Saltar al contenido
Desarrollo

Google Vertex AI

Plataforma unificada de desarrollo de machine learning e inteligencia artificial de Google Cloud

Ficha de la herramienta

Google Vertex AI

Empresa

Google

Fundación

2021

Precio

De pagoPago por uso (pay-per-use) basado en procesamiento (GPU/TPU) y tokens consumidos; créditos gratuitos disponibles para nuevos usuarios de Google Cloud.

Categoría

Sitio oficial

Google Vertex AI: captura da página oficial

¿Qué es Google Vertex AI?

Google Vertex AI es la plataforma unificada de machine learning (ML) e inteligencia artificial generativa corporativa que ofrece Google Cloud. Lanzada en 2021, consolida todas las herramientas de ML heredadas de Google Cloud (como AI Platform y AutoML) en un único ecosistema administrado, lo que permite a los científicos de datos y desarrolladores entrenar, implementar, monitorear y administrar modelos de inteligencia artificial a gran escala.

Cómo funciona

Vertex AI cubre todo el ciclo de vida del desarrollo de inteligencia artificial a través de tres pilares:

  1. Model Garden (Jardín de Modelos): Un catálogo centralizado donde los desarrolladores pueden acceder e implementar API de modelos fundamentales patentados de Google (como la familia Gemini) y modelos abiertos populares (como Llama de Meta o Mistral).
  2. Vertex AI Studio: Un playground interactivo para experimentar, probar y personalizar modelos de lenguaje, habla y visión mediante ingeniería de prompts, fine-tuning y aprendizaje por refuerzo.
  3. Herramientas de MLOps: Flujos de trabajo automatizados para administrar el flujo de datos, entrenar modelos personalizados en clústeres de GPU/TPU de Google y monitorear el rendimiento de los modelos en producción para evitar la degradación de los resultados.

Características principales

  • Vertex AI Agent Builder: Herramienta que permite crear agentes de IA generativos basados en lenguaje natural conectando fuentes de datos corporativas (RAG) en pocos pasos.
  • AutoML: Permite entrenar modelos personalizados de imagen, datos tabulares, texto o video sin la necesidad de escribir códigos complejos de machine learning.
  • Flujos de ML administrados (Vertex Pipelines): Automatización completa de flujos de trabajo de datos y entrenamiento utilizando Kubeflow o TFX.
  • Notebooks integrados: Instancias administradas de JupyterLab integradas de forma nativa con seguridad de red y acceso a aceleradores de hardware (GPU de Nvidia y TPU de Google).
  • Vertex AI Search y Conversation: Creación simplificada de motores de búsqueda interna inteligente y chatbots corporativos con IA generativa.

Integraciones disponibles

Al ser un producto principal de Google Cloud, se integra de forma nativa con todo el catálogo de la nube de Google: BigQuery (para consultar y entrenar modelos directamente en almacenes de datos), Cloud Storage, Google Kubernetes Engine (GKE) y Looker para inteligencia de negocios.

Para quién está indicado

  • Ingenieros de Machine Learning y Científicos de Datos que necesitan una infraestructura sólida para entrenar y poner en funcionamiento modelos personalizados.
  • Desarrolladores de software que desean agregar funciones generativas (con Gemini) en sus aplicaciones corporativas a través de API escalables.
  • Empresas de tecnología y corporaciones que buscan implementar IA con altos estándares de gobernanza, cumplimiento regulatorio y privacidad de datos.

Casos de uso reales

  1. Agentes de atención al cliente: Grandes comercios minoristas utilizan Vertex AI Agent Builder para crear asistentes virtuales de soporte al cliente que pueden consultar políticas internas almacenadas en PDF y responder preguntas precisas sobre el envío de mercancías.
  2. Análisis predictivo de crédito: Las instituciones financieras utilizan las funciones de AutoML de Vertex AI para analizar los perfiles de los clientes en tablas de BigQuery y generar predicciones de riesgo de morosidad en tiempo real.

Precios

ServicioPrecioTipo
Modelos GeminiCobro por millón de tokens (entrada/salida)Precio bajo demanda variable según el modelo (Flash/Pro)
Entrenamiento y predicciónCobro por hora de uso de máquina virtualVariable según el tipo de CPU/GPU/TPU seleccionado

Pros y contras

Pros:

  • Plataforma completa que cubre desde la prueba inicial de prompts hasta la infraestructura compleja de MLOps corporativo.
  • Acceso prioritario a los modelos de multimodalidad más recientes de Google (Gemini 1.5).
  • Seguridad y gobernanza corporativa de nivel empresarial de Google Cloud.

Cons:

  • Curva de aprendizaje pronunciada para desarrolladores principiantes en el ecosistema de Google Cloud.
  • El control de costos puede volverse complejo si las políticas de apagado de instancias y las cuotas de procesamiento no se monitorean adecuadamente.

Alternativas a Google Vertex AI

Las principales plataformas en la nube competidoras para el desarrollo de IA corporativa son:

  • Amazon SageMaker: La plataforma de machine learning líder de AWS con un conjunto masivo de funciones de MLOps.
  • Microsoft Azure Machine Learning: El ecosistema de ML de Microsoft integrado estrechamente con los servicios de OpenAI.
  • Databricks: Plataforma unificada de análisis y machine learning de datos ideal para grandes procesamientos.
  • Hugging Face Enterprise: Enfocado en alojar y administrar modelos de código abierto de forma fácil.

Las conversaciones no son atención.Son infraestructura.

Entra en la nueva era de la relación entre empresas y clientes.

Crear agente ahora