Tal vez. Sin duda, tiene aplicações más amplias que ser una amenaza para los motores de búsqueda tradicionales o escribir ensayos de secundaria y textos publicitarios.
La IA generativa es una aplicação de aprendizaje automático que puede crear una variedad de contenidos, como texto, imágenes o audio, a partir de indicaciones en lenguaje natural. Ganó amplia popularidad con la introducción de ChatGPT , un proyecto de OpenAI, que resultó en una explosión de nuevos usos en todas las industrias.
Si no has probado ChatGPT, te animo a que te tomes un momento y le hagas algunas preguntas. Pídele que te cuente sobre ti o alguien en la historia o que te explique cómo funciona algo. Si bien se recomienda tener precaución (ChatGPT no siempre tiene razón), es una experiencia reveladora porque es una experiencia nueva .
ChatGPT ha proporcionado una prueba de concepto para la IA Generativa. Nos ha permitido vislumbrar las posibilidades de cómo podríamos trabajar de forma diferente y, para nosotros en la Oficina del CTO de F5, una exploración interesante de cómo podría aplicarse a la entrega y seguridad de aplicaciones.
Uno de los desafíos en materia de infraestructura es configurar la gran cantidad de dispositivos, servicios y sistemas necesarios para entregar y proteger incluso una sola aplicação. Las organizaciones dependen de un promedio de 23 servicios de aplicaciones diferentes, si se excluyen las ofertas "como servicio".
Ahora bien, no hace falta que os diga que configurar un servicio de protección de API y de aplicaciones web es diferente a configurar un servicio de equilibrio de carga tradicional. Lo que eso significa es que las personas responsables de configurar y operar los servicios de aplicaciones pueden necesitar ser expertos en una docena de "lenguajes" diferentes.
La industria ha estado intentando abordar este problema durante años. Cuando las API se convirtieron en el medio principal para configurar todo, los servicios de seguridad y entrega de aplicaciones no fueron la excepción. Todo el mundo empezó con API imperativas, que simplemente cambiaron la forma de emitir comandos. En lugar de escribir comandos en una CLI, enviaste comandos API a través de HTTP.
Muy pronto se hizo evidente que el impuesto API que se generaba al confiar en API imperativas era demasiado alto y la industria pasó a API declarativas. Pero, lamentablemente, la mayor parte de la industria decidió que declarativo significaba “configuración como JSON”. Entonces, en lugar de la intención (esa palabra es importante, recuérdela) detrás de la declaración, que es "dime lo que quieres hacer y lo haré por ti", terminamos con "aquí está la configuración que quiero, ve y haz el trabajo duro de hacerla".
No es exactamente lo mismo y todavía requiere el mismo nivel de experiencia con el modelo operativo peculiar de una solución determinada. No estoy seguro de que la industria haya llegado alguna vez a un acuerdo sobre si los balanceadores de carga usaban “pools” o “granjas”, y mucho menos sobre los detalles más complejos de cómo los servidores virtuales interactúan con los servidores reales y las instancias de aplicação . Entonces, todo lo que hizo la industria con el lenguaje declarativo fue transferir el trabajo de nivel de comando de los operadores al sistema.
Ahora bien, lo que aporta la IA generativa es una forma de código bajo/sin código. Estos son más confiables que algunos resultados porque se basan en especificaciones bien formadas que guían la generación de resultados. Al fin y al cabo, solo hay un número limitado de formas de escribir “hola mundo”, aunque hay millones de formas de responder una pregunta.
Esto significa que debería poder decirle a un modelo entrenado: "Hola, quiero configurar mi balanceador de carga para escalar la aplicación A" y el sistema debería poder generar una configuración. Pero más que eso, debería poder decirle: "Dame un script para hacer X en el sistema Y usando Z" y ¡BAM! No sólo debe generar la configuración, sino también la automatización necesaria para implementarla en el sistema correcto.
Oh, mira. Ya lo hace.
Por supuesto, este no es un código listo para producción (ni la IP ni las credenciales son válidas y eligió Python [no es mi primera, segunda ni tercera opción]), pero está en un 90 % del camino basándose solo en la documentación disponible públicamente y en un mensaje notablemente simple. Cuanto más detallada sea la solicitud, mejores serán los resultados. El script completo generado a continuación es más largo, por lo que he incluido solo el comienzo.
Nuevamente, no está listo para implementarse, pero está mucho más cerca de ser funcional y tomó literalmente menos de quince segundos generarlo sin capacitación de mi parte.
Pero esto es lo fácil. Debería poder decirle además: “Ah, por cierto, impleméntalo”. Y debería hacerlo mientras disfruto de mi café de la mañana. Y quizás cántame una cancioncita también.
Pero espera, ¡hay más! ¿Qué sucede si más tarde también puedo decirle a un sistema de IA generativa: "Oye, los usuarios en Green Bay inician sesión mucho y el rendimiento es bajo, clona la aplicación A y muévela a nuestro sitio en Milwaukee"?
Y lo hace. Porque debajo del capó, todo esto es simplemente una red de API, configuraciones y comandos que hoy en día pueden automatizarse (y a menudo se automatizan) mediante scripts. Estos scripts suelen estar parametrizados, lo que se correlaciona vagamente con los parámetros de mi mensaje de IA: Green Bay, Milwaukee, App A. Entonces, lo que cambia es el generador y la velocidad con la que se puede generar.
A menudo digo que la IA y la automatización son multiplicadores de fuerza. Porque la tecnología no sabe lo que tiene que hacer, nosotros sí. Pero la IA y la automatización pueden hacerlo mucho más rápido y eficientemente, amplificando efectivamente la productividad, incrementando el tiempo para obtener valor y liberando tiempo de los expertos para que se concentren en decisiones y proyectos estratégicos. Y con el tiempo, la IA puede aprender de nosotros, multiplicando aún más nuestra capacidad y exponiendo nuevas posibilidades.
Esto ya no es ciencia ficción sino una realidad informática.
Muchas de las soluciones AIOps actuales se centran exclusivamente en brindar la información que el 98 % de las organizaciones carecen .
Responden a los problemas de ayer, no a las necesidades del mañana.
Incluso aquellas plataformas AIOps que pueden actuar de forma más autónoma (como los servicios de seguridad) dependen en gran medida de configuraciones preexistentes y de respuestas bien formuladas. Generalmente no se utiliza IA para permitir que las operaciones se ejecuten de manera más autónoma en las capas heterogéneas de seguridad y entrega de aplicaciones. Utilizan IA para analizar datos y descubrir conocimientos que nosotros, como humanos, no tenemos la capacidad ni el tiempo de descubrir. Pero ahí es donde suele terminar la cosa, al menos para las capas por encima de la red y los problemas de seguridad bien comprendidos.
Ahí es donde la IA generativa puede tomar el control, y por eso estoy totalmente comprometido a investigar hasta dónde podemos llevar esta tecnología para hacer que la entrega y la seguridad de las aplicaciones sean "ridículamente fáciles".
Bienvenido a la punta del iceberg de la IA.