#90 Barreras para la adopción de tecnología futura.
Subscribe to get the latest
on 2022-06-07 00:00:00 +0000
with Darren W Pulsipher, Glenn Kurowski,
Darren Pulsipher, Arquitecto Principal de Soluciones de Intel, analiza las barreras para adoptar nuevas tecnologías en el sector público y lo que se avecina en el futuro junto a Glenn Kurowski, CTO de CACI.
Keywords
#ai #neuromorphic #security #moderncomputing #devsecops #generativeai #multicloud #zerotrust #cybersecurity #people #technology
Glenn es el Director de Tecnología en CACI, una empresa de seis mil millones de dólares con tamaño Fortune 500, enfocada en seguridad nacional. Ha estado en la industria durante 35 años, dedicado a los sectores militar, de inteligencia y ciberseguridad para el gobierno de Estados Unidos. Es ingeniero, por lo que piensa, actúa y procesa preguntas como un ingeniero.
Emocionante nueva tecnología en IA, neuromórfica y seguridad a veces no es adoptada rápidamente en el sector público.
La primera barrera es la complejidad. Aquellos en la comunidad técnica son innovadores excepcionales, pero no siempre son buenos para hacer que la tecnología sea fácil de consumir, usar o administrar. Sin embargo, Glenn ve cierta mejora. Por ejemplo, en los últimos cinco años, la complejidad de usar la inteligencia artificial ha disminuido significativamente a medida que más personas aprovechan las herramientas y los kits de desarrollo de software.
Otra barrera puede ser la falta de talento para diseñar, implementar y mantener la tecnología en el sector público. El nuevo talento no solo debe ser atraído a la industria, sino que también debe poder obtener autorizaciones. El otro aspecto de la ecuación del talento es que muchos son reacios a adoptar nuevas tecnologías. Es un desafío de gestión del cambio. Si no se aborda correctamente, el talento existente se convierte en anticuerpos para la adopción de nuevas tecnologías. En lugar de preguntar cómo llegar a un “sí”, encuentran mil razones por las cuales no.
El tercero es ciberseguridad. Glenn no describe esto como una barrera porque no es algo que se pueda eliminar. Sin embargo, la industria podría ser más proactiva al mover las decisiones más hacia la izquierda e involucrar la seguridad más temprano para acelerar la adopción.
El sector público podría aprender de cómo la tecnología de los smartphones fue adoptada tan rápidamente con la llegada del iPhone. Los primeros iPhones eran increíblemente fáciles de usar y la compañía se comprometió a proveer a los clientes algo que pudieran utilizar inmediatamente. Además, la comunidad de desarrollo podía crear e innovar instantáneamente con los kits de desarrollo de software y los procesos. Los niños de sexto grado pueden desarrollar con los kits para iPhone y Android. La usabilidad era vital y permitió un desarrollo de software eficiente.
El sector público debería tratar de imitar esas cualidades y acercarse a su mercado y clientes de la misma manera, especialmente en términos de análisis. Hay una cantidad tremenda de datos, y no estamos sacándoles mucho provecho. Al igual que Steve Jobs sacó su tecnología fuera del público objetivo medio, lo mismo debería suceder en el ámbito del análisis de datos. En lugar de dirigirse a científicos de datos, tal vez el objetivo debería ser una persona de negocios o una persona promedio que tenga un hogar que administrar.
Glenn cree que el primer paso para pensar de esta manera sobre IA y análisis es comprometerse ferozmente a liberar los datos. Tanta información está atrapada en diseños propietarios que es un pésimo modelo de negocio. Los clientes deberían renovar contratos no porque su información esté controlada y limitada por un proveedor, sino porque el proveedor está ofreciendo soluciones, valor e innovación.
La IA debería ser presentada como un asistente digital para los clientes en lugar de un robot misterioso y mágico en segundo plano que hace que el cliente se sienta nervioso al confiar en él. Un asistente digital simplemente está un paso adelante de lo que estás intentando lograr al proporcionar datos e información a través del aprendizaje automático y el aprendizaje profundo, lo cual facilita tu vida y te permite procesar la información. De esta manera, la IA agrega valor instantáneo y es mucho menos intimidante.
Glenn cree que la tecnología que el sector público debe tener hoy en día es, en primer lugar, la nube y más de ella. La nube elimina muchos errores humanos en la administración. Reduce la superficie de ataque y es un modelo de consumo de pago por uso, lo cual puede ser económico si desarrollas software para ese modelo.
En segundo lugar, hay buenas plataformas de DevSecOps. Los programadores de software pueden pasar más tiempo en el desarrollo real con las herramientas disponibles. DevSecOps todavía está en sus primeras etapas, y el crecimiento será explosivo.
Una tecnología clave durante el trabajo remoto durante COVID es Commercial Solutions for Classified (CSFC). Esta tecnología ha estado presente durante una década, pero ha madurado hasta el punto en que se ha eliminado la complejidad de su implementación, administración y seguridad para llevarla fácilmente al límite. Alguien puede trabajar en un dominio no clasificado y aún así acceder a secretos, como la confianza de que no habrá ninguna filtración. Esta es una nueva y importante capacidad.
Todo esto se vincula con atraer y retener talento. La dificultad radica no en que el sector público no tenga problemas emocionantes y desafiantes, sino en la percepción de que el gobierno se mueve muy lentamente. Hay algo de verdad en eso debido a la importancia de mantener una cierta santidad o confianza. Sin embargo, en realidad, el gobierno está justo en la vanguardia de muchas nuevas tecnologías como la fotónica o la comunicación basada en la luz. Algunos grupos se mueven rápidamente, como en el desarrollo de software con agile y DevSecOps.
Glenn cree que el dominio espacial explotará y será fundamentalmente diferente en cinco años para el futuro de la tecnología. La capacidad de poner más cosas en órbita de manera económica con mejoras en tamaño, peso y potencia, junto con la capacidad de comunicarse con la fotónica a lo largo de miles de kilómetros rápidamente, permite la conectividad y la capacidad de distribuir y utilizar datos en esos cargamentos.
Otra área que será muy diferente es la agilidad espectral. El dominio del espectro electromagnético será crucial para mantener una conectividad resistente en conflictos. Las disputas subsiguientes enfatizarán en gran medida quién puede comunicarse e interferir en las comunicaciones. La agilidad espectral es la capacidad de conocer de manera dinámica lo que está sucediendo a tu alrededor en el espectro para poder moverte rápidamente. Esta conectividad es fundamental para el comando conjunto y control y la visión del JADC2 de trabajar.
Un tercer área es lo que se puede hacer con Kubernetes y con el código de infraestructura. La automatización eliminará el trabajo laborioso y facilitará las cosas en general.
No puede haber una conversación sobre el futuro de la tecnología sin mencionar a la Computación Cuántica. Los modelos de programación cuántica que se están construyendo son completamente diferentes de los modelos tradicionales. Necesitamos llegar a un punto en el que tengamos herramientas para programadores que hagan el proceso mucho más automatizado. Entrenar a alguien durante dos años para ser programador de computación cuántica no es escalable, por lo que necesitamos que se desarrollen herramientas de desarrollo de software, al igual que la comunidad ha abstraído la complejidad y ha desarrollado herramientas para la inteligencia artificial.
La última área es la evolución continua de la informática de borde. El número de procesos de computación es fenomenal, fomentando la creatividad con el tamaño, peso y potencia. La informática de borde seguirá transformándose para ser segura y confiable. La comunicación resiliente puede no ser una conexión dedicada, sino una red de malla donde las partes del mensaje se vuelven a combinar en el otro extremo. Esto puede proporcionar soluciones en entornos tácticos y de denegación y trastorno.
Darren ve cómo la arquitectura tradicional de Von Neumann va menguando en el futuro, ya que podemos tener persistencia de datos sin unidades de disco y podemos tener datos que viven, se mueven y migran con funciones que trabajan con ellos. Las capas y limitaciones del modelo de Von Neumann serán eliminadas.
Glenn piensa que esto sucederá más rápido de lo que las personas generalmente pronosticarían debido al sesgo de experiencia. Pero es un mundo diferente cuando puedes obtener todas las demás piezas para coexistir y eliminar los problemas de latencia. Imagina lo que se podría hacer a la velocidad de inferencia en el edge, por ejemplo, con vehículos autónomos. Esa tecnología está sucediendo, y los programadores consideran las capas de abstracción desde el principio. Entonces podrías, por ejemplo, tomar un modelo de red neuronal que ya está desarrollado y ejecutarlo a través de un conjunto de herramientas de desarrollo de software para colocarlo en un sustrato de hardware, una arquitectura no-Von Neumann, y no tienes que reprogramar. Esto acelerará la adopción y será transformador.