Wells Fargo: AI/ML Workloads with OpenShift—Scaling Innovation in the Financial Services Industry

Uso de la inteligencia artificial en la industria financiera

«Hay muchos casos de uso para la inteligencia artificial ya que la mayoría de las organizaciones apenas están comenzando su viaje hacia la inteligencia artificial.»

• La industria financiera está adoptando la inteligencia artificial (IA) para resolver problemas de los clientes, comenzando por tareas simples como el servicio al cliente a través de chatbots. Este enfoque permite a los usuarios obtener respuestas rápidas sin necesidad de esperar en línea para hablar con un representante.
• Un uso clave de la IA en finanzas es la detección de fraudes y gestión de riesgos. A través del análisis de datos como los hábitos de gasto, las instituciones financieras pueden identificar transacciones fuera de lo común y alertar a los clientes.
• Otro caso de uso mencionado es el otorgamiento de préstamos, facilitando el proceso de análisis de la información del solicitante para ayudar a los bancos a decidir sobre la aprobación, aunque estas decisiones aún se basan en la intervención humana con las recomendaciones de IA.
• Además, la IA se utiliza en el trading, donde los inversores pueden ingresar su perfil de riesgo y recibir recomendaciones de inversión adecuadas.

Herramientas y plataformas de IA en OpenShift

«Con OpenShift como producto, puedes obtener todas las características empresariales listas para usar, como autenticación y supervisión.»

• Sean describe cómo OpenShift utiliza Kubernetes para implementar soluciones de IA. A pesar de la curva de aprendizaje que presenta Kubernetes, OpenShift facilita esta transición al incluir herramientas y características empresariales listas para usar.
• La capacidad de OpenShift para soportar una variedad de aplicaciones de IA y habilitarlas junto con otras aplicaciones empresariales optimiza el manejo y soporte operativo general, permitiendo que el equipo de operaciones reutilice su conocimiento existente.
• También se menciona que el ecosistema de operadores permite extender la plataforma de OpenShift para trabajar en ambientes de IA/ML, proporcionando herramientas como pipelines de ciencia de datos y cuadernos de Jupyter.

La evolución de los controles y la configuración de la plataforma

«El control de admission es visto en la industria para ayudar a la plataforma con cualquier tipo de vecinos ruidosos.»

• Comron aborda el tema de la «deriva de configuración» y cómo herramientas como GitOps son fundamentales para garantizar que la definición de infraestructura sea controlada y aplicada de manera uniforme a través de todos los entornos en la red.
• Se señala que el uso de controles de admisión ha aumentado, no solo para proteger recursos de la plataforma, sino también para ayudar a los equipos de aplicación a evitar errores que pueden resultar en tiempos de inactividad durante actualizaciones.
• La discusión enfatiza que la seguridad también es parte de la preparación operativa, lo que refleja la importancia de adoptar nuevas herramientas y procesos para mantener la eficiencia en la implementación de soluciones de IA.

Roles en la administración de plataformas artificiales

«En el lado de la IA, tenemos una combinación de científicos de datos e ingenieros de datos.»

• Hay una variedad de roles que son esenciales para la administración de infraestructuras y aplicaciones en un entorno de Machine Learning (IML). Un ejemplo típico es el administrador de infraestructura, quien se ocupa de los aspectos de computación, almacenamiento y redes de la plataforma.
• Además de los administradores de TI, hay administradores de plataformas, como los de OpenShift, que gestionan el ecosistema desde una perspectiva de plataforma, asegurando que se respeten la seguridad y el cumplimiento normativo.
• Para los trabajos relacionados con inteligencia artificial (IA), los ingenieros de datos deben garantizar que el dato utilizado sea de alta calidad. Esto implica limpiar y verificar que los datos sean precisos y que no contengan sesgos.
• Los científicos de datos, una vez que se ha preparado el dato, usan esa información para entrenar modelos, realizar inferencias y generar resultados deseados en proyectos de IA.

Importancia de la comunicación en equipos de trabajo

«Es todo sobre saber cuáles son tus requisitos y luego comunicarlos a los diferentes equipos dentro de la organización.»

• La comunicación efectiva es fundamental para el éxito en organizaciones grandes, especialmente cuando se trabaja con diferentes roles y equipos. Es crucial que los requisitos y necesidades se comuniquen claramente para que todos los equipos involucrados puedan cumplir con sus objetivos.
• Sin una buena comunicación, el siguiente equipo en la cadena no sabrá qué hacer ni cómo cumplir con el objetivo requerido, lo que puede llevar a malentendidos y a resultados negativos.

Herramientas y soporte en la gestión de IA

«No es necesario reinventar la rueda.»

• Hay arquitecturas de referencia, como las que ha creado Nvidia, que ayudan a las organizaciones a implementar plataformas de IA sin la necesidad de desarrollar todo desde cero. Estas arquitecturas se basan en el uso de herramientas de código abierto, permitiendo un enfoque más eficiente.
• Usar productos como OpenShift simplifica muchos de los procesos involucrados al proporcionar apoyo y estructuras predefinidas para la gestión de IA. Esto acelera el tiempo de comercialización y reduce la carga de trabajo al gestionar scripts y herramientas.
• OpenShift también permite una administración más ágil de los componentes de software, facilitando la actualizaciones y el manejo de vulnerabilidades.