La adopción de la Inteligencia Artificial (IA) está cambiando la forma en la que opera la industria automotriz: ha ayudado a las empresas a expandirse a nuevos mercados, optimizar flujos de trabajo y avanzar hacia la conducción totalmente autónoma. Deloitte estima que el mercado global de IA en la automoción alcanzará un volumen total de alrededor de 27 mil millones de dólares para 2025. De hecho, se espera que más del 70% de los estadounidenses posean vehículos conectados para 2025, con un aumento del 20-25% en la producción industrial gracias al mantenimiento predictivo.
Pero la verdadera revolución no se está produciendo por el desarrollo de nuevos vehículos y la forma de utilizarlos, sino por la cantidad de datos que se generan en torno a este ecosistema de movilidad -abarcan desde patrones de conducción y mantenimiento predictivo hasta el comportamiento de los usuarios y la optimización del tráfico-. NetApp, la empresa de infraestructura de datos inteligente, cuenta con clientes como Porsche o Mercedes, a los que ayuda a eliminar silos, unificar cargas de trabajo y gestionar datos -tanto estructurados como no estructurados- para poder afrontar los retos de esta industria en constante cambio.
De la industria 4.0 al vehículo autónomo
«El desarrollo del vehículo conectado y la adopción de la movilidad como servicio supondrán dos nuevos segmentos de negocio, que no solo permitirán a los fabricantes crear nuevas fuentes de ingresos, sino que también mejorarán la experiencia del usuario y fortalecerán la relación con los clientes», explica Jaime Balañá, director técnico de NetApp.
La industria 4.0 ha sido el principal impulsor de estas áreas. Gracias al uso de datos y tecnologías como la IA y el machine learning, los fabricantes están reposicionándose en un mercado cada vez más exigente. Estas tecnologías aceleran la producción mediante algoritmos entrenados, mejoran la gestión del ciclo de vida del producto y proporcionan información procesable para maximizar los beneficios. Cuando la IA se combina con la visión por ordenador, se mejora el control de calidad y se detectan anomalías en productos defectuosos aún en la fábrica. El mantenimiento predictivo, por su parte, evita hasta el 75% de los errores de producción e incrementa la productividad en un 25%.
En el caso de los vehículos autónomos, los datos generados dentro de los automóviles crecen exponencialmente a medida que evolucionan, y compartir esta información con los dispositivos de su entorno para funcionar de manera adecuada supone un reto difícil de superar. Mercedes-Benz, junto con NVIDIA y el soporte de NetApp, lidera en la producción de vehículos con autonomía de nivel 3, una de la más avanzada del mercado. Esta tecnología no solo mejora la seguridad y eficiencia del tráfico, sino que también puede reducir significativamente los accidentes causados por errores humanos, proyectando salvar más de medio millón de vidas entre 2035 y 2045.
Cuatro claves para conseguir los mejores resultados con IA
Para conseguir los mejores resultados al desplegar la IA en el sector de la automoción es necesario crear nuevos flujos de trabajo que integren unidades de negocio que normalmente se encuentran aisladas: computación de alto rendimiento y análisis y flujos de trabajo de TI tanto en el edge como en la nube. Estas unidades de negocio suelen operar con sus propias plataformas, protocolos y arquitecturas especializadas. Por ello, NetApp identifica los 4 pilares que ayudan a crear una infraestructura de IA que potencie la innovación en la industria, consiguiendo los mejores resultados:
- Modelos más precisos. Los datos son esenciales para identificar patrones, desarrollar ideas predictivas y permitir sistemas autónomos cada vez más precisos. En general, mejores datos conducen a modelos más precisos, pero también requieren gestionar modelos de IA más grandes, algunos con millones o miles de millones de parámetros. Entrenar estos modelos puede llevar semanas y necesita los mejores marcos de machine learning y deep learning.
- Movimiento de datos sin interrupciones. Una IA efectiva necesita una canalización de datos que abarque todo el ecosistema, desde la ingesta y preparación de datos hasta el análisis y la categorización. Los datos deben fluir rápida y libremente en cada paso del proceso. Si el acceso a estos datos está limitado por una infraestructura aislada, los modelos de deep learning no alcanzarán todo su potencial.
- Velocidad. Las infraestructuras de IA deben ser capaces de responder instantáneamente, como las aplicaciones como los asistentes virtuales en automóviles, que utilizan procesamiento del lenguaje natural (NLP). Ya sea para entrenar un vehículo en la comprensión y respuesta al lenguaje humano, o para diseñar funcionalidades de conducción automatizada/sistemas avanzados de asistencia al conductor (AD/ADAS), cada fracción de segundo importa.
- Uso eficiente. Con enormes volúmenes de datos, incluso un pequeño cambio en la eficiencia puede tener un gran impacto en la optimización de costes y rendimiento. Es esencial monitorizar y aplicar una utilización eficiente de los recursos y la distribución de cargas de trabajo de IA. Extender el centro de datos a la nube pública, construir canalizaciones de IA automatizadas y aprovisionar infraestructura para cargas de trabajo avanzadas puede ayudar a maximizar la eficiencia.
Cómo aporta valor una correcta gestión de los datos
Desde la infraestructura hasta la integración en la nube, NetApp ofrece una eficiencia y rapidez sin precedentes, asegurando la seguridad de los datos y cumpliendo con las normativas sin sacrificar disponibilidad ni rendimiento: ejecuta hasta 5 veces más datos a través del pipeline, copia conjuntos de datos en segundos -en lugar de horas o días-, y configura infraestructuras de IA con integración de Ansible en menos de 20 minutos; desbloqueando el potencial de los datos empresariales.
Las soluciones de NetApp están diseñadas para manejar grandes volúmenes de datos de vehículos inteligentes. Los sistemas de la serie AFF A de NetApp garantizan baja latencia constante incluso bajo presión. La arquitectura ONTAP® AI de NetApp permite procesar datos en tiempo real, optimizar el flujo de datos, acelerar el análisis y el entrenamiento de IA, y predecir y responder a la demanda de los clientes. Además, los servicios de datos en la nube de NetApp y su kit de herramientas DataOps ofrecen acceso instantáneo y gestión eficiente en un entorno multicloud, permitiendo mover datos globalmente para entrenar redes de manera efectiva.
“En NetApp facilitamos la creación de una capa de datos de nube híbrida, gestionando el flujo de datos desde el edge hasta la nube. Esto permite una integración fluida de los datos en diferentes entornos, asegurando disponibilidad donde y cuando se necesite. Ayuda a las empresas a maximizar la flexibilidad y eficiencia operativa, permitiendo una respuesta rápida a las demandas del mercado”, finaliza Jaime Balañá.
