InfoWorld
La cantidad de nuevas tecnologías ha sido abrumadora; la nube se adoptó más rápido de lo que los analistas proyectaron y trajo consigo varias herramientas nuevas; la IA se introdujo en casi todas las áreas de la vida cotidiana; IoT y el edge computing surgieron; y una serie de tecnologías nativas de la nube se materializaron, por nombrar algunas.
Es el momento de analizar las tendencias y anticipar lo que probablemente sucederá en la arena tecnológica durante este 2018.
Plataformas integradas y todo se convierte en serverless (sin servidor)
Amazon y los otros proveedores de la nube están en una carrera para ganar y mantener su participación en el mercado, por lo que siguen elevando el nivel de abstracción e integración de servicios cruzados para mejorar la productividad de los desarrolladores y fortalecer los lockins de los clientes.
Amazon presentó nuevas ofertas de bases de datos como servicio y bibliotecas y herramientas de IA completamente integradas en AWS Re: Invent. También comenzó a hacer una distinción entre diferentes formas de servidor; AWS Lambda ahora se trata de funciones sin servidor, mientras que AWS Aurora y Athena son sobre “bases de datos sin servidor”, ampliando la definición de serverless a cualquier servicio que oculte los servidores subyacentes.
Presumiblemente, muchos más servicios en la nube ahora podrán llamarse “sin servidor” por esta definición más extensa. En 2018, los proveedores de la nube pondrán mayor énfasis a la integración de los servicios individuales que vienen con abstracciones de mayor nivel.
También se enfocarán en servicios relacionados con IA y administración de datos. Estas soluciones simplificarán los trabajos de los desarrolladores y profesionales de operaciones, y ocultará sus complejidades inherentes. Sin embargo, conllevan un riesgo de mayor lockin.
En 2017, los suministradores de la nube se alineaban con Kubernetes como la capa de orquestación de microservicios, lo que alivió parte del bloqueo. En 2018, se verá un elevado conjunto de servicios abiertos y comerciales construidos sobre Kubernetes, que pueden otorgar una alternativa multinube a las ofertas de nube propietarias.
El Nuclio de Iguazio es, por supuesto, un gran ejemplo para una plataforma sin servidor tan abierta y multicultural, como lo es el PaaS Openshiftmulticloud de Red Hat.
La ventaja inteligente edge vs. la nube privada
La nube permite la agilidad comercial requerida que es necesaria para desarrollar aplicaciones modernas y basadas en datos, ya sea en compañías emergentes o en grandes empresas que operan como startups. El desafío es que no puede ignorar la gravedad de los datos, ya que muchas fuentes todavía viven en edge o en la institución.
Esto, aumentado por el ancho de banda 5G, latencia, nuevas regulaciones como GDPR y más, obliga a ubicar la computación y el almacenamiento más cerca de las fuentes de datos.
El modelo de nube pública de hoy es de consumo de servicios, para que los desarrolladores y usuarios puedan eludir las TI, llevar algunas funciones sin servidor, usar bases de datos de autoservicio o incluso subir un video a una herramienta en la nube que lo devuelva con una traducción al idioma deseado.
Pero es necesario construir de manera propia los servicios cuando se usan las alternativas on-prem, y la abstracción tecnológica está evolucionando tan rápidamente, que es prácticamente imposible para los equipos de TI crear utilidades modernas que puedan compararse con alternativas en la nube, forzando a las organizaciones a salir de ella.
Las soluciones de distribuidores de TI etiquetadas como “nube privada” no se parecen en nada a la nube real, ya que se centran en automatizar las operaciones de TI. No brindan servicios de alto nivel para usuarios y desarrolladores. TI termina ensamblando docenas de paquetes individuales de fuente abierta o comerciales, agregando capas de seguridad comunes, administración de configuración y registro, etc.
Esto ha abierto la oportunidad para que los proveedores de la nube y nuevas compañías entren en el espacio de vanguardia y en las instalaciones.
En 2017 se vio a Satya Nadella, CEO de Microsoft, enfocándose cada vez más en lo que él llama “El edge inteligente”. Microsoft presentó Azure Stack, que es una mini versión de la nube de Azure y desafortunadamente contiene solo una pequeña parte de los servicios que ofrece Microsoft en la nube. Por otra parte, Amazon comenzó a ofrecer dispositivos avanzados llamados Snowball Edge, y se espera que dupliquen esos esfuerzos.
El edge inteligente no es una nube privada. Proporciona un conjunto idéntico de servicios y modelos de operaciones como en la nube pública, pero se accede a ellos localmente y en muchos casos se opera y se mantiene desde una nube central, al igual que los operadores administran los decodificadores de cable.
Durante 2018 el mercado tradicional de la nube privada se reducirá mientras que al mismo tiempo crecerá el impulso en torno al Edge inteligente. Los abastecedores de la nube agregarán o mejorarán las ofertas de edge y las nuevas compañías ingresarán en ese espacio, en algunos casos a través de ofertas integradas para aplicaciones verticales específicas o casos de uso.
Inteligencia artificial desde la tecnología en bruto hasta la función integrada y stacks verticales
El rápido aumento de las tecnologías de IA y de aprendizaje automático es utilizado principalmente por empresas líderes del mercado como Amazon, Google y Facebook. La inteligencia artificial dista mucho de ser trivial para la empresa promedio, pero realmente no hay ninguna razón para que la mayoría de las organizaciones contraten científicos de datos apenas disponibles o creen y entrenen modelos de IA desde cero.
Corporaciones como Salesforce integraron IA en su plataforma, aprovechando la gran cantidad de datos de clientes que aloja. Otros están siguiendo ese camino para integrar esta tecnología en las ofertas como una característica. Al mismo tiempo, esta herramienta obtiene un enfoque vertical, y surgirán soluciones de software de inteligencia artificial para sectores específicos y verticales, como marketing, venta minorista, atención médica, finanzas y seguridad.
Los usuarios no necesitarán conocer las partes internas de las redes neuronales o los algoritmos de regresión en estas soluciones. En su lugar, proporcionarán datos y un conjunto de parámetros y obtendrán un modelo de IA que se puede usar en su aplicación.
IA sigue siendo un campo muy nuevo con muchas propuestas superpuestas y sin estandarización. Si utiliza un marco como TensorFlow, Spark, H2O y Python para su fase de aprendizaje, deberá usar el mismo para la parte de inferencia (scoring). Pronto esto esfuerzos para definir modelos de IA serán abiertos y multiplataforma.
Además, vendrán más soluciones que automatizan el proceso de creación, asesoramiento e implementación de IA, como el recientemente presentado AWS Sage Maker.
De Big Data a datos continuos
En los últimos años, las organizaciones comenzaron a desarrollar una práctica de big data impulsada por TI central. Su objetivo ha sido recopilar, seleccionar y analizar de forma centralizada datos comerciales y registros para futuras aplicaciones.
Los datos se han reunido en clústeres Hadoop y soluciones de depósito de información, y luego los utiliza un grupo de científicos de datos que ejecutan trabajos por lotes y generan algunos reportes o cuadros de mandos. Según todos los principales analistas, este enfoque ha fallado, y el 70% de las empresas no ve ningún ROI (según Gartner).
La información deben ser procesable para obtener estadísticas de ROI. Debe integrarse en los procesos comerciales y derivarse de datos recientes, tal como en los anuncios segmentados y las recomendaciones de Google y Facebook.
Las estadísticas deben insertarse en las aplicaciones empresariales modernas. Por ejemplo, un cliente que accede a un sitio web o utiliza un chatbot necesita obtener una respuesta inmediata con contenido específico basado en sus actividades o perfil recientes.
Los datos del sensor recopilados de IoT o dispositivos móviles fluyen de forma continua y requieren acciones inmediatas para generar alertas, detectar violaciones de seguridad, proporcionar mantenimiento predictivo o habilitar acciones correctivas.
La información visual se inspecciona en tiempo real para vigilancia y seguridad nacional; también es utilizada por los minoristas para analizar cifras de puntos de venta como el estado del inventario, las preferencias del cliente y las recomendaciones en tiempo real basadas en las actividades observadas.
El análisis en tiempo real reduce los costos comerciales mediante la automatización de procesos que antes eran manuales. Los autos se están conectando y son autónomos. Telemercaderes y asistentes son reemplazados por bots. Las flotas o los camiones, los taxistas o los técnicos están orquestados por IA y lógica dirigida por eventos para maximizar la utilización de recursos.
Las tecnologías como Hadoop y almacenamiento de datos se inventaron hace diez años y son anteriores a la era de la inteligencia artificial, el procesamiento de streams y las tecnologías en memoria o flash. Las compañías ahora están viendo que existe un valor limitado en la construcción de data lakes, ya que pueden realizar la extracción de datos mediante el uso de herramientas en la nube más simples.
El enfoque se está desplazando desde la recolección de información hasta el uso continuo de datos, un área en la que las utilidades enfocadas en contenidos en reposo y en procesos centrales impulsados por TI, que simplemente no arranca.
También habrá un cambio continuo de Big Data a datos rápidos y aplicaciones constantes basadas en cifras. La información será ingerida consecutivamente por una amplia variedad de fuentes. Se contextualizará, enriquecerá y agregará en tiempo real, en comparación con los modelos de inteligencia artificial aprendidos de manera persistente, para que luego pueda generar una respuesta inmediata a los usuarios, comandar acciones y presentarse en tableros interactivos en tiempo real.
En la empresa, el centro de atención se trasladará de TI a las unidades de negocios y desarrolladores de aplicaciones que incorporarán las decisiones basadas en datos en la lógica comercial existente, portales web y las interacciones diarias con los clientes.
El resultado final para 2018 es:
1. El edge inteligente crecerá, y el mercado tradicional de nubes privadas se reducirá.
2. Surgirán soluciones de software de IA para industrias y verticales específicas. Además, los modelos de IA comenzarán a ser abiertos y multiplataforma.
3. Los datos rápidos, las aplicaciones continuas y los servicios en la nube reemplazarán los big data y Hadoop.
4. De una forma u otra, los servicios en la nube serán más fáciles de consumir, aumentando así la brecha entre ellos y las soluciones de nube tradicionales y privadas.
Comments