Proporciona acceso a capacitaciones sobre productos; recursos sobre mercadeo y ventas; registros de ofertas y más para nuestros distribuidores de valor agregado (VAR), integradores, distribuidores y otros socios de canal.
Y no hay conjuntos de datos masivos sin un almacenamiento de datos amplio y eficiente.
Los datos mantienen la IA y las unidades de disco duro de capacidad masiva mantienen los datos.
Estas perspectivas se ponen de manifiesto en una encuesta de 2025 de la empresa de investigación Recon Analytics.
La encuesta global encargada por Seagate consultó a 1,062 participantes. Son compradores de almacenamiento de TI y responsables de la toma de decisiones que trabajan en puestos de infraestructura de almacenamiento para empresas que reportan más de $10 millones en ganancias anuales, tienen más de 50 terabytes de uso de almacenamiento actual, han adoptado la IA o planean adoptar la IA en los próximos tres años, y se encuentran en Estados Unidos, China, Reino Unido, Corea del Sur, Singapur, Francia, India, Japón, Taiwán y Alemania.
La encuesta se centró en los efectos de la adopción de la IA en las prioridades de la infraestructura, la retención de datos y la gestión de datos. Los resultados arrojan luz sobre cómo la IA afectará las necesidades de infraestructura en los próximos tres años.
Aspectos destacados de la encuesta
En primer lugar, la encuesta demostró que la adopción de la IA está impulsando un crecimiento exponencial en la demanda de almacenamiento de datos hasta 2028.
Hasta el 61 % de los encuestados de empresas que utilizan predominantemente el almacenamiento en la nube dijeron que el almacenamiento basado en la nube de sus empresas tendría que aumentar en más del 100 %. Es decir, tendría que duplicarse en los próximos tres años.
Figura 1. El sesenta y uno por ciento de los encuestados, cuyas empresas utilizan principalmente almacenamiento en la nube para su gestión de datos de IA, esperan aumentar sus requisitos de almacenamiento en un 100 % o más.
A medida que las aplicaciones de la IA impulsan una creación de datos sin precedentes, cuantos más datos guarden las organizaciones, más podrán validar que la IA está actuando como se espera. Con acceso a los datos de comportamiento, como conjuntos de datos de entrenamiento, puntos de control de modelos, indicaciones y respuestas, las empresas pueden analizar los algoritmos y comprender y refinar mejor la toma de decisiones de la IA. Sin la escala y la eficiencia de los centros de datos, el potencial de la IA sería limitado, ya que la capacidad de almacenar y recuperar conjuntos de datos masivos es fundamental para el éxito de la IA.
No es solo la cantidad de almacenamiento lo que impulsa el éxito de la IA. La duración del almacenamiento de datos también importa.
De los encuestados empleados por empresas que han adoptado la tecnología de IA, el 90 % cree que una retención de datos más prolongada mejora la calidad de los resultados de la IA.
Figura 2. El noventa por ciento de las empresas que usan IA en la actualidad creen que conservar más datos históricos mejora la precisión del modelo.
Este hallazgo apunta a una correlación entre la conservación de datos durante períodos más largos y una información más confiable por parte de la IA. Esto puede deberse a varios factores. En primer lugar, el procesamiento iterativo constante es intrínseco al funcionamiento de los algoritmos de la IA. Las salidas de contenido retroalimentan el modelo, lo cual mejora su precisión y permite nuevos modelos. Los conjuntos de datos sin procesar y los resultados se convierten en fuentes para un mayor desarrollo y nuevos flujos de trabajo.
Pero conservar los conjuntos de datos durante más tiempo también sirve para otras funciones vitales para el negocio: protege la propiedad intelectual de una empresa. Conserva "recibos" de los conjuntos de datos y procesos originales del modelo, proporcionando una explicación de los resultados cuando es necesario (por ejemplo, como parte de un proceso legal). Estos "recibos" establecen el linaje de los datos, lo que garantiza un registro claro del proceso por el que pasan los datos desde la entrada hasta la salida. El linaje de los datos permite a las organizaciones verificar el origen y el uso de los conjuntos de datos, lo que permite que los modelos de IA se basen en datos precisos. Permite que los sistemas de IA sean totalmente auditables y respalda tanto el estricto cumplimiento con las regulaciones como la responsabilidad interna.
Además, las empresas pueden optar por almacenar más datos durante más tiempo porque se dan cuenta de que no pueden saber hoy qué conocimientos nuevos y valiosos podrían descubrir los algoritmos del mañana a partir de los datos del pasado. Una mayor retención de datos permite el procesamiento de datos antiguos mediante modelos de IA aún sin desarrollar. Por estas razones, la retención de datos más prolongada aumenta el valor de negocios que la IA puede proporcionar.
En un hallazgo relacionado, los responsables de la toma de decisiones de infraestructura ven la retención de datos extendida como esencial para generar confianza, una base crítica sin la cual la información de la IA tiene poco valor.
El 88 % de los encuestados cuyas empresas usan IA en la actualidad creen que la adopción de una IA confiable aumenta la necesidad de almacenar más datos durante más tiempo.
Seagate define una IA confiable como flujos de trabajo de datos de IA y modelos que utilizan entradas confiables y generan información confiable. Una IA confiable se basa en datos que cumplen los siguientes criterios:
alta calidad y precisión;
clara legalidad, propiedad y procedencia;
almacenamiento seguro y protección;
transformaciones explicables y rastreables por el algoritmo;
resultados consistentes y confiables del procesamiento de datos.
Figura 3. El ochenta y ocho por ciento de los encuestados, cuyas empresas usan IA hoy en día, dijeron que la adopción de una IA confiable requiere una mayor necesidad de almacenar más datos durante períodos de tiempo más largos.
Una infraestructura de almacenamiento escalable respalda una IA de confianza, lo que ayuda a que las grandes cantidades de datos que utilizan los sistemas de IA se gestionen, se almacenen y se protejan correctamente.
Como parte de la creación de una IA confiable, el 80 % de los encuestados destacó la importancia de los puntos de control.
Un punto de control es el proceso de guardar el estado de un modelo de IA en intervalos cortos específicos durante su entrenamiento. Los modelos de IA se entrenan en grandes conjuntos de datos a través de procesos iterativos que pueden llevar desde minutos hasta meses. La duración del entrenamiento de un modelo depende de la complejidad del modelo, el tamaño del conjunto de datos y la potencia de cálculo disponible. Durante este tiempo, los modelos reciben datos, se ajustan los parámetros y el sistema aprende a predecir los resultados en función de la información que procesa.
Los puntos de control actúan como instantáneas del estado actual del modelo (sus datos, parámetros y configuraciones) en muchos puntos durante el entrenamiento. Las instantáneas se guardan en dispositivos de almacenamiento cada minuto, o cada pocos minutos, y permiten a los desarrolladores conservar un registro de la progresión del modelo y evitar perder trabajo valioso debido a interrupciones inesperadas.
Según la encuesta, las empresas que utilizan más de 100 PB de almacenamiento guardan y realizan copias de seguridad de los puntos de control de forma diaria o semanal, y el 87 % de ellas almacenan estos puntos de control en la nube o en una combinación de HDD y SDD.
Almacenamiento: El motor secreto del éxito de la IA
La computación y la energía son temas populares en las discusiones sobre la adopción de la IA. Pero la encuesta de Recon Analytics destaca el almacenamiento como el factor crítico.
Desde la perspectiva de los compradores de infraestructura, el almacenamiento de datos se clasificó como la segunda parte más importante de la infraestructura de la IA, solo por detrás de la seguridad. La seguridad y el almacenamiento fueron seguidos por la gestión de datos, la capacidad de la red, la computación, las regulaciones, la viabilidad LLM y la energía, en orden de importancia.
Dos tercios (66 %) de los encuestados clasificaron el almacenamiento como el segundo facilitador más importante entre sus cuatro principales facilitadores de IA, y como el cuarto obstáculo más importante para la adopción.
Figura 4. El sesenta y seis por ciento de los responsables de la toma de decisiones de infraestructura clasificaron el almacenamiento como el segundo componente más importante entre sus cuatro principales facilitadores de IA. También clasificaron el almacenamiento como la cuarta barrera más importante para la implementación de la IA.
El fundador y analista principal de Recon, Roger Entner, describe la conclusión:
“Los resultados de la encuesta generalmente apuntan a un próximo aumento en la demanda de almacenamiento de datos, con las unidades de disco duro emergiendo como el claro ganador. Si tenemos en cuenta que los líderes empresariales que encuestamos tienen la intención de almacenar cada vez más datos generados por la IA en la nube, parece que los servicios en la nube están bien posicionados para aprovechar una segunda ola de crecimiento”.
Para obtener el máximo valor de la IA, las empresas deben prepararse con un almacenamiento de datos escalable y eficiente. Ya sea directamente o a través de servicios en la nube, la dependencia de la IA en los datos depende de las unidades de disco duro, que ofrecen una capacidad, una rentabilidad y una sostenibilidad incomparables, como la columna vertebral de una IA confiable.
