Ficha del módulo

Competencia que desarrolla: configurar la infraestructura de sistemas de IA aplicando el plan de aprovisionamiento, instalación y configuración, integrándola en el flujo productivo e implementando medidas que garantizan la calidad del servicio y su trazabilidad.

Estructura del módulo

UD1 · Determinación de componentes necesarios

Fuentes de información para la preparación:

• Sistema de gestión de activos e inventario
• Documentación técnica de los modelos a desplegar
• Plan de aprovisionamiento: lista de componentes, versiones y cantidades

Verificaciones previas:

UD1 · Trazabilidad y monitorización desde el inicio

Trazabilidad del despliegue:

• Repositorios de modelos: versión exacta del artefacto a desplegar
• Repositorios de características (feature stores): versión de los datos de entrada
• Versionado de código de infraestructura como código (IaC): Terraform, Ansible
• Sistemas de trazado distribuido: Jaeger, Zipkin, OpenTelemetry

Configuración de monitorización y alarmas:

• Picos de carga en CPU, GPU, memoria y red
• Desconexión de elementos o pérdida de disponibilidad
• Protocolos de actuación y comunicación ante cada tipo de alerta

UD2 · Infraestructura propia (on-premise)

Proceso de aprovisionamiento físico:

1. Montaje de servidores en rack con cableado estructurado
2. Instalación del sistema operativo (imagen base auditada)
3. Configuración del bootloader y firmware (BIOS/UEFI)
4. Instalación de controladores de red y GPU
5. Configuración de entornos de ejecución y dependencias base
6. Validación de rendimiento y conectividad

Documentar: fecha, equipo responsable, versiones de imágenes y configuraciones, logs de instalación.

UD2 · Infraestructura como servicio (IaaS)

Recursos a provisionar en la nube:

Verificar: rendimiento con cargas de prueba antes de pasar a producción.

UD3 · Aplicaciones del ecosistema MLOps

Herramientas a instalar y configurar:

UD3 · Configuración de relaciones y permisos

Aspectos de configuración entre aplicaciones:

# Ejemplo: acceso del servidor de inferencia al registro de modelos
model_registry:
  url: https://registry.internal:5000
  api_key: ${REGISTRY_API_KEY}  # cargado desde Vault
  namespace: produccion
  timeout_s: 30

storage:
  volume: /mnt/models
  mount_mode: read_only
  permisos: inference-service-sa

Verificar: compatibilidad entre versiones de modelo, entorno y dependencias antes de poner en producción.

UD4 · Habilitación de entradas de datos

Escenarios de entrada según el contexto:

Metadatos de trazabilidad en cada entrada:

• Marca temporal · Identificador de versión del modelo · Indicador de confianza · ID de transacción

UD4 · Habilitación de salidas y verificación

Formatos y destinos de salida:

Verificación de integraciones:

• Pruebas de extremo a extremo con datos reales
• Validación de formatos, latencias y volúmenes esperados

UD5 · Estrategias de despliegue

UD5 · Verificación antes de la puesta en servicio

Plan de pruebas previo al go-live:

1. Pruebas de humo: funcionalidad básica en el nuevo entorno
2. Pruebas de rendimiento: latencia P50, P95, P99 bajo carga esperada
3. Pruebas de carga: comportamiento bajo el pico de demanda
4. Pruebas diferenciales: comparar salidas de la nueva versión vs. la anterior
5. Detección de anomalías: verificar que el sistema de monitorización detecta errores

Documentar cada prueba: configuración utilizada, resultados, decisión de go/no-go y responsable.

UD6 · Qué monitorizar en producción

Dimensiones de monitorización de un sistema de IA:

UD6 · Detección de drift y correcciones

Pruebas estadísticas para detección de drift:

Operaciones de corrección:

• Escalado de recursos (horizontal o vertical)
• Vuelta a versión previa (rollback)
• Aplicación de parches o reentrenamiento del modelo
• Redirección de flujos o activación de modo de operación reducida

UD7 · Clasificación por riesgo (Reglamento IA UE)

Niveles de riesgo según el Reglamento de IA de la UE (2024/1689):

Los sistemas de IA de alto riesgo requieren documentación técnica, registro de eventos y supervisión humana.

UD7 · Logging, supervisión humana y gobernanza de datos

Registro automático de eventos (logging):

• Versión del modelo activo · Entradas recibidas · Salidas generadas
• Decisiones tomadas · Intervenciones humanas · Incidencias

Supervisión humana:

• Validación previa a actuaciones de alto impacto
• Capacidad de intervención o anulación en tiempo real
• Parada segura ante comportamientos inesperados

Gobernanza de datos:

• Representatividad y trazabilidad del origen de los datos
• Derechos de las personas: acceso, rectificación, supresión, oposición, limitación (RGPD)
• Conservación de evidencias del ciclo de vida del modelo

UD8 · Responsabilidad y sostenibilidad en el despliegue

Responsabilidad en el despliegue:

• Tomar decisiones técnicas asumiendo sus consecuencias
• Comunicación efectiva y trabajo colaborativo con todos los perfiles
• Transmitir instrucciones de funcionamiento de forma sencilla y comprensible

Sostenibilidad en la infraestructura:

• Reutilizar infraestructura existente antes de provisionar nueva
• Evitar sobredimensionamiento: ajustar recursos a la demanda real
• Reducir consumo con instancias spot, autoescalado y apagado programado
• Principio DNSH y ODS aplicables (7, 9, 12, 13)

UD8 · PRL y gestión de residuos

PRL — Prevención de riesgos laborales:

Gestión de RAEE:

• Recogida selectiva y entrega a gestor autorizado
• Certificado de destrucción para equipos con datos
• Economía circular: reutilización antes del reciclaje

Criterios de evaluación — MP02

• Determina y verifica componentes; configura monitorización y alarmas
• Monta y configura infraestructura propia o contratada; documenta intervenciones
• Instala aplicaciones MLOps según el Plan; verifica compatibilidad
• Configura entradas y salidas según el escenario; incorpora metadatos de trazabilidad
• Selecciona la estrategia de despliegue adecuada y verifica el funcionamiento
• Detecta drift con pruebas estadísticas; aplica correcciones y documenta
• Clasifica el sistema por riesgo; configura logging y supervisión humana
• Integra sostenibilidad; aplica EPI y ergonomía; gestiona residuos RAEE