Seguimos escuchando a los clientes decir que ven el inmenso valor y la importancia de la inteligencia artificial (IA), la IA generativa, la búsqueda vectorial y la computación de borde. Estas tecnologías son cada vez más importantes para recopilar datos y proporcionar información procesable. Al mismo tiempo, sigue habiendo una rápida expansión de los dispositivos IoT, con decisiones que se toman en tiempo real basadas en el flujo de datos de los sensores.
Muchas organizaciones están a punto de sumergirse de lleno en la integración de estas tecnologías para poder ofrecer una experiencia de cliente mejorada. Utilizan la IA como medio para alcanzar los objetivos de sus aplicaciones, garantizando que siempre sean rápidas, estén disponibles, sean capaces de interactuar en tiempo real y se adapten al contexto.
Las empresas muestran entusiasmo y dudas en torno a la IA
Aunque el entusiasmo por las posibilidades de la IA es palpable, las empresas adoptan una actitud prudente. Estas organizaciones tienen dudas sobre la seguridad de los datos, el cumplimiento de la normativa y las preocupaciones legales en torno al uso de la IA. Siguen evaluando la mejor manera de aprovechar y gobernar las aplicaciones impulsadas por la IA. Aunque todavía quedan por resolver algunos aspectos relacionados con la privacidad, la seguridad y la precisión, está claro que las posibilidades potenciales que se pueden desbloquear son demasiado intrigantes como para dejarlas pasar.
La IA requiere datos fiables
Los datos son el alma del entrenamiento de modelos de IA. Cuantos más datos actuales, limpios y fiables se puedan proporcionar a los LLM, más fiables serán las respuestas. Y cuantos más datos se proporcionen a los modelos de IA, más precisos serán. Cómo y dónde se procesan los datos tiene implicaciones en la velocidad y disponibilidad de las aplicaciones potenciadas por IA.
Utilización de edge computing para mejorar la velocidad y la disponibilidad
Si almacena y procesa datos en la nube, podría tener problemas de velocidad y disponibilidad para los dispositivos móviles. Si se trata de una línea de visión fácil de vuelta a los puntos de acceso, puede funcionar sin problemas, pero ir a través de la red celular/5G puede ser un engorro si se intenta hacer vídeo y análisis al mismo tiempo. Se necesita un ancho de banda considerable para ir de la nube al extremo y viceversa, sobre todo si se trata de una red móvil. en zonas donde la conectividad es un problema, como estadios abarrotados, cruceros, aviones y para trabajadores sobre el terreno.
Couchbase proporciona una base de datos de la nube al perímetro, junto con búsqueda vectorial, para integrarse directamente con modelos de IA en el perímetro. Esto ofrece a los desarrolladores la posibilidad de almacenar y procesar datos en la nube (Capella) y en dispositivos con una base de datos integrada (Couchbase Lite). Ta base de datos Couchbase puede estar cerca del lugar donde se va a utilizar, como una tienda, un centro de distribución o un hospital. Ambos admiten la búsqueda vectorial y se sincronizan automáticamente entre dispositivos y hasta la nube.
Utilizar los fundamentos del edge computing para procesar los datos localmente supone una dependencia mucho menor de la nube y de la conexión a Internet. Poner la base de datos en el propio dispositivo (teléfono, tableta, quiosco, TPV, dispositivos IoT), ayuda a los clientes a alcanzar una disponibilidad de 100% y tiempos de respuesta garantizados para la búsqueda de vectores.
Ejemplos de búsqueda vectorial en acción
Un ejemplo de búsqueda vectorial en acción es en la caja del supermercado cuando se trata de artículos no escaneables. El proceso actual consiste en teclear el artículo, seleccionar el correcto en la pantalla y embolsarlo. Con la búsqueda vectorial, la capacidad de encontrar cosas a través de la búsqueda semántica visual invierte ese paradigma. Se coloca el artículo en el mostrador, la cámara lo escanea y lo reconoce, y luego se embolsa. Esto reduce un proceso de 10-20 segundos a 2 segundos. Al principio parecen cifras pequeñas, pero cuando se procesan largas colas de clientes en tiendas de comestibles o cientos de pasajeros que llegan a un aeropuerto o a un hospital, esas cifras pueden sumarse en un santiamén.
La búsqueda vectorial y el reconocimiento de imágenes en dispositivos móviles también tendrán un gran impacto. Las búsquedas de artículos basadas en el propio artículo funcionarán mucho mejor que los códigos de barras. Mientras que los códigos de barras pueden desvanecerse, arrugarse y ser manipulados con el tiempo, la búsqueda vectorial reconoce el propio artículo y acelera el proceso, lo que es mejor tanto para los clientes como para los minoristas.
Otro ejemplo es el de las reclamaciones de seguros. Un asegurado puede hacer una foto de los daños sufridos por su coche y averiguar rápidamente qué piezas hay que reparar y a qué taller puede acudir. Hay innumerables casos de uso potencial para la búsqueda vectorial y de imágenes.
Vectores del lenguaje natural
Los LLM son excelentes para producir vectores a partir de lenguaje natural. El audio proporciona otro mecanismo para inyectar más contexto a lo que el usuario de la búsqueda vectorial intenta llegar, lo que mejora la precisión. Las búsquedas y consultas son bastante estrictas, pero los vectores ofrecen más flexibilidad.
Un ejemplo de esto en acción es que en lugar de buscar un artículo concreto, podrías decir: "Voy a hacer la cena esta noche, me gusta la comida italiana, van a venir dos adultos y tres niños, ¿qué me recomiendas que haga con los ingredientes que tengo a mano?". Puedes ser mucho más detallado y preciso cuando puedes hablar de forma natural con el sistema a través del audio con LLM y búsqueda vectorial.
Conclusión
La búsqueda vectorial y la computación de borde son capacidades verdaderamente transformadoras. La infraestructura de borde será una parte importante de muchas soluciones a medida que aumente la necesidad de velocidad y procesamiento localizado. Los responsables de TI deben trabajar con los líderes empresariales para ayudarles a visualizar y comprender lo que es posible. La capacidad de concebir casos de uso potenciales y socializarlos en la organización es una función crítica para TI y resulta enormemente beneficiosa para la organización.
-
- Más información Couchbase y búsqueda vectorial
- Empieza a usar Capella gratis y pruebe hoy mismo la búsqueda vectorial
