La adopción de Inteligencia Artificial está modificando el comportamiento del tráfico en las redes empresariales. Transferencias de grandes volúmenes de datos, acceso a modelos alojados en centros de datos o nube, sincronización de información y procesos de entrenamiento distribuido pueden incrementar considerablemente la demanda sobre los enlaces WAN. En determinados escenarios, el desempeño de estas cargas depende directamente de la capacidad y del comportamiento de la red.
Sin embargo, sería incorrecto tratar todo el tráfico relacionado con IA como una única categoría de alta prioridad. No todas las cargas de Inteligencia Artificial tienen los mismos requerimientos. Una consulta hacia un servicio de inferencia puede necesitar un tiempo de respuesta reducido, mientras que la transferencia de un conjunto de datos o el almacenamiento de un punto de recuperación de un modelo puede consumir un volumen considerable de ancho de banda sin requerir la misma prioridad. Los procesos de entrenamiento distribuido, por su parte, pueden generar comunicaciones intensivas y sostenidas entre múltiples nodos.
Por esta razón, una política de Calidad de Servicio (QoS) orientada a Inteligencia Artificial debe comenzar por clasificar el tráfico según su comportamiento y su impacto sobre la operación, no simplemente por identificarlo como “tráfico de IA”.
La arquitectura de servicios diferenciados utilizada en redes IP parte precisamente de este principio: clasificar el tráfico, asignarle un tratamiento determinado y administrar los recursos disponibles de acuerdo con las necesidades de cada servicio. Entre sus mecanismos se encuentran la clasificación, el marcado, la asignación de ancho de banda, la regulación y el control de tráfico.
En una red WAN corporativa, las cargas relacionadas con IA pueden agruparse inicialmente en perfiles como los siguientes:
- Inferencia y aplicaciones interactivas: comunicaciones donde el usuario o una aplicación espera una respuesta en periodos reducidos.
- Transferencias de datos de alto volumen: movimiento de conjuntos de datos, modelos u otros archivos de gran tamaño.
- Entrenamiento distribuido: comunicaciones que pueden requerir un intercambio constante de información entre recursos de procesamiento.
- Respaldos y puntos de recuperación: transferencia y almacenamiento de estados de modelos que pueden generar cantidades importantes de información.
- Tráfico administrativo: gestión, telemetría, monitoreo y servicios necesarios para mantener la infraestructura operativa.
Esta separación es importante porque una transferencia masiva no debería recibir automáticamente el mismo tratamiento que una comunicación sensible al tiempo. Las guías de Calidad de Servicio para redes IP distinguen precisamente entre tráfico de baja latencia, tráfico orientado a alto rendimiento y transferencias de baja prioridad, de acuerdo con las características de cada aplicación.
Una de las primeras medidas consiste en identificar el tráfico en los puntos de entrada a la WAN y asignarle una clasificación consistente. El marcado mediante DSCP (Differentiated Services Code Point) permite indicar dentro del paquete el tratamiento que deberá recibir conforme atraviesa una red que implementa políticas de Calidad de Servicio. Esto facilita que routers y otros elementos de la infraestructura apliquen diferentes mecanismos de envío y administración de colas.
La política debe mantenerse de forma coherente a lo largo del trayecto. Clasificar correctamente el tráfico en una sucursal resulta poco útil si la marca se elimina o recibe un tratamiento diferente al atravesar la red del proveedor o algún dominio intermedio. Por ello, la Calidad de Servicio debe revisarse de extremo a extremo, incluyendo los acuerdos de servicio y las capacidades disponibles en cada segmento de la WAN.
Para las comunicaciones interactivas relacionadas con IA, puede ser conveniente proporcionar una garantía de capacidad y controlar el tiempo que permanecen en espera cuando existe congestión. En cambio, las transferencias sostenidas de modelos o conjuntos de datos presentan un comportamiento diferente: pueden consumir prácticamente toda la capacidad que tengan disponible durante periodos prolongados. Para este tipo de tráfico, resulta más apropiado asignar una clase orientada a alto rendimiento, con una cantidad definida de recursos, evitando que su consumo afecte aplicaciones más sensibles.
Aquí adquieren importancia mecanismos como el shaping, que regula la velocidad de transmisión para adecuarla a un perfil determinado, y el policing, que controla el tráfico cuando supera los límites establecidos. Ambas funciones permiten evitar que determinados flujos monopolicen los recursos disponibles.
La prioridad estricta debe utilizarse con especial cuidado. Asignar cargas masivas de IA a una cola de máxima prioridad puede provocar el efecto contrario al deseado: si ese tráfico ocupa continuamente los recursos, otras aplicaciones pueden verse afectadas.
Por ello, QoS no debe utilizarse para convertir todo el tráfico de IA en tráfico prioritario. Debe utilizarse para proteger los procesos que realmente requieren condiciones especiales y controlar aquellos que pueden consumir grandes cantidades de capacidad.
También es importante reconocer una limitación fundamental: QoS no genera ancho de banda. Si una carga necesita transportar más información de la que físicamente soporta el enlace, ninguna política de priorización puede eliminar esa limitación. QoS administra la competencia por los recursos disponibles; no sustituye el dimensionamiento correcto de la WAN.
Esta distinción cobra especial relevancia en entrenamiento distribuido. Las arquitecturas de entrenamiento paralelo pueden requerir comunicaciones frecuentes entre nodos y utilizar una cantidad considerable de capacidad de red. En estos escenarios, si la carga necesita operar entre ubicaciones separadas por una WAN, deben analizarse previamente el ancho de banda disponible, la latencia del trayecto y la capacidad real del transporte.
La política de QoS debe complementarse con monitoreo. No basta con establecer porcentajes de ancho de banda y asumir que continuarán siendo adecuados conforme crezcan los modelos, los conjuntos de datos o el número de usuarios. Conviene observar:
- Utilización de los enlaces WAN.
- Volumen de tráfico por clase.
- Tiempos de respuesta de aplicaciones críticas.
- Pérdida de paquetes durante periodos de congestión.
- Uso y profundidad de las colas.
- Tráfico descartado o regulado por las políticas.
- Variaciones entre horarios normales y periodos de procesamiento intensivo.
Esta información permite ajustar las políticas antes de que una nueva carga de IA afecte servicios que ya utilizan la WAN.
La incorporación de Inteligencia Artificial a una red empresarial no debería abordarse únicamente como un incremento de ancho de banda. El reto consiste en identificar qué comunicaciones requieren rapidez, cuáles necesitan capacidad y cuáles pueden esperar, para asignar los recursos de la WAN de forma consistente.
Una política de Calidad de Servicio correctamente diseñada permite que las cargas masivas de IA convivan con las aplicaciones existentes sin comprometer la operación. Sin embargo, su efectividad depende de una clasificación adecuada, capacidad suficiente y visibilidad continua sobre el comportamiento real de la red.