Entiende y aprovecha la IA generativa con el nuevo radar de impacto de Gartner

Gartner recomienda que, al desarrollar productos y servicios basados en la IA generativa, sigas los pasos siguientes:

• Crea un plan para implementarlos y probarlos.

• Céntrate primero en los casos de uso predominantes, aquellos que ya están aportando un valor real a los usuarios.

• Elabora una hoja de ruta de inversiones que priorice las oportunidades.

• Esfuérzate por conseguir una ventaja competitiva.

• Espera antes de invertir a largo plazo en tecnologías de IA generativa.

Este tema es central en las ofertas de IA generativa y destaca componentes básicos, como los modelos de lenguaje grandes (Large Language Models, LMM), así como los modelos de negocio innovadores, por ejemplo, los modelos como servicio (Models as a Service, MAAS). Las tecnologías y tendencias siguientes corresponden a esta categoría:

• Los LLM ligeros pueden servir para casos de uso en los que no resultan factibles los LLM masivos (o pesados).

• Los LLM de código abierto son modelos básicos de aprendizaje profundo que se distinguen por las condiciones de uso, por conceder su distribución a los desarrolladores y por el acceso de estos al código fuente y a la arquitectura del modelo.

• Las cadenas de LLM multietapa son bibliotecas que conectan diferentes LLM para completar múltiples tareas.

• Los centros de modelos son repositorios que alojan modelos de machine learning (ML) entrenados previamente y listos para usar, incluidos los modelos generativos.

• Los modelos de IA de difusión son generativos y utilizan la variación probabilística para añadir ruido a los datos y, a continuación, invertir el proceso para generar nuevas muestras de datos.

• Los modelos de IA como servicio (AIMaaS, por sus siglas en inglés) proporcionan al modelo de IA capacidad de inferencia y de ajuste, y se ofrecen a través de proveedores de la nube como un servicio consumible.

Este tema destaca el papel fundamental del usuario en la reducción de riesgos y el establecimiento de directrices para una gestión responsable de la IA generativa por parte de los proveedores. Las tecnologías y tendencias siguientes corresponden a esta categoría:

• La IA con el usuario en el bucle (UITL, por sus siglas en inglés) es un flujo de trabajo en el que los usuarios participan en cada fase de desarrollo del sistema de IA.

• La gestión de las alucinaciones de la IA se refiere a la forma de resolver los errores cuando el contenido generado utilizando los LLM carece de lógica o es objetivamente incorrecto.

• La generación mejorada por recuperación (RAG, por sus siglas en inglés) es un patrón de arquitectura que combina la función de búsqueda con la capacidad generativa para fundamentar el resultado de las finalizaciones generativas.

• Las extensiones de IA generativa son herramientas que amplían las capacidades de los modelos con la posibilidad de recuperar información en tiempo real, incorporar datos empresariales, realizar nuevos tipos de cálculos y actuar de forma segura en nombre del usuario.

• Las herramientas de ingeniería de instrucciones proporcionan entradas, en forma de texto o imágenes, a los modelos de IA generativa para especificar y delimitar el conjunto de respuestas que el modelo puede producir.

• Los detectores de procedencia identifican si el contenido de texto, audio o vídeo se creó con IA generativa.

Este tema aborda algunos de los pasos y decisiones fundamentales al construir y promover un modelo de IA generativa. Las tecnologías y tendencias siguientes corresponden a esta categoría:

• Los grafos de conocimiento (KG, por sus siglas en inglés) son estructuras de datos legibles por máquina que representan el conocimiento del mundo físico y del digital, incluidas las entidades y sus relaciones, según un modelado de datos basado en grafos.

• Los modelos de IA generativa multimodales permiten la entrada y salida de varios tipos de datos, como imágenes, vídeos, audio, texto y datos numéricos, dentro de un único modelo generativo. 

• Los datos sintéticos generados por IA son una clase de datos a menudo derivados y extrapolados a partir de conjuntos de datos reales, pero que se generan artificialmente en lugar de recopilarse de eventos del mundo real. 

• Las bases de datos vectoriales escalables proporcionan capacidad de búsqueda vectorial (semántica) y se utilizan junto con los LLM para aplicar la capacidad del modelo a responder al lenguaje natural con información personalizada o específica de una empresa o dominio.

• Las herramientas de ingeniería de IA generativa capacitan a las empresas para instrumentalizar los modelos más rápidamente y equilibrar, así, tanto la gobernanza como el tiempo de comercialización.

Este tema se centra en las expectativas en torno a las aplicaciones emergentes, algunas de las cuales permitirán nuevos casos de uso, mientras que otras mejorarán las experiencias actuales durante los próximos tres años. Las tecnologías y tendencias siguientes corresponden a esta categoría:

• Los gemelos de simulación combinan las ventajas de los gemelos digitales con los escenarios hipotéticos de las tecnologías de IA.

• Las aplicaciones nativas de IA generativa constan de software diseñado a partir de tecnología y capacidades de IA generativa.

• Las herramientas y los agentes de flujo de trabajo son funciones que pueden utilizar los agentes (programas/algoritmos de IA) para interactuar con el entorno. 

• Las aplicaciones de IA generativa integrada constan de software existente que se ha actualizado incorporándole capacidades de IA generativa para mejorar los casos de uso o crear otros nuevos.

• El modelado molecular basado en IA utiliza técnicas de simulación para probar rápidamente posibles tratamientos modelando las uniones e interacciones de los diferentes compuestos con las moléculas diana. 

• Los sistemas generativos multiagente (MAG, por sus siglas en inglés) combinan agentes de software computacional con LLM para simular un entorno de comportamientos e interacciones de sistemas multiagente complejos.

• La generación de código con IA utiliza los LLM para generar código basado en las instrucciones que envía el usuario.

• Los asistentes virtuales (AV) basados en IA generativa representan una nueva generación de asistentes que aprovechan los LLM para mejorar su funcionalidad.