En los últimos años la inteligencia artificial (IA) y edge computing se han convertido en dos de las grandes tendencias tecnológicas actuales. De hecho, según Gartner, la implementación de IA ha crecido un 270% en los últimos cuatro años y TrendForce, por su parte, apunta que el negocio relacionado con edge computing crecerá un 30% interanual hasta 2022. Al llevar el procesamiento de datos al extremo de la red, este modelo alivia notablemente las cargas en sistemas cloud y aumenta la eficiencia de la computación.
Lo reseñable es que ambas tecnologías se implementan de forma conjunta en muchas más aplicaciones de las que imaginamos. Por ejemplo, en sistemas de reconocimiento facial o actualizaciones del tráfico en tiempo real en smartphones, vehículos autónomos, altavoces inteligentes, drones, cámaras de seguridad o dispositivos wearables para la monitorización de la salud. Explicado de forma más práctica, pensemos en un usuario que formula una pregunta a Siri o Google. Estas aplicaciones envían la grabación de voz a una red edge computing donde se convierten a texto mediante IA y se procesa una respuesta, con un tiempo de respuesta de 400 milisegundos. De no disponerse de esta tecnología, ese tiempo sería de varios segundos.
IA y edge computing se implementan de forma conjunta en muchas más aplicaciones de las que imaginamos
A medida que ambas tecnologías maduran, son más requeridas de manera combinada por los responsables de TI de las organizaciones, pero ¿cómo se complementan ambas y en qué benefician a las empresas?
Edge computing permite el procesamiento de datos en los extremos de las redes, muy cerca de los dispositivos que generan información proveniente de sensores y otras fuentes. Es decir, los datos no han de ser enviados a los sistemas centrales para ser procesados y devueltos, sino que permanecen en los dispositivos. Esto se traduce en una menor latencia a la hora de su actualización, un menor coste de almacenamiento y menores riesgos de que la información crítica del negocio salga de nuestro dominio.
Por su parte, la IA es una tecnología de datos y computación intensiva. Dado que el ancho de banda, la latencia y la seguridad que necesita pueden elevar mucho los costes de su implantación, edge computing puede ser determinante para reducirlos y vencer este obstáculo.
Mayor rapidez y capacidad de respuesta
Tradicionalmente, la IA ha estado limitada a centros de datos impulsados por la computación en la nube, pero, con el tiempo, se ha incorporado a los puntos finales del Internet de las Cosas (IoT) y otros dispositivos de usuario final mediante chips específicos. Un buen ejemplo de ello son los smartphones que usamos diariamente. Pero la IA también se aplica a multitud de entornos edge computing para procesar algoritmos a partir de los datos locales que generan estos dispositivos. De hecho, a principios de 2020, Deloitte estimó que este año se venderían más de 750 millones de los conocidos como microprocesadores de IA de borde, diseñados para acelerar tareas de aprendizaje automatizado en los dispositivos, en lugar de en centros de datos remotos.
Dentro de dos años el 74% de todos los datos, incluidos los captados por dispositivos de IA, serán procesados y analizados en el extremo de la red
Edge computing permite ofrecer servicios basados en IA más rápidos y con mayor capacidad de respuesta. En primer lugar, porque la computación en el borde no solo reduce la cantidad de ancho de banda requerido, sino que, además, al llevar el procesamiento al punto de captura, se obtiene un valor inmediato de los datos mediante la recopilación instantánea de información. En segundo lugar, porque permite reducir la latencia a medida que los servicios se distribuyen a través de la red de una empresa, lo que resulta fundamental para la toma de decisiones en tiempo real y a nivel de dispositivo.
Privacidad
Por último, cabe señalar la privacidad como uno de los grandes desafíos sin resolver de la IA, especialmente con la creciente variedad de dispositivos que pueden habilitarse en una red corporativa. Edge computing sale de nuevo al rescate: la información sensible puede almacenarse y procesarse localmente, en lugar de ser enviada a la nube. A menor transferencia de datos sensibles entre los dispositivos y la nube, mayor seguridad para las empresas y sus clientes.
En definitiva, la IA se dirige al borde. De hecho, según Gartner, dentro de dos años el 74% de todos los datos, incluidos los captados por dispositivos de IA, serán procesados y analizados en el extremo de la red.