Integración de IA transforma la observabilidad en tecnología actual

La transformación de la observabilidad en el mundo tecnológico

La evolución de las herramientas de observabilidad ha dado un giro significativo en los últimos años. Mientras que el mercado de soluciones para asegurar la fiabilidad de los sistemas tecnológicos ha crecido, el enfoque ha cambiado de “seguir todo” a “controlar la complejidad y los costos”. En este contexto, la rápida adopción de agentes de inteligencia artificial (IA) en las empresas ha generado una nueva categoría de carga de trabajo que necesita ser observada y gestionada.

Las empresas ahora enfrentan el reto de integrar estos nuevos agentes de IA en su infraestructura tecnológica existente, lo que complica aún más la situación. La capacidad de monitorizar no solo el rendimiento de los modelos de IA, sino también de diagnosticar el funcionamiento de toda la pila tecnológica se ha vuelto fundamental. Esto es donde entran en juego startups como InsightFinder AI, que están en la vanguardia de esta revolución.

InsightFinder AI: Una solución innovadora

Fundada por la profesora de ciencias de la computación Helen Gu, InsightFinder AI se ha propuesto abordar estos desafíos desde 2016, aplicando técnicas de aprendizaje automático para monitorear y solucionar proactivamente problemas en la infraestructura de TI. La empresa ha evolucionado para atacar el problema de la fiabilidad de los modelos de IA mediante una solución que abarca desde la detección y el diagnóstico hasta la remediación y la prevención.

Recientemente, InsightFinder AI recaudó 15 millones de dólares en una ronda de financiación Serie B, liderada por Yu Galaxy. Este capital se destinará a expandir su equipo y mejorar sus estrategias de ventas y marketing. La visión de Gu es clara: el mayor desafío de la industria hoy en día no es solo monitorizar y diagnosticar dónde fallan los modelos de IA; es entender cómo funciona toda la infraestructura tecnológica con la IA integrada.

La complejidad de los sistemas modernos exige un enfoque holístico para garantizar su fiabilidad.

La importancia de una visión holística

La capacidad de diagnosticar problemas en modelos de IA no se limita a un análisis superficial de los datos o del modelo en sí. Según Gu, es fundamental monitorizar y analizar los datos, el modelo y la infraestructura de manera conjunta. Esto implica que, en ocasiones, el problema no reside exclusivamente en el modelo o en los datos, sino que puede estar relacionado con la infraestructura misma.

Un ejemplo revelador es el caso de un cliente de InsightFinder, una importante empresa de tarjetas de crédito en EE.UU. Esta compañía se percató de que uno de sus modelos de detección de fraudes estaba sufriendo un desvío. Gracias a la monitorización integral que realiza InsightFinder, se pudo identificar que dicho desvío era consecuencia de un caché obsoleto en algunos nodos del servidor. Este tipo de incidentes resalta la necesidad de contar con herramientas de observabilidad que no solo se enfoquen en la IA, sino que también consideren todos los componentes del sistema.

La nueva generación de herramientas de observabilidad

El nuevo producto de InsightFinder, denominado Autonomous Reliability Insights, utiliza una combinación de aprendizaje automático no supervisado, modelos de lenguaje de gran y pequeño tamaño, inteligencia predictiva e inferencia causal. Este enfoque permite al sistema procesar y analizar flujos de datos completos, recolectando señales que luego pueden correlacionarse y validarse para llegar a la raíz del problema.

La innovación en observabilidad se basa en la capacidad de adaptarse a los cambios constantes del entorno tecnológico.

Con el crecimiento de la demanda de soluciones de observabilidad, el espacio se ha vuelto competitivo. InsightFinder se enfrenta a rivales como Grafana Labs, Fiddler, Datadog y New Relic, que también están desarrollando capacidades para abordar los nuevos desafíos presentados por las herramientas de IA. Sin embargo, Gu confía en que la experiencia y la personalización que ofrece InsightFinder actúan como un “muro” protector frente a la competencia.

La experiencia como ventaja competitiva

Gu sostiene que la clave del éxito de InsightFinder radica en la comprensión profunda de las necesidades de los clientes empresariales. Con una cartera de clientes que incluye a empresas de renombre como UBS, NBCUniversal, Lenovo y Google Cloud, la startup ha dedicado más de una década a perfeccionar su oferta y adaptarse a las exigencias del mercado.

La colaboración con grandes empresas ha sido esencial para el crecimiento de InsightFinder. Gu menciona que han trabajado estrechamente con clientes del Fortune 50 para comprender los requisitos específicos del entorno empresarial necesarios para implementar estos modelos de IA de manera efectiva. “No se puede simplemente aplicar un modelo de IA a los datos de máquina”, enfatiza Gu, subrayando la necesidad de una integración cuidadosa y bien planificada.

Un crecimiento exponencial en el mercado

El modelo de negocio de InsightFinder ha demostrado ser robusto, con un crecimiento de ingresos que ha superado las tres veces en el último año. A pesar de que la empresa no tenía planes inmediatos de recaudar más fondos, la reciente victoria en un contrato de siete cifras con una empresa Fortune 50 atrajo la atención de inversores interesados. Este interés ha permitido a InsightFinder asegurar el capital necesario para escalar su negocio y mejorar sus capacidades de mercado.

La startup está comprometida a utilizar los nuevos fondos para realizar sus primeras contrataciones en ventas y marketing, así como para expandir su equipo, que actualmente cuenta con menos de 30 empleados. Esta expansión es vital para afrontar la creciente demanda de sus soluciones y para consolidar su posición en un mercado en rápida evolución.

Desafíos y oportunidades en la era de la IA

A medida que la IA continúa transformando el panorama tecnológico, las empresas deben adaptarse a los nuevos desafíos que surgen. La observabilidad de la IA no debe ser vista únicamente como una fase de desarrollo o prueba, sino como un proceso continuo que abarca desde la concepción del modelo hasta su implementación en producción.

Gu enfatiza que una plataforma sólida de observabilidad de IA debe proporcionar un bucle de retroalimentación integral que cubra todas las etapas del ciclo de vida del modelo. Esto implica que las organizaciones deben estar preparadas para monitorizar no solo el rendimiento de los modelos, sino también cómo estos interactúan con la infraestructura tecnológica en la que se ejecutan.

En un entorno empresarial donde la complejidad aumenta día a día, las soluciones que combinan un enfoque integral con la capacidad de adaptarse a nuevas tecnologías serán las que marquen la diferencia. InsightFinder se posiciona como un actor clave en este ámbito, ofreciendo a las empresas las herramientas necesarias para navegar en un mundo cada vez más interconectado y dependiente de la IA.