Las 4 tendencias que prevalecen en el Hype Cycle de Gartner para la IA, 2021

Descargar ahora: Hoja de ruta de tecnologías emergentes de 2021 a 2023

Mediante el uso del procesamiento del lenguaje natural (PLN) y de tecnologías emergentes como la IA generativa, los gráficos de conocimiento y la IA compuesta, las organizaciones utilizan cada vez más soluciones de inteligencia artificial (IA) para crear nuevos productos, mejorar los existentes y hacer crecer su base de clientes. 

Sin embargo, el objetivo principal de las organizaciones es acelerar la velocidad a la que las pruebas de concepto (POC, por sus siglas en inglés) avanzan hasta producción. De ahí que las siguientes cuatro tendencias dominen el panorama de la inteligencia artificial este año:

• Puesta en marcha de iniciativas de IA
• Uso eficiente de los datos, los modelos y la informática
• Inteligencia artificial responsable
• Datos para la inteligencia artificial

Descargar ahora: Refuerza tu ecosistema de inteligencia artificial (IA)

Tendencia n.º 1: Puesta en marcha de iniciativas de IA

Para la mayoría de las organizaciones, la entrega e integración continua de soluciones de IA dentro de las aplicaciones empresariales y los flujos de trabajo comerciales es una compleja opción añadida.

“Por término medio, se requieren unos ocho meses para que un modelo basado en la IA se integre en un flujo de trabajo empresarial y aporte algún valor tangible”, afirma Shubhangi Vashisth, analista principal de Gartner. “Sin embargo, para reducir los errores de los proyectos de IA, las organizaciones deben poner en marcha sus arquitecturas de IA de forma eficiente”.

Gartner prevé que para 2025, el 70 % de las organizaciones habrán puesto en marcha arquitecturas de inteligencia artificial debido a la rápida madurez de las iniciativas de orquestación de IA. 

Las organizaciones deberían considerar la operacionalización de modelos (ModelOps) para hacer operativas las soluciones de IA. ModelOps reduce el tiempo que se necesita para que los modelos de IA pasen del estado piloto al de producción, con un enfoque basado en principios que puede ayudar a garantizar un alto grado de éxito. También ofrece un sistema de gobernanza y gestión del ciclo de vida de toda la IA (gráficos, lingüística, sistemas basados en reglas y otros) y de modelos de decisión. 

Tendencia n.º 2: Uso eficiente de los datos, los modelos y la informática

Las organizaciones que continúan innovando en IA también necesitan utilizar de forma eficiente todos los recursos: datos, modelos e informática. 

La inteligencia artificial compuesta, por ejemplo, consiste en combinar los enfoques de IA “basados en conexiones”, como el aprendizaje profundo, y los enfoques de IA “simbólicos”, como el razonamiento basado en reglas, el análisis de gráficos, el modelado basado en agentes o las técnicas de optimización. El resultado de la combinación de esas técnicas (entre otras) es un sistema de IA compuesto que resuelve una variedad más amplia de problemas empresariales con mayor eficiencia.

Las organizaciones pueden aplicar la IA generativa, que crea contenidos multimedia originales, datos sintéticos y modelos de objetos físicos. A modo de ejemplo, la IA generativa se utilizó para crear un medicamento para tratar el trastorno obsesivo compulsivo (TOC) en menos de 12 meses. Gartner estima que para 2025, más del 30 % de los nuevos medicamentos y materiales se descubrirán sistemáticamente mediante técnicas de inteligencia artificial generativa.

Tendencia n.º 3: Inteligencia artificial responsable

Cuanto más sustituya la IA a las decisiones humanas a gran escala, más amplificará los efectos positivos y negativos de dichas decisiones. Si no se controlan, los enfoques basados en la inteligencia artificial pueden perpetuar prejuicios que provocan problemas y pérdida de productividad e ingresos. 

Si bien los algoritmos pueden deducir la raza y el sexo a partir de parámetros indirectos, como los nombres femeninos tipo o los códigos postales con una demografía racial predominante, existen prejuicios más implícitos que son difíciles de detectar. Un científico de datos, por ejemplo, podría pasar por alto que un cierto número de clics en el sitio web puede suponer una discriminación por edad. La inteligencia artificial puede clasificar perfectamente una boda de estilo occidental estereotipada, pero ser incapaz de “ver” las bodas de la India y África.

De cara al futuro, las organizaciones deben desarrollar y operar los sistemas de IA con equidad y transparencia, además de cuidar la seguridad, la privacidad y la sociedad en general. 

Tendencia n.º 4: Datos para la inteligencia artificial