En mi último blog, hablé sobre algunas de las exageraciones de la industria sobre la IA y el ML. El blog analiza lo que las técnicas de IA actuales son capaces de hacer hoy en día a un nivel básico, y también ofrecí una definición para estos términos, a menudo mal entendidos, en el contexto de los centros de datos. En esta publicación, me gustaría desarrollar este debate al describir 3 desafíos clave que la industria necesita enfrentar y resolver si las herramientas de IA se adoptan ampliamente para alcanzar su valor total para los proveedores de colocación.
3 cosas que el mercado de los centros de datos necesita superar para la adopción generalizada de la IA
El primer desafío es instrumentar el centro de datos.
El viejo adagio “basura entra, basura sale” se aplica aquí más que nunca. A pesar de su naturaleza de “caja negra”, los algoritmos de aprendizaje automático y las redes neuronales profundas no son mágicas. Al igual que cualquier motor analítico, necesitan grandes volúmenes de buenos datos sobre los que actuar. Aquellos con suites de gestión de infraestructura de centro de datos (data center infrastructure management, DCIM) bien implementadas probablemente estén en buena forma. Pero parte de este desafío de instrumentar el centro de datos también recae en los proveedores del equipo. ¿Su hardware recopila y reporta la información necesaria para que los algoritmos funcionen? Schneider Electric lleva mucho tiempo digitalizando e instrumentando sus UPS, unidades de refrigeración, PDU, tableros de fuerza, etc., antes que otros en la industria. Pero, a medida que desarrollamos casos de uso de IA y los algoritmos para respaldarlos, podemos darnos cuenta de que necesitamos nuevos sensores en lugares nuevos que todavía no tenemos. Por ejemplo, tal vez descubramos que tener un sensor de vibración en una ubicación distinta podría brindarnos un poco más de visibilidad proactiva en el ciclo de vida de ese sistema que no tenemos hoy. Con el tiempo, este tipo de cosas evolucionará.
El segundo desafío es que tradicionalmente estos datos han estado viviendo en sistemas distintos. Los datos de las instalaciones se encuentran en el BMS; la información sobre la calidad de la energía, en el sistema de monitoreo de energía eléctrica (electrical power monitoring system, EPMS); la información sobre la infraestructura de espacios en blanco, en las herramientas DCIM; y el software de TI/los recursos virtuales, en las herramientas de administración de funcionamiento del TI. Para que el sistema entienda todas las variables críticas y cómo se conectan e impactan entre sí, estos datos deben consolidarse y ponerse en el modelo de IA. Consolidar todos estos datos dispares sigue siendo un desafío que aún no se ha resuelto por completo. Sin embargo, la nueva arquitectura y plataforma del sistema EcoStruxure™ de Schneider Electric contribuye en gran medida a resolver este desafío. Sin la consolidación, las aplicaciones de IA se limitan a funciones mucho más limitadas, como la optimización del controlador de aire o la advertencia temprana sobre fallas en el ventilador de la unidad de refrigeración. Claro que estas son funciones útiles, pero no son trascendentales.
El tercer desafío de datos es a lo que nos referimos como integridad de datos. Todos estos datos deben estar correlacionados entre sí y debe de haber contexto; el modelo necesita saber de dónde vienen los datos exactamente. Para un conjunto de datos determinado de un activo específico, es posible que el modelo necesite conocer elementos como: sitio, sala, fila, rack, espacio en U, ruta de alimentación, puerto de red y requisitos de políticas. Los períodos de tiempo deben estar sincronizados de alguna manera. Las herramientas DCIM requieren tener esto definido y planeado, pero se necesita mucho esfuerzo y recursos para configurarlo inicialmente y, luego, mantenerlo a medida que las cosas cambian con el tiempo. Depende en gran medida de nosotros los proveedores tratar de simplificar todo esto y ocultar la complejidad.
¿Qué es lo siguiente para la IA en el mercado de centros de datos que los proveedores de colocación deben considerar?
El punto aquí es que estos desafíos existen y aún deben resolverse antes de que el uso de la IA en los centros de datos se convierta en una práctica común y los proveedores de colocación puedan aplicar mejor los beneficios. Tener un sistema DCIM bien implementado y mantenido es un primer paso clave para los proveedores de colocación. Dicho sistema proporcionará la medición necesaria y los datos contextuales que harán que las herramientas de IA sean efectivas. Esté atento a mi próximo blog donde compartiré cómo creemos que la IA se aplicará específicamente en los centros de datos de colocación en el corto plazo, y también por qué la confiabilidad de la IA tendrá un mayor impacto en el crecimiento de su negocio.
Añadir comentario