 gobernanza integrada en los flujos de trabajo y recursos gestionados dinámicamente. 00:11:51.580 --> 00:11:56.280 Con esa base, la zona de muerte no es un cementerio, es un pasaje que puedes cruzar sistemáticamente. 00:11:57.580 --> 00:12:01.200 Sin ella, cada paso es una improvisación frágil destinada a colapsar bajo presión. 00:12:02.120 --> 00:12:04.940 Y una vez que ves la escala de coordinación requerida, surge la siguiente pregunta. 00:12:05.400 --> 00:12:07.380 ¿Cómo construyes realmente esa capa de orquestación? 00:12:07.800 --> 00:12:11.120 No como parches dispersos o equipos aislados, sino como un puente de mando central, 00:12:11.360 --> 00:12:14.600 donde el caos se disciplina, los roles se definen y los sistemas se mueven sincronizados. 00:12:15.480 --> 00:12:18.200 Entra a la fábrica de IA, el comando de la flota estelar para la empresarial. 00:12:18.820 --> 00:12:19.500 Imagina esto. 00:12:19.500 --> 00:12:23.060 En lugar de que cada equipo improvise solo, tienes un puente unificado donde 00:12:23.060 --> 00:12:27.400 DataOps, MLOps y NIOps operan como oficiales en sus estaciones. 00:12:28.600 --> 00:12:32.520 Motores, escudos, navegación, cada uno con su deber, pero coordinados a través de una sola silla de mando. 00:12:33.160 --> 00:12:37.760 Esa es la premisa aquí, no otra herramienta añadida, sino la capa de orquestación que mantiene la nave unida bajo estrés. 00:12:38.720 --> 00:12:41.780 Sin una capa central, la empresa real parece más una pelea entre cubiertas. 00:12:42.500 --> 00:12:46.160 Los ingenieros de datos crean pipelines en un rincón, operaciones escriben reglas en otro, 00:12:46.160 --> 00:12:49.720 investigadores lanzan modelos por la borda, sin un mapa compartido, sin ritmo. 00:12:49.720 --> 00:12:55.240 Lo que obtienes son scripts superpuestos a sistemas redundantes y agujeros de seguridad lo suficientemente grandes como para atravesarlos con un transbordador. 00:12:55.880 --> 00:12:57.360 Ese caos no es un accidente raro. 00:12:57.740 --> 00:13:00.260 Es lo que sucede cuando a escalar la IA se deja el esfuerzo disperso. 00:13:00.680 --> 00:13:01.700 La fábrica cambia seguido. 00:13:02.140 --> 00:13:05.140 Piensa en ello menos como un nuevo dispositivo y más como la tris de un director de orquestión. 00:13:05.140 --> 00:13:08.800 Las secciones son tus lagos de datos, pipelines de entrenamiento, aceleradores en la nube. 00:13:09.260 --> 00:13:11.260 Y en lugar de chocar entre sí, tocan a tiempo. 00:13:12.240 --> 00:13:18.840 En la práctica, la demo de esta sesión incluye funciones como el enfoque del automático que centraliza almacenes de datos fragmentados en un entorno coherente. 00:13:19.640 --> 00:13:23.800 Los pipelines finalmente corren contra una fuente de verdad estable y la gobernanza tiene algo real que aplicar. 00:13:24.200 --> 00:13:27.000 Los modelos de hambrientos no mueren de hambre porque el flujo de datos se secó. 00:13:27.560 --> 00:13:29.200 Las plantillas son la siguiente carta sobre la mesa. 00:13:29.200 --> 00:13:37.200 Los pilotos fallan habitualmente al escalar porque cada proyecto provee infraestructura de forma diferente, programa tareas a medida y deja medio sistema sin documentar. 00:13:37.780 --> 00:13:38.960 Las plantillas corrigen la desviación. 00:13:39.380 --> 00:13:40.640 Construye una vez, estampa un hétero. 00:13:41.100 --> 00:13:45.540 La ganancia y fiabilidad a nivel industrial donde presionar iniciar configura un pipeline de la misma manera cada vez. 00:13:46.180 --> 00:13:49.260 En lugar de meses de cableado y ensamblaje, buscas despliegues repetibles en días. 00:13:49.840 --> 00:13:50.420 Luego viene acceso. 00:13:51.080 --> 00:13:54.000 El control de acceso basado en roles suena aburrido hasta que has vivido sin él. 00:13:54.620 --> 00:13:57.440 Sin barreras, el personal junior tropieza con los clústeres de GPU. 00:13:57.440 --> 00:14:00.820 Los auditores tienen que entrar por puertas traseras y nadie puede decir quién cambió qué. 00:14:01.860 --> 00:14:02.600 ¿Qué restaura el orden? 00:14:03.420 --> 00:14:07.980 Los ingenieros de datos ven pipelines, los científicos tienen su entorno de pruebas, los auditores observan sin interferir. 00:14:08.520 --> 00:14:10.600 Líneas claras, menos riesgos, mejor colaboración. 00:14:11.460 --> 00:14:12.740 La red es la arteria invisible. 00:14:13.500 --> 00:14:17.300 Escalar sin canales y conexiones adecuados genera enredos a medida que las cargas de trabajo se dispersan en relación. 00:14:17.800 --> 00:14:19.580 La respuesta de la fábrica es una ruta de red privada. 00:14:20.040 --> 00:14:23.220 Los puntos finales están contenidos, el rendimiento se ajusta a demandas intensas de datos. 00:14:23.440 --> 00:14:24.400 El riesgo de fugas disminuye. 00:14:24.400 --> 00:14:30.120 Piénselo como asegurarse de que la matriz de comunicaciones lleve solo sus señales sin emisiones externas que interfieran en la línea. 00:14:30.760 --> 00:14:33.140 La orquestación del hardware suele ser el punto crítico más costoso. 00:14:33.740 --> 00:14:37.160 Las GPU y GPU son potentes, pero si no se gestionan permanecen inactivas y consumen fondos. 00:14:37.780 --> 00:14:40.440 En el modelo de fábrica, los aceleradores se integran en una programación más alta. 00:14:40.980 --> 00:14:44.860 Controladores aprovisionan automáticamente tareas alineadas y capacidad equilibrada y equilibrada. 00:14:44.860 --> 00:14:49.140 En lugar de luchar con el núcleo de energía cada mañana, usted lo controla mediante una secuencia repetible. 00:14:49.880 --> 00:14:52.340 El hardware se comporta como parte del sistema, no como una diva independiente. 00:14:53.060 --> 00:14:58.460 Las organizaciones que experimentan con este modelo reportan que las configuraciones que antes tardaban semanas en gestionarse ahora se reducen drásticamente. 00:14:59.060 --> 00:15:04.160 Eso no es magia, la disciplina de flujos de trabajo coordinados, acceso gobernado y orquestación unificada. 00:15:04.700 --> 00:15:08.100 Cuando los botes salvavidas se amarran a una sola nave, el viaje se vuelve manejable. 00:15:09.060 --> 00:15:12.320 Lo que garantiza la fiabilidad no es solo herramientas, sino los marcos de trabajo detrás de él. 00:15:12.980 --> 00:15:18.300 El enfoque de fábrica de IA se apoya en las mejores prácticas de la nube, similares a la adopción de nube de Microsoft y su guía de arquitectura. 00:15:19.200 --> 00:15:26.320 Esa integración asegura que las cargas de trabajo se desarrollen con seguridad, escalabilidad y cumplimiento desde el inicio, sin añadirse después bajo presión. 00:15:27.280 --> 00:15:32.180 Protege los proyectos de la trampa a demostraciones frágiles que colapsan en enfrentarse a las realidades empresariales. 00:15:33.060 --> 00:15:34.960 La metáfora de Estelar encaja perfectamente aquí. 00:15:35.440 --> 00:15:37.400 Los oficiales no improvisan sus deberes fundamentales. 00:15:37.680 --> 00:15:41.580 Los escudos se levantan al orden, los motores se encienden en el elemento y las comunicaciones se sincronizan en un solo carro. 00:15:41.980 --> 00:15:43.520 Esa coreografía es lo que ofrece este modelo. 00:15:43.980 --> 00:15:49.320 Toma los esfuerzos dispersos, desasigna carriles adecuados y los une en una nave que funciona con orden en lugar de caos. 00:15:50.280 --> 00:15:54.840 En esencia, la fábrica une operaciones de datos ML Ops y GNI Ops en un sistema orquestado. 00:15:55.620 --> 00:16:01.640 El resultado es una escala repetible, no una IA basada en la suerte que pasa de manera segura de la demostración de laboratorio de demanda empresarial. 00:16:02.500 --> 00:16:07.460 Los equipos ganan confianza al saber que el puente existe y que la disciplina atraviesa cada fase del trabajo. 00:16:08.220 --> 00:16:09.480 Pero un puente solo marca la dirección. 00:16:10.000 --> 00:16:16.420 Lo que genera el empuje real son los motores de bajo, los aceleradores esforzándose, los canales inundados de datos, los modelos cambiando a mitad del curso. 00:16:17.300 --> 00:16:22.180 Y es ahí, en la maquinaria bajo la cubierta, donde el siguiente conjunto de desafíos exige su atención. 00:16:23.460 --> 00:16:26.100 Sala de máquinas, el hardware, los datos y la complejidad de los algoritmos. 00:16:26.720 --> 00:16:32.060 Toda nave espacial tiene una sala de máquinas, y para la IA empresarial, ese motor se alimenta de tres subsistemas volátiles, 00:16:32.260 --> 00:16:36.640 aceleradores de hardware, los flujos de datos que los nutren y los algoritmos, que se niegan a quedarse quietos. 00:16:37.520 --> 00:16:39.360 Si se pierde el equilibrio, toda la nave se detiene. 00:16:39.640 --> 00:16:41.840 Haz que trabajen al unísono y tendrás el impulso para escalar. 00:16:42.300 --> 00:16:42.940 Piensa por el hardware. 00:16:42.940 --> 00:16:49.660 Las CPUs pueden con aplicaciones rutinarias, pero las cargas de IA requieren cálculos paralelos a un ritmo que sus GPUs pueden satisfacer. 00:16:50.320 --> 00:16:51.900 Estos aceleradores no son de conectar y usar. 00:16:52.220 --> 00:16:54.500 Traen sus propias librerías, planificadores y peculiaridades. 00:16:54.720 --> 00:16:56.520 Parecen más reactores exóticos que servidores de oficio. 00:16:57.020 --> 00:16:59.500 El peligro es tener bastidores inactivos consumiendo energía sin contribuir. 00:16:59.940 --> 00:17:03.000 La prueba práctica mide la programación de la GPU y monitorea las tasas de inactividad. 00:17:03.720 --> 00:17:06.380 Si los aceleradores permanecen en silencio mientras la demanda aumenta, 00:17:06.380 --> 00:17:09.000 tus recursos están desalineados mucho antes de considerar escalar. 00:17:09.700 --> 00:17:11.080 Luego está el hambre interminable de datos. 00:17:11.080 --> 00:17:14.020 Todo modelo serio exige un torrente, no un goteo. 00:17:14.720 --> 00:17:17.520 Las aplicaciones empresariales sobrevenen con consultas modestas y procesos 1. 00:17:18.060 --> 00:17:21.580 Los flujos de trabajo de IA requieren un rendimiento continuo y rápido con una latencia insignificante. 00:17:22.400 --> 00:17:23.900 El almacenamiento ya no solo guarda. 00:17:24.240 --> 00:17:26.800 Debe impulsar, gestionar concurrencia y entregar ancho de banda, 00:17:26.920 --> 00:17:28.880 o tus costosos aceleradores solo esperarán. 00:17:29.600 --> 00:17:32.060 La investigación subraya esto con el hallazgo de chinchilla. 00:17:32.680 --> 00:17:36.900 Modelos más grandes por sí solos no generan ganancias sin conjuntos de datos de entrenamiento proporcionalmente mayores 00:17:36.900 --> 00:17:37.820 en el desequilibrio de desperdición. 00:17:37.960 --> 00:17:39.860 Eso significa que tanto el tamaño como la calidad importan. 00:17:39.860 --> 00:17:41.800 Si entra basura, sale en predicción el basura. 00:17:42.280 --> 00:17:43.500 Tu comprobación aquí es directa. 00:17:43.980 --> 00:17:46.400 Prueba el flujo de trabajo bajo una carga realista en tiempo real. 00:17:47.100 --> 00:17:50.020 Si el rendimiento cae o se forman colas, tus motores fallarán en producción. 00:17:51.140 --> 00:17:54.120 Finalmente, la parte más extraña de la sala de máquinas, la complejidad del goril. 00:17:54.720 --> 00:17:57.600 El software denomina avanza paso a paso con una previsibilidad aburrida. 00:17:57.600 --> 00:18:00.420 Los modelos de IA se comportan más como nubes de plasma. 00:18:00.920 --> 00:18:04.200 Cambian de forma a mitad de ejecución, expandiéndose con nuevos ciclos de entrenamiento, 00:18:04.320 --> 00:18:05.480 colapsando ante ciertas entradas. 00:18:06.840 --> 00:18:10.300 Los grafos de cómputo para redes neuronales modernas cambian su estructura dinámicamente 00:18:10.300 --> 00:18:12.600 y esa inestabilidad afecta la asignación de recursos. 00:18:13.560 --> 00:18:17.180 Sin herramientas de perfilado y planificadores dinámicos, tu infraestructura terminará sorprendida. 00:18:18.120 --> 00:18:21.600 Una salvaguarda práctica insiste en un control estricto de versiones de modelos y perfilado continuo. 00:18:22.320 --> 00:18:25.640 Si verás cuando un grafo se expande, podrás ajustar el cómputo antes de que el sistema ceda. 00:18:26.540 --> 00:18:29.340 Considera la historia de advertencia de una empresa que invirtió mucho en GPUs, 00:18:29.380 --> 00:18:31.300 pero las alimentó con flujos de trabajo débiles. 00:18:31.880 --> 00:18:36.040 Los aceleradores se alinearon zumbando como estatuas mientras los datos llegaban demasiado lento para importar. 00:18:36.880 --> 00:18:38.680 Los trabajos se acumularon en cola, pero nada es que ha permitido. 00:18:39.180 --> 00:18:42.360 El resultado, dinero quemado, tiempo perdido y credibilidad dañada. 00:18:42.860 --> 00:18:44.120 Su elección se vuelve universal. 00:18:45.140 --> 00:18:49.160 Escalar la IA exige equilibrio entre suministro de hardware, flujo de datos y comportamiento algorítmico, 00:18:49.280 --> 00:18:50.260 nunca uno de forma aislada. 00:18:51.260 --> 00:18:53.640 La recompensa de hacer esto bien es simple, el equilibrio. 00:18:54.360 --> 00:18:55.940 El hardware se activa solo cuando el flujo está en este. 00:18:56.380 --> 00:18:58.860 Los conductos de datos fluyen sin privar de recursos de los aceleradores. 00:18:59.400 --> 00:19:03.400 Los algoritmos cambian dentro del marco monitoreado, por lo que la asignación de recursos se adapta al instante. 00:19:03.860 --> 00:19:07.380 Es orquestación dentro de la misma sala de máquinas, no caos disfrazado de progreso. 00:19:07.380 --> 00:19:10.060 Y las pruebas de diagnóstico son la brújula. 00:19:10.500 --> 00:19:14.700 Monitorea los tiempos de inactividad de los aceleradores, realiza pruebas de estrés y versiona y perfila tu modelo. 00:19:15.360 --> 00:19:18.360 Con ello sabes cuándo el equilibrio se mantiene y cuándo la reparación es urgente. 00:19:18.920 --> 00:19:20.220 Sin embargo, el equilibrio por sí solo no. 00:19:20.580 --> 00:19:23.020 Sin reglas y gobernanza, el sistema se agota a sí mismo. 00:19:23.020 --> 00:19:25.340 Escalar nunca es solo cuestión de potencia bruta. 00:19:25.780 --> 00:19:29.380 Se trata de sistemas coordinados donde cada pieza respeta los límites y fluye con el resto. 00:19:30.200 --> 00:19:34.580 Esa es la diferencia entre el motor de una nave espacial y un experimento de laboratorio detenido en pleno vuelo. 00:19:35.580 --> 00:19:36.980 Y esto nos devuelve la visión general. 00:19:37.940 --> 00:19:40.820 La IA no se sustenta en una sola máquina mejorada o un clúster llamativo. 00:19:41.580 --> 00:19:46.040 Es un sistema interconectado donde hardware, datos y algoritmos deben sincronizarse bajo gobernanza y orquestación. 00:19:46.760 --> 00:19:49.860 Sin eso, hasta el motor más potente se detiene en la plataforma de lanzamiento. 00:19:49.860 --> 00:19:53.600 Conclusión. Escalar la IA no se trata de acumular hardware. 00:19:54.200 --> 00:19:56.060 Se trata de tratar todo el sistema como un ecosistema. 00:19:56.680 --> 00:19:59.400 La orquestación, la gobernanza y la infraestructura adaptativa no son funcionales. 00:19:59.980 --> 00:20:03.860 Son la triada que mantiene a la IA alineada con la estrategia irresistente bajo cumplimiento. 00:20:04.280 --> 00:20:05.580 Ignóralos si los proyectos se desviarán. 00:20:06.240 --> 00:20:09.200 Adóptalos y convertirás demostraciones de laboratorio en capacidad empresarial confiable. 00:20:09.720 --> 00:20:11.000 Los ejecutivos ya ven el cambio. 00:20:11.780 --> 00:20:17.460 Las encuestas del sector en las notas del programa indican que más del 90% planea aumentar la inversión en IA en tres años. 00:20:17.960 --> 00:20:19.040 Ese dinero necesita estructura. 00:20:19.040 --> 00:20:22.120 La orquestación de IA a escala empresarial es el puente. 00:20:23.040 --> 00:20:23.800 La elección es claro. 00:20:24.200 --> 00:20:25.720 Caos al mando, un equipo en control. 00:20:26.720 --> 00:20:31.300 Si esta descarga te dio energía, suscríbete para que las próximas transmisiones lleguen a tu feed en piloto automático. 00:20:32.260 --> 00:20:36.540 Califica el programa, deja tu mejor frase en los comentarios y revisa las notas para fuentes y enlaces. 00:20:37.100 --> 00:20:37.860 Nos vemos en la frecuencia. 00:20:37.860 --> 00:20:42.860 ¡Suscríbete al canal!