{"id":71388,"date":"2021-03-09T08:00:00","date_gmt":"2021-03-09T07:00:00","guid":{"rendered":"http:\/\/e3mag.com\/?p=71388"},"modified":"2025-07-02T11:52:01","modified_gmt":"2025-07-02T09:52:01","slug":"avanzar-en-el-aprendizaje-automatico-con-devops","status":"publish","type":"post","link":"https:\/\/e3mag.com\/es\/machine-learning-voranbringen-mit-devops\/","title":{"rendered":"Avanzar en el aprendizaje autom\u00e1tico con DevOps"},"content":{"rendered":"<p>Permitir el fracaso es un requisito previo b\u00e1sico para la innovaci\u00f3n. Si no est\u00e1s preparado para fracasar, no conseguir\u00e1s nada realmente nuevo. Como director de tecnolog\u00eda alem\u00e1n de un proveedor de servicios inform\u00e1ticos japon\u00e9s con una s\u00f3lida cultura de innovaci\u00f3n, estoy profundamente convencido de ello. Sin embargo, si s\u00f3lo una buena d\u00e9cima parte de los proyectos de aprendizaje autom\u00e1tico llegan a ponerse en marcha, algo va mal. Al fin y al cabo, el aprendizaje autom\u00e1tico es una de las aplicaciones centrales de la inteligencia artificial (IA) y la base de numerosas tecnolog\u00edas futuras, como la conducci\u00f3n aut\u00f3noma, las ciudades inteligentes y el Internet industrial de las cosas (IIoT). Por lo tanto, para impulsar el ML y otras tecnolog\u00edas de IA con mayor rapidez, necesitamos una nueva forma de colaboraci\u00f3n entre el desarrollo y el funcionamiento de soluciones basadas en principios DevOps, o ML-Ops para abreviar.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Evaluaci\u00f3n continua <\/h2>\n\n\n\n<p>\u00bfPor qu\u00e9 ML-Ops? Porque la IA es diferente. En la TI tradicional, el c\u00f3digo determina el comportamiento del sistema. La funcionalidad del sistema puede probarse y evaluarse paso a paso. En cambio, en las aplicaciones de inteligencia artificial, los datos determinan el comportamiento del sistema. La dificultad aqu\u00ed es que los datos originales se actualizan en el curso del aprendizaje autom\u00e1tico y otros procesos de IA. Por tanto, es necesario supervisar continuamente el comportamiento de los modelos de ML. <\/p>\n\n\n\n<p>Este proceso corresponde al principio de integraci\u00f3n continua (IC) en el desarrollo cl\u00e1sico de software. Los expertos de ML Ops lo denominan evaluaci\u00f3n continua. Adem\u00e1s de los conocimientos tecnol\u00f3gicos necesarios para automatizar los procesos de evaluaci\u00f3n, tambi\u00e9n implica una estrecha colaboraci\u00f3n permanente con los cient\u00edficos de datos de la empresa.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">ML-Ops en la pr\u00e1ctica<\/h2>\n\n\n\n<p>Un caso de uso t\u00edpico para este tipo de operaciones de ML es la mejora de la calidad. Una empresa automovil\u00edstica japonesa, por ejemplo, puso en marcha un proyecto en el que el aprendizaje autom\u00e1tico debe ayudar a mejorar la calidad de los veh\u00edculos a partir de cartas de reclamaci\u00f3n en lenguaje natural. El ML se utiliza para analizar el significado de los datos de las quejas en los textos. Un reto concreto era mantener la precisi\u00f3n de los an\u00e1lisis incluso al introducir nuevos productos. <\/p>\n\n\n\n<p>Hemos creado una forma r\u00e1pida y sencilla de actualizar nuevos modelos de clasificaci\u00f3n basados en bag-of-words y gradient boosting. El resultado inmediato: el tiempo de procesamiento en las \u00e1reas de tratamiento de datos, dise\u00f1o e implantaci\u00f3n se redujo en un total de seis semanas. Entre otras cosas, la alta velocidad de comprobaci\u00f3n de las reclamaciones tuvo aqu\u00ed un impacto positivo. Al mismo tiempo, el modelo es considerablemente m\u00e1s f\u00e1cil y econ\u00f3mico de mantener, a lo largo de todo el ciclo de vida. <\/p>\n\n\n\n<p>Del mismo modo, en un proyecto de IA para una compa\u00f1\u00eda de seguros internacional, fue posible simplificar y automatizar el desarrollo y el funcionamiento de la soluci\u00f3n hasta tal punto que no se requiere apoyo operativo de TI para el funcionamiento y la evaluaci\u00f3n continua. Los cient\u00edficos de datos pueden concentrarse plenamente en sus experimentos de datos, sin ninguna restricci\u00f3n por parte de la infraestructura de TI.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Fiabilidad de la IA<\/h2>\n\n\n\n<p>Tercer ejemplo: En un banco italiano, el objetivo era detectar comportamientos an\u00f3malos en vol\u00famenes gigantescos de transacciones financieras. Los expertos consideran que esta es una ventaja clave de la inteligencia artificial para la banca digital. Sin embargo, la cantidad de datos generados hace imposible el entrenamiento manual de los modelos de IA. Mediante el uso de ML-Ops, se podr\u00eda establecer un sistema autom\u00e1tico para entrenar los modelos de datos. Y como hace reproducible cada modelo de an\u00e1lisis generado y cada predicci\u00f3n basada en \u00e9l, tambi\u00e9n cumple el requisito m\u00e1s importante para la IA, y no solo en el sector financiero: la fiabilidad.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n<h2 class=\"wp-block-heading\"><a href=\"https:\/\/e3mag.com\/wp-content\/uploads\/2025\/07\/2102_ntt_data_E_web.pdf\" target=\"_blank\" rel=\"noreferrer noopener\">PDF en ingl\u00e9s<\/a><\/h2>\n\n\n\n<figure class=\"wp-block-image size-large\"><a href=\"https:\/\/e3mag.com\/partners\/ntt-data-deutschland-gmbh\/\"><img loading=\"lazy\" decoding=\"async\" width=\"1000\" height=\"112\" src=\"https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner.jpg\" alt=\"NTTDataCI-Banner.jpg\" class=\"wp-image-71771\" title=\"Avanzar en el aprendizaje autom\u00e1tico con Devops\" srcset=\"https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner.jpg 1000w, https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner-768x86.jpg 768w, https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner-100x11.jpg 100w, https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner-480x54.jpg 480w, https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner-640x72.jpg 640w, https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner-720x81.jpg 720w, https:\/\/e3mag.com\/wp-content\/uploads\/2021\/02\/NTTDataCI-Banner-960x108.jpg 960w\" sizes=\"auto, (max-width: 1000px) 100vw, 1000px\" \/><\/a><\/figure>","protected":false},"excerpt":{"rendered":"<p>El aprendizaje autom\u00e1tico es uno de los enfoques m\u00e1s prometedores del uso de la inteligencia artificial en las empresas. Pero hasta ahora, casi nueve de cada diez proyectos fracasan antes de ponerse en marcha. Con DevOps y ML-Ops, esta tendencia puede invertirse.<\/p>","protected":false},"author":1762,"featured_media":50414,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[24421,7,38632],"tags":[896,451,5065,624,480,627],"coauthors":[31248],"class_list":["post-71388","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-devops-kolumne","category-meinung","category-mag-21-02","tag-design","tag-devops","tag-finanzwesen","tag-ki-joule","tag-machine-learning","tag-ml","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",400,180,false],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",18,8,false],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",600,270,false],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",600,270,false],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"<p>Machine Learning (ML) ist einer der vielversprechendsten Ans\u00e4tze zur Nutzung von k\u00fcnstlicher Intelligenz im Unternehmen. Doch bislang scheitern fast neun von zehn Projekten vor dem Go-live. Mit DevOps und ML-Ops l\u00e4sst sich dieser Trend umkehren.<\/p>\n","category_list_v2":"<a href=\"https:\/\/e3mag.com\/es\/category\/meinung\/devops-kolumne\/\" rel=\"category tag\">DevOps Kolumne<\/a>, <a href=\"https:\/\/e3mag.com\/es\/category\/meinung\/\" rel=\"category tag\">Die Meinung der SAP-Community<\/a>, <a href=\"https:\/\/e3mag.com\/es\/category\/mag-21-02\/\" rel=\"category tag\">MAG 21-02<\/a>","author_info_v2":{"name":"Oliver K\u00f6th, NTT Data","url":"https:\/\/e3mag.com\/es\/author\/oliver-koeth\/"},"comments_num_v2":"0 comentarios","_links":{"self":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/71388","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/users\/1762"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/comments?post=71388"}],"version-history":[{"count":2,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/71388\/revisions"}],"predecessor-version":[{"id":152137,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/71388\/revisions\/152137"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/media\/50414"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/media?parent=71388"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/categories?post=71388"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/tags?post=71388"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/coauthors?post=71388"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}