Algunos riesgos directos o indirectos asociados al despliegue de la IA generativa en las empresas están ahora bien documentados, como el mal uso de la tecnología, la percolación de sesgos cognitivos, las alucinaciones, pero también la falta de habilidades, el coste financiero asociado a la potencia necesaria, la protección de los datos de entrenamiento, etc.

A través de una encuesta sobre los obstáculos para el despliegue de GenAI "Informe de interconexión 2024: El impacto de la IA generativa en las redes", el operador de red como servicio Console Connect destaca otro riesgo menos mencionado: la red corporativa. A través de los riesgos cibernéticos, pero también de la capacidad de la infraestructura para soportar las aplicaciones GenAI.

Arlington Research realizó esta encuesta en enero para Console Connect entre mil directores de tecnología y altos directivos de TI, en su mayoría de empresas con menos de 5.000 empleados. Los encuestados son principalmente anglosajones (Estados Unidos, Reino Unido, Australia, pero la encuesta también abarca Hong Kong y Singapur).

Actualización de red de baja prioridad

Siete de cada diez CTO y responsables de TI encuestados creen que es probable o extremadamente probable que la IA generativa exponga su red a riesgos de ciberataques o filtraciones de datos. Y una proporción casi igual cree que su infraestructura de red actualmente no les permite adoptar plenamente esta tecnología. Estos temores se están convirtiendo en obstáculos importantes para los proyectos de IA, ya que el 41% sitúa el riesgo cibernético en lo más alto de la lista de obstáculos para la adopción de la tecnología en su empresa y un tercio hace lo propio con la capacidad de la infraestructura existente para soportar el despliegue de la IA generativa.

Casi 7 de cada 10 encuestados dicen que están preocupados por la capacidad de su infraestructura de red existente para manejar la carga de la IA generativa.

La encuesta revela que casi la misma cantidad de personas considera que la ciberseguridad es una prioridad lógica, pero menos de un tercio de los encuestados cree que la modernización de la infraestructura de red es una prioridad. Es difícil saber si se trata de una preocupación difícil de transmitir a la alta dirección o a la dirección financiera, o si los costes ya elevados de la IA generativa están desalentando la inversión adicional en esta área.

Riesgos relacionados con la latencia y la congestión de la red

Sin embargo, como señala el informe de la encuesta, “la IA generativa requiere importantes recursos computacionales y de procesamiento de datos para funcionar de manera eficaz, lo que requiere soluciones de red rápidas y flexibles para mantenerse al día con los cambios frecuentes de la tecnología”. Console Connect afirma que las infraestructuras de red actuales son “incapaces de almacenar, procesar o recuperar los conjuntos de datos masivos de los que se alimenta esta tecnología”.

Si bien el proveedor de servicios de interconexión NaaS recomienda, como era de esperar, una auditoría de la red, también identifica puntos específicos a los que prestar atención, como, por ejemplo, “las capacidades de computación de borde necesarias para procesar datos de IoT y proporcionar información de calidad en tiempo real”. También llama la atención sobre la ciberseguridad como otro riesgo importante, aunque la mayoría de las empresas ya lo tienen en cuenta de manera más general.

Por último, para el 16% de los encuestados, la principal preocupación relacionada con el uso de IA generativa en la red de la empresa radica en la seguridad y protección de los datos, y para el 14% en su precisión y fiabilidad. Pero aproximadamente uno de cada diez responsables de TI también está preocupado por la congestión de la red o el consumo excesivo de ancho de banda y recursos de red. El informe del estudio considera la latencia como un factor crítico que podría dificultar el manejo de los grandes conjuntos de datos necesarios para entrenar a la IA en la nube pública. En cuanto a la congestión de la red, podría incluso perjudicar "la capacidad de las empresas para construir sus propios modelos en un plazo de tiempo razonable, impidiendo la alimentación de los LLM con datos recientes".