Un tercio de las organizaciones anticipa trasladar un mayor volumen de cargas de trabajo de inteligencia artificial (IA) hacia dispositivos locales en el próximo año. De acuerdo con un estudio global realizado por Omdia, que tuvo como muestra a más de 1.500 responsables tecnológicos, el 76% de las empresas expresaron su preocupación por los riesgos de seguridad asociados a la transmisión de datos a la nube. Para mitigar estas vulnerabilidades, las organizaciones están acelerando la adopción de arquitecturas híbridas y el procesamiento en el propio dispositivo, buscando así proteger la privacidad, optimizar costes operativos y potenciar el desarrollo de la IA.
La seguridad de la información se ha consolidado como el principal propulsor de esta transformación arquitectónica. Dado que el 99% de las empresas utiliza datos propios en sus procesos de IA, la ejecución local se ha convertido en una necesidad crítica. En este sentido, el 87% de los directivos tecnológicos considera esencial procesar y proteger la información sensible directamente en los dispositivos, evitando así el envío de datos confidenciales a la nube. Esto no solo elimina riesgos de exposición durante la transferencia, sino que también disminuye las cargas burocráticas y los retrasos vinculados al cumplimiento normativo.
Los factores económicos también juegan un papel fundamental en la decisión de migrar hacia un entorno local. Las operaciones en la nube generan costes operativos crecientes e impredecibles, especialmente con cada llamada a la API o transferencia de datos. Para hacer frente a esta volatilidad financiera, modelos como el DaaS (Device as a Service), promovidos por Econocom, permiten transformar grandes inversiones iniciales (CAPEX) en gastos operativos (OPEX) previsibles y manejables. Esta estrategia facilita el acceso al hardware de procesamiento local, presentando un coste marginal casi nulo por consulta tras su implementación, lo que permite a los equipos experimentar y escalar modelos de IA sin sorpresas en el presupuesto.
La opción de procesamiento en el dispositivo también responde a la realidad operativa del sector, donde el 95% de las organizaciones ajusta y ejecuta inferencias sobre modelos ya existentes, en lugar de crear nuevos desde cero. El 57% de los modelos empresariales tiene menos de 10.000 millones de parámetros, lo que los hace aptos para ser ejecutados en equipos modernos sin necesidad de recurrir a grandes centros de datos. Además, los avances en arquitectura de memoria unificada han permitido procesar modelos de gran tamaño de manera local.
Equipos de alto rendimiento, como el MacBook Pro con el chip M4 Max (128 GB de memoria unificada), pueden ejecutar modelos de hasta 70.000 millones de parámetros con gran fluidez. Por otro lado, estaciones de trabajo como el Mac Studio con el M3 Ultra (512 GB) son capaces de manejar modelos complejos que superan los 300.000 millones de parámetros directamente desde el escritorio.
La insatisfacción con el modelo de desarrollo tradicional es común: solo el 9% de las empresas afirma que sus alianzas estratégicas en IA satisfacen plenamente sus necesidades, sin dejar carencias en integración, costes o seguridad. Como resultado, más de un tercio de las organizaciones planea aumentar la carga de trabajo de IA en dispositivos en el próximo año, cifra que se eleva al 65% entre las empresas que ya utilizan procesamiento en el dispositivo.
En este contexto, las organizaciones que desarrollan software e IA internamente están adoptando ordenadores Mac a un ritmo 1,8 veces superior al de aquellas que optan por soluciones comerciales. Esta preferencia se debe a las ventajas en rendimiento, control y la arquitectura de memoria unificada que ofrecen estos equipos.
Etiquetas: Inteligencia Artificial, IA
Sin comentarios
Para comentar debes tener una cuenta. ¡Es gratis!
Regístrate gratis Iniciar sesión