Las fortalezas de Google Cloud en IA generativa
Ante el temor a exponer datos sensibles, elegir la gobernanza de una plataforma gestionada en lugar de infraestructura propia, apoyándose en el enfoque abierto, la infraestructura optimizada para IA, el control del dato y la democratización de Google Cloud.
1. El problema de negocio
El comité de dirección de un laboratorio farmacéutico frena el uso de IA generativa porque teme que los resultados de sus ensayos clínicos y las fórmulas en desarrollo acaben entrenando modelos ajenos. La dirección de sistemas propone comprar servidores y desplegar un modelo abierto en el centro de datos propio, pero el equipo de infraestructura es pequeño e I+D quiere empezar a analizar informes este mismo trimestre.
2. Solución de Google
- Servicio
- Gemini Enterprise Agent Platform
- Capa
- Plataforma
- Por qué
- Agent Platform resuelve el temor con gobernanza y no con infraestructura casera: Google Cloud no usa los datos del cliente, como prompts, respuestas o documentos indexados, para entrenar sus modelos sin su permiso o instrucción. Además aporta IAM, VPC Service Controls e infraestructura optimizada para IA ya gestionada, así que el laboratorio empieza este trimestre sin operar servidores.
Ver la capa en el mapa de 5 capas
Capa 5Aplicaciones
La parte con la que interactúa el usuario final.
- Gemini app
- Gemini Enterprise
- Gemini for Google Workspace
- Gemini Notebook
- Gemini for Google Cloud
Capa 4Agentes
Software que persigue un objetivo usando un modelo y herramientas.
- Agentes en Agent Platform
- Customer Engagement Suite
Capa 3Plataforma[Capa de esta lección]
APIs, gestión de datos y despliegue de modelos; abstrae la infraestructura.
- Agent Studio
- Agent Search
- Model Garden
- Agent Platform AutoML
- RAG Engine
- Agent Runtime
Capa 2Modelos
Algoritmos entrenados con grandes volúmenes de datos que generan contenido.
- Gemini
- Gemma
- Imagen
- Veo
Capa 1Infraestructura
Cómputo y almacenamiento físico para entrenar y servir modelos.
- AI Hypercomputer
- Cloud TPU
- GPU
- Centros de datos de Google
3. Límites
- No la uses si
- La necesidad es una tarea de productividad general de la plantilla que una aplicación prebuilt ya cubre, y construir sobre la plataforma solo añadiría esfuerzo operativo.
- Variable que fuerza el cambio
- Esfuerzo operativo
- Alternativa
- Una oferta prebuilt como Gemini Enterprise o Gemini for Google Workspace.
4. La trampa del examen
- [✗] Distractor
- Comprar servidores con GPU y desplegar un modelo open source en el centro de datos propio para que ningún proveedor pueda entrenar con los datos.
- Por qué tienta
- Parece la forma más segura de proteger fórmulas y ensayos, porque todo queda bajo control directo del laboratorio.
- Por qué es incorrecto
- Parte de una premisa falsa, ya que Google Cloud no entrena sus modelos con los datos del cliente sin su permiso o instrucción. Además, un equipo de infraestructura pequeño no puede operar ese despliegue a tiempo, mientras que la plataforma gestionada ya aporta control del dato con seguridad, privacidad y gobernanza.