By Juan Diego Polo

Si trabajas con SQL, sabes que encontrar y organizar consultas puede ser un dolor de cabeza. Sherloq viene al rescate, ofreciendo una solución colaborativa y eficiente para gestionar tus consultas SQL de manera sencilla y rápida.

¿Qué es Sherloq?

Sherloq es una plataforma diseñada para facilitar la gestión de consultas SQL dentro de equipos de trabajo. Integra todas tus consultas en un solo lugar, permitiendo un acceso rápido y organizado sin tener que abandonar tu entorno de desarrollo (IDE).

Características Clave

Gestión Colaborativa

Sherloq permite a los usuarios gestionar y compartir código SQL de forma colaborativa. ¿Cuántas veces has perdido tiempo buscando esa consulta que sabías que habías guardado en algún lado? Con Sherloq, esto se convierte en cosa del pasado. Cada miembro del equipo puede acceder y reutilizar consultas guardadas, mejorando la productividad y reduciendo la duplicación de esfuerzos.

Control de Versiones

¿Alguna vez has necesitado volver a una versión anterior de una consulta SQL? Sherloq facilita esto al permitirte crear y gestionar diferentes versiones de tus consultas. Siempre tendrás a mano la versión más actualizada y podrás retroceder si es necesario.

Historial Automático

Sherloq guarda automáticamente el historial de consultas SQL de todo el equipo. Esto te permite rastrear cambios y acceder a versiones anteriores de manera sencilla. Ideal para equipos que necesitan mantener un registro claro de las modificaciones realizadas.

Búsqueda con IA

Olvídate de perder tiempo buscando consultas específicas. Sherloq incorpora una potente búsqueda basada en inteligencia artificial que te permite encontrar rápidamente las consultas que necesitas. Solo tienes que escribir lo que buscas y Sherloq hará el resto.

Seguridad de Datos

La seguridad es una prioridad para Sherloq. No necesita acceso directo a tus datos, lo que significa que tu información permanece segura. Además, está certificado con SOC2 Audit, cumpliendo con estrictos estándares de seguridad.

Beneficios de Usar Sherloq

Eficiencia Mejorada

Con Sherloq, la gestión de consultas SQL se vuelve mucho más eficiente. Al tener todas las consultas organizadas y fácilmente accesibles, puedes dedicar más tiempo al análisis de datos y menos a buscar código perdido.

Colaboración Efectiva

Sherloq fomenta la colaboración al permitir que los miembros del equipo compartan y reutilicen consultas. Esto reduce la redundancia y mejora la coherencia en el uso de consultas dentro del equipo.

Productividad Incrementada

Las funciones de búsqueda con IA y los atajos de teclado para fragmentos de SQL aumentan significativamente la productividad. Puedes encontrar y usar el código que necesitas de manera rápida y sin esfuerzo.

Sin Cambios en Tu Flujo de Trabajo

Sherloq se integra sobre tu IDE existente, lo que significa que no necesitas cambiar tu flujo de trabajo actual. Esto facilita la adopción de la herramienta sin necesidad de largos procesos de adaptación.

Cómo Empezar con Sherloq

Sherloq ofrece una prueba gratuita de 30 días y varias opciones gratuitas, lo que facilita probar la plataforma sin compromiso. Para comenzar, visita su sitio web y regístrate para la prueba gratuita.

Source:: Wwwath’s new

By Juan Diego Polo

La inteligencia artificial (IA) es un campo en constante evolución. En los últimos años, la discusión sobre la IA open source ha cobrado fuerza, con voces diversas intentando definir lo que realmente significa. Ahora, en TC, han investigado sobre este tema en un impresionante artículo que aquí os resumo:

El Debate de la IA Open Source

Desde hace décadas, la comunidad tecnológica ha debatido intensamente sobre el software open source versus el propietario. Ahora, esta discusión se extiende al mundo de la IA. Stefano Maffulli, director ejecutivo de la Open Source Initiative (OSI), lidera los esfuerzos para clarificar qué constituye una IA open source.

Diferencias Fundamentales

Joseph Jacks, evangelista del open source, sostiene que no existe una “IA open source» como tal. La razón es simple: los pesos de redes neuronales (NNWs, por sus siglas en inglés) no son comparables al código fuente del software. Estos pesos son parámetros que la red aprende durante el entrenamiento y no son legibles ni depurables por humanos.

El Caso de Meta

Un ejemplo notable es Meta y sus modelos de lenguaje Llama. Meta ha promocionado estos modelos como open source, pero con restricciones significativas. Los desarrolladores con aplicaciones que tienen más de 700 millones de usuarios mensuales necesitan una licencia especial de Meta, lo cual limita la verdadera apertura del modelo.

La Iniciativa de la OSI

La OSI ha estado trabajando durante más de 25 años definiendo lo que es el software open source. Ahora, enfrentan el reto de aplicar estos principios a la IA. La organización ha desarrollado una definición preliminar que incluye un preámbulo, la definición en sí y una lista de verificación para asegurar el cumplimiento.

Componentes de la Definición

La definición actual de la OSI para la IA open source abarca tres libertades esenciales:

• Uso sin restricciones: Utilizar el sistema para cualquier propósito sin necesidad de permisos.
• Estudio y análisis: Permitir que otros estudien el funcionamiento del sistema y examinen sus componentes.
• Modificación y distribución: Modificar y compartir el sistema para cualquier propósito.

Datos y Reproducibilidad

Uno de los mayores desafíos es la gestión de los datos utilizados para entrenar los modelos de IA. La OSI sugiere que la transparencia sobre el origen de los datos y el proceso de etiquetado es más importante que el acceso a los datos en bruto. Esto es crucial para entender y reproducir los modelos de manera efectiva.

Perspectivas Futuras

La definición de IA open source no será estática. La tecnología avanza rápidamente, y la OSI se prepara para adaptar su definición según sea necesario. Se espera que la versión estable de la definición se lance en octubre, después de una serie de consultas globales.

Adaptación y Evolución

La definición no se llamará “versión final» porque se anticipan cambios. Maffulli destaca que mientras algunos elementos fundamentales como “qué es un sistema de IA» podrían permanecer constantes, los detalles técnicos en la lista de verificación probablemente evolucionen con la tecnología.

Papel de la OSI en el Futuro

El objetivo de la OSI es establecer una guía robusta y flexible que ayude a la comunidad a desarrollar y desplegar sistemas de IA verdaderamente open source. Este esfuerzo incluye asegurarse de que la definición sea replicable y transparente, con claras instrucciones para la reproducción de modelos.

La discusión sobre lo que constituye una IA open source es compleja y multifacética. La OSI, con su enfoque colaborativo y global, está en el camino de proporcionar una claridad muy necesaria en este ámbito. La comunidad tecnológica debe estar preparada para adaptarse y evolucionar junto con estas definiciones.

Source:: Wwwath’s new

By Juan Diego Polo

Las empresas enfrentan un desafío constante: cómo extraer valor de la inmensa cantidad de datos que generan. Sorprendentemente, entre el 60% y el 73% de estos datos permanecen sin utilizarse para analítica. Esto se debe a que, a menudo, los datos están fragmentados o son difíciles de acceder debido a restricciones técnicas y de seguridad. Aquí es donde entra en juego OmniAI, una solución innovadora que promete transformar este panorama.

El Problema de los Datos No Utilizados

La mayoría de las empresas tienen dificultades para aprovechar al máximo sus datos. Los datos no estructurados, como llamadas de ventas, documentos y mensajes en Slack, representan una parte significativa de la información corporativa. Sin embargo, estos datos no encajan fácilmente en bases de datos tradicionales, lo que dificulta su análisis.

Los Fundadores y su Visión

Anna Pojawis y Tyler Maran, antiguos ingenieros de startups respaldadas por Y Combinator como Hightouch y Fair Square, se dieron cuenta de este problema durante sus carreras. Inspirados por la necesidad de superar estas barreras, fundaron OmniAI con el objetivo de ayudar a las empresas a desbloquear el valor oculto en sus datos.

¿Qué es OmniAI?

OmniAI es una suite de herramientas que permite transformar datos no estructurados en formatos comprensibles para aplicaciones de analítica y IA. Este conjunto de herramientas se integra con los servicios de almacenamiento de datos y bases de datos de una empresa, como Snowflake y MongoDB. Así, OmniAI prepara los datos para que puedan ser utilizados por modelos de inteligencia artificial.

Seguridad y Flexibilidad en la Nube

OmniAI ofrece diversas opciones de despliegue, incluyendo la nube de la empresa, la nube privada de OmniAI o entornos on-premises. Esto garantiza una mayor seguridad y permite a las empresas elegir la opción que mejor se adapte a sus necesidades.

Integraciones y Modelos

Una de las ventajas clave de OmniAI es su capacidad para integrarse con varios modelos de IA desde el primer momento. Algunos de estos modelos incluyen Llama 3, Claude, Mistral Large y AWS Titan. Estas integraciones son útiles para tareas como la redacción automática de información sensible y la construcción de aplicaciones impulsadas por IA.

Modelo de Negocio

OmniAI opera bajo un modelo de software-as-a-service (SaaS). Esto permite a las empresas gestionar los modelos de IA en su propia infraestructura, lo que resulta en una mayor flexibilidad y control.

Primeros Éxitos y Futuro Prometedor

Aunque OmniAI aún está en sus primeras etapas, ya ha logrado cerrar una ronda de financiación inicial de 3,2 millones de dólares, liderada por FundersClub, alcanzando una valoración de 30 millones de dólares. La compañía cuenta con 10 clientes, entre ellos nombres destacados como Klaviyo y Carrefour. Se espera que los ingresos recurrentes anuales alcancen el millón de dólares para 2025.

Tyler Maran cree firmemente que los modelos de lenguaje grandes se convertirán en componentes esenciales de la infraestructura de las empresas en la próxima década. Prevé un futuro en el que las empresas opten por ejecutar modelos junto con su infraestructura existente, y los proveedores de modelos se centren más en licenciar los pesos de los modelos a los proveedores de la nube.

Source:: Wwwath’s new