Amadeus y NVIDIA han firmado un memorando de entendimiento para estudiar cómo la computación acelerada con GPU puede hacer más rápida, escalable y eficiente la búsqueda de vuelos. El acuerdo, anunciado por la tecnológica de viajes el 21 de octubre, amplía un trabajo que ambas ya habían iniciado y se encuentra en fase exploratoria: hay evaluaciones técnicas y pruebas comparativas sobre las plataformas Hopper y Blackwell de NVIDIA, pero ni fecha de despliegue ni cifras de mejora.
Las claves del acuerdo de Amadeus y NVIDIA en 20 segundos
- Memorando para explorar GPU en la búsqueda de vuelos.
- Pruebas iniciales con GPU Hopper y Blackwell y código adaptado a CUDA.
- Tres frentes: rendimiento, modelos fundacionales del turismo y eficiencia en la nube.
- Sin cifras de mejora ni calendario de producción.
Buscar un vuelo parece sencillo desde fuera, pero detrás hay una combinatoria enorme: rutas, escalas, tarifas, reglas de cada aerolínea y disponibilidad que cambia en tiempo real. Sistemas como el de Amadeus, que conecta a aerolíneas, agencias y otros proveedores, tienen que calcular millones de combinaciones para devolver en segundos solo las opciones que de verdad se pueden reservar. Ese es el terreno en el que las GPU, capaces de ejecutar muchísimos cálculos en paralelo, pueden marcar diferencias.
Tres líneas de trabajo
La primera es el rendimiento de la propia búsqueda. Amadeus ha adaptado parte del proceso a CUDA, la plataforma de programación de NVIDIA, para que muchos cálculos se ejecuten a la vez en GPU. Según la compañía, las primeras pruebas muestran un potencial prometedor en tiempos de respuesta y escalabilidad, y ahora quiere probar el enfoque con un abanico más amplio de cargas de búsqueda. No ha publicado datos que permitan medir esa mejora.
La segunda son los modelos fundacionales específicos para viajes. Amadeus está evaluando si desarrollarlos junto a otros socios le permitiría abordar problemas del sector donde los modelos de propósito general se quedan cortos, además de mejorar los modelos especializados que ya utiliza. La tercera línea es la eficiencia de la infraestructura: ambas compañías estudian métodos de planificación de recursos en la nube y optimización de cargas para aprovechar mejor el hardware sin perder rendimiento ni fiabilidad.
Preparar la búsqueda para los asistentes de IA
El contexto ayuda a entender el interés. Amadeus explica que uno de los objetivos es ayudar a las agencias a gestionar peticiones más complejas y a prepararse para el aumento del tráfico de búsquedas que generarán los asistentes de viaje basados en IA. Un agente de IA que compara opciones en nombre de un viajero puede lanzar muchas más consultas que una persona, y eso multiplica la carga sobre los sistemas de distribución.
Lutz Vorneweg, vicepresidente sénior de Socios Estratégicos de Amadeus, describe a la compañía como una capa neutral que coordina las conexiones entre proveedores de viajes, vendedores y asistentes digitales. Por parte de NVIDIA, David Hogan, vicepresidente de Empresas para EMEA, subraya que la colaboración combina la computación acelerada y la IA de la compañía con un profundo conocimiento del sector de los viajes.
Conviene leer el anuncio en sus justos términos. Un memorando de entendimiento no es un contrato de despliegue, y el propio comunicado habla de acelerar nuevas líneas de exploración. Lo que sí refleja es una tendencia más amplia: cargas que hasta ahora corrían en CPU, como la búsqueda combinatoria o la optimización, empiezan a probarse en GPU, con el consiguiente impacto en cómo se dimensiona y se paga la infraestructura en la nube.
Preguntas frecuentes
¿Qué han firmado Amadeus y NVIDIA?
Un memorando de entendimiento para explorar la computación acelerada y la IA específica para viajes en la búsqueda de vuelos.
¿Ya se usa en la búsqueda de vuelos de Amadeus?
No. Está en fase de pruebas con GPU Hopper y Blackwell y no hay fecha de despliegue.
¿Por qué usar GPU para buscar vuelos?
Porque la búsqueda exige calcular muchísimas combinaciones y las GPU pueden ejecutar muchos cálculos en paralelo. Amadeus ha adaptado parte del proceso a CUDA para probarlo.
Fuentes: