El CEO de Microsoft, Satya Nadella, causó revuelo recientemente al afirmar que el software como servicio (SaaS) tradicional está muerto y será reemplazado por agentes de IA. En medio de este cambio hay dos disrupciones: (1) en la capa de interfaz de la aplicación, que define cuales experiencias de usuario final son posibles y (2) en la capa de lógica de negocio, la cual define la capacidad del software. Ambas se reducen a la base de datos e implica que todas las aplicaciones de software que conocemos hoy en día son simplemente interfaces sofisticadas que se asientan sobre bases de datos.
Especial de Laszlo Beke
Esta transición del SaaS tradicional a las aplicaciones con agentes está desmantelando la pila de aplicaciones y acercando aún más la experiencia del usuario final a la base de datos. Con el auge de los agentes de Inteligencia Artificial, la base de datos se ha convertido en una capa de aplicación aún más crítica. Por lo tanto, las empresas deben reconsiderar fundamentalmente cómo se organizan, se accede y se utilizan los datos.
Así que, en la medida que las organizaciones adopten un paradigma de innovación centrado en una explosión de datos ricamente estructurados, no solo están habilitando una mejor IA, sino que están redefiniendo por completo lo que el software puede lograr. Al liberarse de los modelos de datos rígidos, pueden transformar las bases de datos de software estático en motores de innovación que impulsarán la próxima ola de inteligencia tecnológica.
Un poco de historia de bases de datos
El cerebro depende de una vasta red ramificada de miles de millones de neuronas que conectan estímulos, experiencias y conocimientos (a menudo en tiempo real) para comprender el mundo. Esta compleja red cognitiva adaptativa es lo que hace al cerebro humano tan poderoso. Precisamente por eso, las redes neuronales de aprendizaje automático se modelan a partir del cerebro. A medida que los modelos de aprendizaje automático, incluidos los grandes modelos lingüísticos, sigan evolucionando y se vuelvan más inteligentes, las aplicaciones que los impulsan se parecerán más a nosotros.
Esto lleva a analizar los datos, la información de la cual dependen los modelos inteligentes (como nuestra memoria). Históricamente, las bases de datos almacenaban datos en tablas organizadas de filas y columnas, una estructura similar a la de una hoja de cálculo. En este modelo “tabular” de gestión de datos, cada celda cumple una función única y específica, lo que garantiza un control estricto. Es un mecanismo altamente organizado para el almacenamiento y la recuperación de datos, pero es inflexible y le cuesta adaptarse a tipos de información imprevistos.
Este estándar de bases de datos se vio significativamente alterado con el auge de las aplicaciones móviles, impulsado por el lanzamiento de los teléfonos inteligentes. Estas nuevas aplicaciones exigían una forma más flexible de gestionar conjuntos de datos ricamente estructurados: datos que no se reducen fácilmente a filas y columnas, sino que consisten en relaciones complejas y anidadas. Para adaptarse a esta complejidad, surgieron nuevos tipos de bases de datos menos rígidos, incluyendo el “modelo de documento”, una solución que permite a los desarrolladores organizar los datos de forma que reflejen con mayor precisión los objetos y relaciones del mundo real.
El auge de la IA ha desencadenado una nueva ola de disrupción. Ante las mayores expectativas de los usuarios respecto a la inteligencia de las aplicaciones, la capa de lógica de negocio de la aplicación —la cual define las acciones que el software puede realizar— debe evolucionar para ser sensible al contexto, capaz de razonar de forma independiente y de tomar medidas intuitivas en nombre de los usuarios. Al mismo tiempo, la demanda de aplicaciones cada vez más inteligentes está acercando la capa de interfaz, responsable de las interacciones del usuario final, a la base de datos: con una demanda nunca antes vista de información basada en datos más rápida. La base de datos, tradicionalmente la base de las aplicaciones se está extendiendo hasta la cima de la pila.
Las bases de datos deben adaptarse a la disrupción
Los agentes impulsados ??por Inteligencia Artificial requieren volúmenes masivos de datos, mucho más que cualquier necesidad del pasado. Las aplicaciones de agentes actuales deben gestionar datos a escala de petabytes (un petabyte es un millón de veces el tamaño de un gigabyte). Pero las necesidades de datos de la IA no son solo una cuestión de escala; la IA también requiere datos complejos. A medida que las aplicaciones impulsadas por IA se acercan cada vez más al razonamiento humano, no parece tener sentido que los datos en los que se basan (el conocimiento) se limiten a filas y columnas rígidas.
Para impulsar estos avances, los datos deben organizarse de forma que las aplicaciones inteligentes puedan comprender y expresar relaciones dinámicas, conocimiento contextual y adaptabilidad en tiempo real. El futuro de los datos reside en formas flexibles y naturales de representar la información: datos organizados menos como tablas y más como redes interconectadas, interdependientes y complejas. Un “mapa” ricamente estructurado, donde los puntos de datos se relacionan entre sí de forma significativa y que está organizado de forma que las relaciones y los significados relativos se integren en la estructura.
Tomemos como ejemplo a un asistente médico impulsado por IA, diseñado para ayudar a los médicos a realizar diagnósticos más rápidos y precisos. Debe interpretar simultáneamente (y con rapidez) múltiples tipos de datos (historial del paciente, constantes vitales en tiempo real, resultados de laboratorio, literatura médica), a la vez que debe considerar la evolución de los síntomas y las condiciones externas, como los factores de riesgo ambientales. Y no basta con presentar posibles diagnósticos: el agente debe proporcionar información práctica sobre los próximos pasos y planes de tratamiento, y refinar continuamente sus recomendaciones en función de los resultados del paciente.
Los datos ricamente estructurados sientan las bases para este nivel de lógica casi humano, al permitir que las capas de conocimiento interactúen fluidamente. A medida que la inteligencia de aplicaciones evoluciona, los agentes procesan estos datos a mayor velocidad, con un mayor nivel de fidelidad y gestionan nuevos tipos de entradas multimodales como texto, imágenes, voz y datos de sensores. En conjunto, esto permite al agente anticipar sus necesidades, teniendo en cuenta el contexto y los cambios del momento para ofrecer recomendaciones intuitivas y conscientes. En resumen, son datos estructurados de forma más similar a cómo funciona nuestro cerebro.
Se hace referencia a The Rise Of AI Agents And The Future Of Data. También aparece en mi Portal https://tinyurl.com/33fzamry. La imagen es cortesía de Bing Image Creator.