Amazon Web Services (AWS) ha lanzado una innovadora funcionalidad que facilita el intercambio de modelos de aprendizaje automático (ML) entre distintas cuentas de AWS a través de Amazon SageMaker Model Registry y AWS Resource Access Manager (AWS RAM). Este avance aborda los desafíos a los que se enfrentaban los clientes al compartir modelos ML entre cuentas, un proceso que antes requería configurar políticas complejas de AWS Identity and Access Management (IAM) y crear integraciones personalizadas.
Con esta nueva funcionalidad, los usuarios pueden compartir y acceder de manera más sencilla y segura a modelos ML registrados en el SageMaker Model Registry entre diferentes cuentas. La funcionalidad se gestiona mediante la interfaz de usuario de SageMaker Studio o por medio de APIs, permitiendo especificar qué modelos se compartirán y con qué cuentas. Los usuarios autorizados tendrán acceso rápido a estos modelos en sus respectivas cuentas de AWS, lo que facilita los flujos de trabajo de ML, mejora la visibilidad y la gobernanza, y acelera la adopción de modelos ML en toda la organización.
Este desarrollo es crucial dentro del contexto de la gobernanza de modelos, fundamental para asegurar que los sistemas de inteligencia artificial se desarrollen y utilicen respetando valores, derechos y regulaciones. La gobernanza adquiere especial relevancia dentro del marco del Acta de Inteligencia Artificial de la UE, que destaca la importancia de supervisar y gestionar los sistemas de IA según el contexto de uso.
La gobernanza de modelos ML no solo garantiza el cumplimiento de regulaciones y estándares éticos, sino que también previene sesgos, gestiona riesgos, protege contra el mal uso y mantiene la transparencia. Todo ello es esencial para generar confianza, cumplir con los requisitos regulatorios y asegurar un uso ético de las tecnologías de IA.
El nuevo sistema de intercambio multi-cuenta mejora la seguridad, escalabilidad y confiabilidad de los sistemas, facilitando la aprobación, despliegue y auditoría de los modelos ML. Este avance proporciona a las organizaciones la capacidad de implementar un enfoque centralizado en la gobernanza del ciclo de vida de los modelos, incrementando así la efectividad, cumplimiento y adopción responsable de la inteligencia artificial.
