{"id":177027,"date":"2025-02-05T12:43:36","date_gmt":"2025-02-05T15:43:36","guid":{"rendered":"https:\/\/nuevoitsitio1.wpenginepowered.com\/co\/sin-categoria\/open-source-en-la-era-de-la-ia\/"},"modified":"2025-11-21T21:22:29","modified_gmt":"2025-11-22T00:22:29","slug":"open-source-en-la-era-de-la-ia","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/co\/cloud\/open-source-en-la-era-de-la-ia\/","title":{"rendered":"Seis ventajas del open source en la era de la IA"},"content":{"rendered":"

La idea de la inteligencia artificial<\/a> (IA) no es nueva, pero los \u00faltimos avances en tecnolog\u00edas relacionadas han hecho que pase de ser algo m\u00e1s hipot\u00e9tico a una herramienta que muchos usamos a diario.<\/p>\n

La creciente importancia y propagaci\u00f3n de la IA es emocionante y potencialmente alarmante a la vez, debido a que los pilares en los que se basan muchas herramientas de IA son b\u00e1sicamente cajas negras que pertenecen a unas pocas corporaciones poderosas que las controlan.<\/p>\n

En Red Hat, creemos que todos deber\u00edan tener la posibilidad de contribuir a la IA.<\/a> La innovaci\u00f3n en IA no deber\u00eda limitarse solo a las empresas que pueden disponer de enormes cantidades de potencia de procesamiento y de los cient\u00edficos de datos especializados necesarios para entrenar estos modelos de lenguaje de gran tama\u00f1o<\/a> (LLM).<\/p>\n

Si bien originalmente el t\u00e9rmino “c\u00f3digo abierto” se refer\u00eda a una metodolog\u00eda de desarrollo de software, desde entonces se ha ampliado para abarcar una forma de trabajar m\u00e1s general que es abierta, descentralizada y sumamente colaborativa. El movimiento del c\u00f3digo abierto hoy trasciende el mundo del software y existen iniciativas de colaboraci\u00f3n en todo el mundo que han adoptado el estilo open source<\/a>, incluso en el \u00e1mbito cient\u00edfico, educativo, el gobierno, la industria y la atenci\u00f3n m\u00e9dica, entre otros.<\/p>\n

\"Ruta
Ruta de aprendizaje \u201cRHEL AI: Prueba los LLM de la manera m\u00e1s f\u00e1cil\u201d<\/a><\/figcaption><\/figure>\n

Seis ventajas del open source en la era de la IA<\/strong><\/span><\/h2>\n

Existen m\u00e1s de seis ventajas de las que podr\u00edamos hablar aqu\u00ed, pero empezaremos por las m\u00e1s importantes.<\/p>\n

    \n
  1. Acelera el ritmo de la innovaci\u00f3n<\/strong><\/li>\n<\/ol>\n

    Cuando la tecnolog\u00eda se desarrolla de manera colaborativa y abierta, la innovaci\u00f3n y el descubrimiento pueden ocurrir mucho m\u00e1s r\u00e1pidamente, a diferencia de las organizaciones cerradas y las soluciones propietarias.<\/p>\n

    Cuando el trabajo se comparte abiertamente y otras personas tienen la posibilidad de usarlo como base, los equipos ahorran una enorme cantidad de tiempo y esfuerzo, ya que no tienen que empezar de cero con cada nuevo proyecto. Las nuevas ideas se pueden desarrollar a partir de proyectos anteriores. Esto no solo ahorra tiempo y dinero, sino que adem\u00e1s genera resultados m\u00e1s s\u00f3lidos, porque involucra a m\u00e1s personas que trabajan juntas para resolver problemas, compartir informaci\u00f3n valiosa y revisar el trabajo de los dem\u00e1s.<\/p>\n

    Una comunidad m\u00e1s grande y colaborativa es capaz de lograr m\u00e1s. Esto se debe a que un mayor n\u00famero de personas que trabajan juntas para resolver problemas complejos pueden innovar de manera m\u00e1s r\u00e1pida y eficaz que grupos peque\u00f1os y aislados que trabajen por su cuenta.<\/p>\n

      \n
    1. Democratiza el acceso<\/strong><\/li>\n<\/ol>\n

      El open source tambi\u00e9n democratiza el acceso a estas tecnolog\u00edas de IA nuevas y emergentes. Cuando la investigaci\u00f3n, el c\u00f3digo y las herramientas se comparten abiertamente, esto ayuda a eliminar algunos de los obst\u00e1culos que suelen limitar el acceso a innovaciones de vanguardia.<\/p>\n

      Un ejemplo perfecto ser\u00eda el proyecto InstructLab<\/a>. Se trata de un proyecto de IA de c\u00f3digo abierto que no depende de ning\u00fan modelo y que simplifica el proceso de aportar habilidades y conocimientos a los LLM. Su objetivo es permitir que cualquier persona ayude a definir la IA generativa<\/a> (gen AI), incluidas aquellas personas que no cuentan con las habilidades y la capacitaci\u00f3n en ciencia de datos normalmente requeridas. Esto permite que m\u00e1s personas y organizaciones contribuyan al entrenamiento y al perfeccionamiento de los LLM de una manera confiable, lo que fomenta una\u2026<\/p>\n

        \n
      1. Mayor seguridad, protecci\u00f3n y privacidad<\/strong><\/li>\n<\/ol>\n

        Dado que los proyectos open source reducen los obst\u00e1culos de ingreso, existe un grupo m\u00e1s grande y diverso de colaboradores que pueden ayudar a identificar y resolver posibles problemas de seguridad y sesgo en los modelos de IA durante su desarrollo.<\/p>\n

        Los datos y los m\u00e9todos que se utilizan para entrenar y ajustar los modelos cerrados de IA son de propiedad exclusiva y se guardan bajo estricta vigilancia. No es frecuente que personas ajenas puedan obtener informaci\u00f3n sobre c\u00f3mo funcionan estos modelos y si albergan datos potencialmente peligrosos o sesgos inherentes.<\/p>\n

        En cambio, si un modelo y los datos que se utilizan para entrenarlo son abiertos, cualquier persona que desee participar puede examinarlos y, de este modo, se reducen los riesgos potenciales y se pueden minimizar los sesgos. Adem\u00e1s, los colaboradores de c\u00f3digo abierto pueden crear herramientas y procesos capaces de realizar el seguimiento y auditar el desarrollo futuro de modelos y aplicaciones, lo que ayuda a mejorar y preservar su seguridad a lo largo del tiempo.<\/p>\n

        \"Esta
        Esta apertura y transparencia tambi\u00e9n genera confianza, porque los usuarios pueden examinar directamente c\u00f3mo se utilizan y procesan sus datos y verificar que su privacidad y soberan\u00eda se respeten.<\/figcaption><\/figure>\n
          \n
        1. Proporciona flexibilidad y libertad de elecci\u00f3n<\/strong><\/li>\n<\/ol>\n

          Cuando se trata de la IA generativa, la mayor\u00eda de las personas ve y piensa en los LLM monol\u00edticos, propietarios y de estilo caja negra. No obstante, se est\u00e1 comenzando a ver un creciente impulso hacia modelos de IA m\u00e1s peque\u00f1os, independientes y espec\u00edficos.<\/p>\n

          Estos modelos de lenguaje peque\u00f1o<\/a> (SLM) generalmente se entrenan sobre la base de conjuntos de datos mucho m\u00e1s peque\u00f1os para brindarles su funcionalidad b\u00e1sica y luego se los adapta a\u00fan m\u00e1s para casos de uso particulares mediante datos y conocimientos espec\u00edficos del dominio.<\/p>\n

          Estos SLM son significativamente m\u00e1s eficientes que sus primos m\u00e1s grandes y han demostrado funcionar igual (sino mejor) cuando se los utiliza para el prop\u00f3sito previsto. Son m\u00e1s r\u00e1pidos y eficientes de entrenar e implementar y se pueden personalizar y adaptar en funci\u00f3n de las necesidades.<\/p>\n

          Esto es mayormente lo que el dise\u00f1o del proyecto InstructLab permite hacer. Con \u00e9l, podemos tomar un modelo de IA abierto m\u00e1s peque\u00f1o, como uno de los de modelos Granite con licencia open source<\/a>, y ampliarlo con cualquier dato y entrenamiento adicional que deseemos.<\/p>\n

          Por ejemplo, podemos usar InstructLab para crear un chatbot de atenci\u00f3n al cliente altamente optimizado y espec\u00edficamente dise\u00f1ado, entrenado con nuestros propios conocimientos y buenas pr\u00e1cticas, lo que nos permitir\u00e1 brindar la mejor experiencia de atenci\u00f3n al cliente a todos en cualquier momento y lugar.<\/p>\n

          Lo que es m\u00e1s importante a\u00fan, nos permite evitar la dependencia de un \u00fanico proveedor y ser flexibles en cuanto a d\u00f3nde y c\u00f3mo implementar el modelo de IA y cualquier aplicaci\u00f3n que creemos a partir de \u00e9l.<\/p>\n

            \n
          1. Favorece un ecosistema vibrante<\/strong><\/li>\n<\/ol>\n

            En Red Hat creemos que “nadie innova por s\u00ed solo<\/a>” y hemos sido fieles a esta creencia desde que lanzamos Red Hat Enterprise Linux<\/a> (RHEL) por primera vez. Gran parte de esa creencia se funda en el valor que aportan nuestros partners<\/a> no solo a Red Hat, sino tambi\u00e9n a nuestros clientes.<\/p>\n

            En la era de la IA, esto seguir\u00e1 siendo as\u00ed, ya que nuestros partners aprovechar\u00e1n la variedad de herramientas y marcos open source que ofrecemos en forma de \u00a0Red Hat AI<\/a> para generar valor adicional para nuestros clientes. Todo esto es posible gracias a que operamos de forma abierta y en cooperaci\u00f3n y colaboraci\u00f3n con nuestros proyectos de desarrollo y otros investigadores, empresas y partners de todo el mundo.<\/p>\n

              \n
            1. Reduce costos<\/strong><\/li>\n<\/ol>\n

              A principios de 2025, el salario base promedio de un cient\u00edfico de datos en los Estados Unidos se estimaba<\/a> superior a los USD 125.000 y cada vez hay m\u00e1s cient\u00edficos de datos experimentados capaces de ganar un salario considerablemente mayor.<\/p>\n

              A medida que la IA creci\u00f3 tanto en poder como en popularidad, existe obviamente una demanda masiva y creciente de cient\u00edficos de datos; pero son pocas las empresas que tienen grandes esperanzas de captar y retener el talento especializado que necesitan.<\/p>\n

              Es extremadamente costoso construir, entrenar, mantener e implementar LLM realmente grandes, porque requieren dep\u00f3sitos completos llenos de equipos inform\u00e1ticos altamente optimizados (y muy costosos) y una enorme capacidad de almacenamiento.<\/p>\n

              Los modelos y las aplicaciones de IA abiertos, m\u00e1s peque\u00f1os y espec\u00edficos son mucho m\u00e1s eficientes de crear, entrenar e implementar. No solo requieren una fracci\u00f3n de la potencia inform\u00e1tica de los LLM, sino que los proyectos como InstructLab permiten que personas sin habilidades ni experiencia especializadas colaboren de manera activa y eficaz al entrenamiento y al ajuste de los modelos de IA.<\/p>\n

              El ahorro de costos y la flexibilidad que facilita el open source al desarrollo de la IA favorece claramente a las peque\u00f1as y medianas empresas que ans\u00edan aprovechar la ventaja competitiva que pueden aportar las aplicaciones de IA.<\/p>\n

              Creemos que es fundamental construir la IA mediante el uso de principios abiertos y con la misma comunidad que cre\u00f3 la computaci\u00f3n en la nube, la internet, Linux y tantas otras tecnolog\u00edas abiertas poderosas y sumamente innovadoras.<\/p>\n

              Ese es el rumbo de la estrategia de productos de IA de Red Hat. Siempre hemos aprovechado el poder del open source en nuestros productos y proyectos y lo mismo estamos haciendo con la IA.<\/p>\n

              Todos deber\u00edan poder beneficiarse de la IA y, por lo tanto, todos deber\u00edan poder ayudar a determinar y definir su trayectoria y contribuir a su desarrollo. El open source y la innovaci\u00f3n colaborativa son vitales para el futuro de la IA, para que siga siendo accesible y provechosa para todos.<\/p>\n

              Leer mas<\/span><\/h3>\n