La implementación de la IA generativa puede parecer un enigma del huevo y la gallina. En una reciente Instituto IBM para el Valor Empresarial Encuesta, el 64% de los directores ejecutivos dijeron que necesitaban modernizar las aplicaciones antes podrían usar IA generativa. Pero al mismo tiempo, la IA generativa tiene el poder de transformar el proceso de modernización de aplicaciones a través de ingeniería inversa de código, generación de código, conversión de código de un idioma a otro, definición del flujo de trabajo de modernización y otros procesos automatizados. Así es como los CTO y CIO pueden evaluar su tecnología y su patrimonio de datos, valorar la oportunidad y trazar un camino a seguir.

Los CIO y CTO deben:

• Evaluar el nivel de su organización de dominio de la nube híbrida como estrategia fundamental para la implementación efectiva de la IA generativa
• Evalúa los obstáculos organizacionales y costos de implementación y mantenimiento del status quo
• Pesar el costos y beneficios de usar modelos grandes de uso general versus ajustar los más pequeños
• Evaluar factores y costos relacionados con la disponibilidad de datos, la gobernanza, la seguridad y la sostenibilidad.
• Trabaje con RR.HH. para poner a las personas en el centro de su estrategia de IA generativa

La nube híbrida acelera la adopción de la IA generativa

Durante la última década, IBM ha defendido una estrategia de nube híbrida para respaldar la innovación, la productividad y la eficiencia escalables impulsadas por la IA. Desde nuestra perspectiva, el debate sobre la arquitectura ha terminado. Las organizaciones que dominan la nube híbrida están bien posicionadas para implementar IA generativa en toda la organización. La nube híbrida les permite aprovechar potentes modelos de lenguajes grandes (LLM) de código abierto, utilizar datos públicos y recursos informáticos para entrenar sus propios modelos y ajustarlos de forma segura manteniendo la privacidad de sus conocimientos patentados. Además de agregar un enorme valor a la experiencia de clientes y empleados, a las funciones de recursos humanos y de servicio al cliente, la IA generativa en la nube híbrida brinda a los CIO y CTO una agilidad excepcional para automatizar las operaciones de TI y modernizar las aplicaciones, eliminando potencialmente su deuda técnica y permitiendo una modernización verdaderamente continua.

El contexto empresarial

Incluso para los CIO y CTO que se han comprometido con la nube híbrida, obstáculos organizacionales a la modernización permanecer. En primer lugar, los líderes tecnológicos deben estimar el impacto financiero total de la modernización (frente al costo de no modernización) en toda la organización. Necesitan defender la modernización como una iniciativa empresarial, no como un proyecto de TI. Los líderes también deben abordar la brecha de experiencia dando prioridad al desarrollo del talento y logrando una aceptación cultural de la modernización como una inversión empresarial estratégica y preparada para el futuro, en lugar de una jugada tecnológica operativa.

A continuación, los líderes deben comprender el valor empresarial que la IA generativa puede aportar a la modernización para comprender dónde deben invertir. Según la experiencia de nuestros equipos de consultoría de IBM, las organizaciones que recién están comenzando sus viajes de modernización necesitan una perspectiva sobre el "arte de lo posible" cuando se trata de comprender los beneficios y el valor de la automatización impulsada por la IA. Las organizaciones que están más avanzadas en su trayectoria buscan claridad en torno a los casos de uso en su industria y asistencia para manejar oportunidades únicas.

Priorizar los casos de uso de IA generativa

Dentro de las operaciones de TI, los casos de uso de IA generativa incluyen la clasificación automática de sistemas para cumplir con los objetivos de nivel de servicio; gestionar, comunicar, prestar asistencia y resolver consultas y tickets; y detección y gestión de eventos y anomalías. Puede mejorar la automatización de TI mediante la creación y ejecución de runbooks y ayudando a los usuarios a realizar la transición a nuevas bases de conocimiento y software. También puede ayudar en la ingeniería de plataformas, por ejemplo, generando canales de DevOps y scripts de automatización de middleware.

Se puede decir mucho más sobre las operaciones de TI como base de la modernización. Aquí, priorizaremos la discusión de cuatro flujos de trabajo a los que se puede aplicar la IA generativa.

• Planificación de la transformación: La IA generativa puede ayudar a definir su flujo de trabajo de modernización mediante el resumen, la creación de planes y la generación de arquitectura de referencia, como Terraform. 
• Código Ingeniería inversa: La IA generativa facilita la ingeniería inversa al analizar el código para extraer reglas comerciales y modelos de dominio, generar recomendaciones para mover aplicaciones de una arquitectura monolítica a microservicios, identificar oportunidades de refactorización y contenerización y generar código refactorizado.
• Codigo de GENERACION: La generación de código ayuda a los líderes de TI a superar los desafíos relacionados con el ancho de banda de los desarrolladores y la optimización de las habilidades de un grupo de talentos limitado. Las tareas manuales y altamente repetitivas se pueden manejar mediante la generación de código nativo de la nube, desde fragmentos cortos hasta funciones completas. Se puede generar código para el diseño de la interfaz de usuario, la infraestructura y la configuración de la plataforma de contenedores (como Red Hat® OpenShift®) y marcos sin servidor (como Knativo).
• Conversión de código: La conversión de código es esencial para conservar y actualizar aplicaciones heredadas de misión crítica. La IA generativa permite la automatización de este proceso, por ejemplo de COBOL a Java, de SOAP a REST y otros lenguajes y entornos.

Los CTO/CIO deberían considerar los beneficios rápidos del uso de IA generativa dentro de estas funciones. Busque oportunidades relativamente discretas y de bajo riesgo para explorar implementaciones de prueba de concepto. Comience poco a poco, pruebe y escale.

Evaluación de modelos de cimentación

Seleccionar los modelos básicos adecuados desde el principio puede ayudarle a ofrecer resultados más precisos y eficientes para su empresa.

La arquitectura de transformers favorece el tamaño: los modelos más grandes producen mejores resultados. Por lo tanto, hay una carrera en la IA generativa para construir modelos básicos cada vez más grandes para aplicaciones cada vez más amplias. Pero si bien los modelos más grandes son potentes, un modelo pesado de miles de millones de parámetros no siempre es la mejor opción para una empresa. Un modelo más pequeño que ha sido ajustado para una tarea a menudo puede superar a un modelo grande que no ha sido ajustado para esa tarea. Estos modelos pueden ejecutarse sobre LLM de uso general con ajustes menores si la base subyacente es apta para uso empresarial. Por ejemplo, el parámetro de 13 mil millones de IBM granito modelos de base, disponibles en la próxima versión de watsonx.ai, son mucho más pequeños que los LLM más grandes (que contienen cientos de miles de millones de parámetros), pero funcionan bien en tareas específicas del negocio, como resúmenes, respuestas a preguntas y clasificación, a la vez que son mucho más eficientes.

Los modelos básicos adaptados al propósito también permiten a las organizaciones automatizar y acelerar la modernización mediante generar fragmentos de código y componentes de aplicaciones, además de automatizar las pruebas de aplicaciones. Basándose en los modelos de código integrados en watsonx.ai, Asistente de código IBM Watsonx También se puede utilizar para convertir código, por ejemplo. de COBOL a Java. Dentro de watsonx Code Assistant, los desarrolladores de todos los niveles de experiencia pueden formular solicitudes en lenguaje sencillo y obtener recomendaciones generadas por IA, o generar código basado en el código fuente existente. watsonx.ai también incluye acceso a StarCoder LLM, capacitado con datos con licencia abierta de GitHub. Los desarrolladores pueden aprovechar StarCoder para acelerar la generación de código y aumentar la productividad para la modernización de aplicaciones y de TI.

Más allá del tamaño, cuando elegir un modelo de base, los CTO también deben considerar los lenguajes naturales y los lenguajes de programación que admite el modelo y la cantidad de ajustes que necesita el modelo.

Creación de un marco de retorno de la inversión personalizado

En la IA generativa, los métodos de cálculo del ROI no están maduros ni estandarizados, ni tampoco se encuentran disponibles puntos de referencia comparativos. Para las aplicaciones empresariales, el ajuste fino, la ingeniería rápida y la ejecución de cargas de trabajo con uso intensivo de computación requieren una inversión significativa.

Existen cuatro factores clave a considerar al seleccionar e implementar un modelo, que variará según el dominio, la industria y el caso de uso. El primer factor de costo es el método de fijación de precios o licencia. Esto se evalúa mediante el uso de API en nubes públicas y administradas, y por los costos de hospedaje y computación en nubes híbridas y privadas. El segundo factor de costo es el esfuerzo de desarrollo, que es mayor en las nubes híbridas y privadas y se corresponde estrechamente con el tercer factor, la seguridad de los datos empresariales. Por último, considere los impactos potenciales de la propiedad intelectual y el riesgo de seguridad, que se reducen hacia los extremos híbrido y privado de la escala.

La disponibilidad de datos y los factores de gobernanza también son consideraciones a la hora de evaluar el ROI. A través de la plataforma watsonx, IBM está logrando avances significativos en la entrega de modelos básicos dirigidos a las necesidades de los usuarios empresariales: el almacén de datos adecuado proporcionado en watsonx.datos, construido sobre una arquitectura de casa de lago abierta, permite a las empresas personalizar sus modelos dondequiera que residan sus cargas de trabajo. las herramientas en watsonx.gobernanza También ayudará a las organizaciones a impulsar de manera eficiente flujos de trabajo responsables, transparentes y explicables en toda la empresa.

A medida que se aceleran las capacidades y usos de la IA generativa, poner los números en el lado de los beneficios de la ecuación del ROI puede ser un desafío. Pero tiene sentido que los CIO y CTO examinen la Muchas formas en que las organizaciones han creado valor empresarial a partir de la IA tradicional como punto de partida y extrapolar el valor potencial de sus casos de prueba de IA generativa y ganancias rápidas.

Considere los objetivos de sostenibilidad

Ya sea como parte de programas ESG formales o de misiones corporativas, la sostenibilidad es más que una buena ética: cada vez se la reconoce más como un mejor negocio. Empresas con Esfuerzos de sostenibilidad comprometidos y eficaces. puede aumentar el valor del negocio con un mejor retorno para los accionistas, crecimiento de los ingresos y rentabilidad. Por lo tanto, es aconsejable que los CTO incluyan la sostenibilidad en sus cálculos de adopción de IA generativa.

Entrenar, ajustar y ejecutar modelos de IA puede dejar una enorme huella de carbono. Por eso IBM ayuda adaptar la IA generativa para la empresa con modelos básicos confiables, portátiles y energéticamente eficientes. Fabricar modelos más pequeños y utilizar los recursos informáticos de manera más eficiente puede reducir en gran medida los gastos y las emisiones de carbono. IBM Research también está desarrollando tecnologías de entrenamiento de modelos más eficientes, como el Algoritmo LiGo que recicla modelos pequeños y los convierte en modelos más grandes, ahorrando hasta un 70% del tiempo, el costo y la producción de carbono.

Liderar con recursos humanos

Por último, la implementación eficaz de la IA generativa depende de personas capacitadas y entusiastas. Por tanto, los departamentos de recursos humanos deben estar en el centro de la estrategia de su organización. Comience por volver a capacitar a los propios profesionales de RR.HH., que probablemente ya estén utilizando herramientas de contratación impulsadas por IA. A continuación, desarrolle una iniciativa de gestión formal para comunicar dónde se están llevando a cabo las pruebas y adopción de IA generativa y proporcionar comentarios.

Solicite una sesión informativa sobre la estrategia de IA