Novedades del Hype Cycle de Gartner para la inteligencia artificial de 2023

El Hype Cycle de Gartner™ para la inteligencia artificial de 2023 identifica innovaciones y técnicas que ofrecen beneficios significativos e incluso transformadores, además de abordar las limitaciones y los riesgos de los sistemas falibles. Las estrategias de IA deben considerar cuáles ofrecen los casos más creíbles desde el punto de vista de la inversión. 

“El Hype Cycle para la IA presenta muchas innovaciones que merecen especial atención por su posible adopción generalizada en los próximos dos a cinco años y que incluyen la IA generativa y la inteligencia de decisiones”, afirma el director analista de Gartner, Afraz Jaffri. “La adopción temprana de estas innovaciones puede ofrecer una ventaja competitiva considerable y resolver los problemas derivados del uso de modelos de IA en los procesos empresariales”.

Descargar ahora: El manual para planificar tu estrategia de IA

La IA generativa protagoniza los debates sobre inteligencia artificial, tras haber incrementado la productividad de los desarrolladores y trabajadores del conocimiento de forma significativa, utilizando sistemas como ChatGPT. Esto ha llevado a las organizaciones e industrias a reconsiderar sus procesos empresariales y el valor de los recursos humanos, lo que ha situado a la IA generativa en el pico de expectativas sobredimensionadas en el Hype Cycle.

Gartner detecta ahora dos aspectos en el avance de la IA generativa hacia unos sistemas de IA más potentes:

• Innovaciones que se verán impulsadas por la IA generativa.

• Innovaciones que impulsarán avances en IA generativa.

Más información: La guía para ejecutivos sobre la IA generativa

La IA generativa repercute en la empresa en lo que se refiere a descubrimiento, creación, autenticidad y regulación del contenido. También tiene la capacidad de automatizar el trabajo humano, así como las experiencias de los clientes y los empleados. 

Algunas tecnologías fundamentales que se incluyen en esta categoría son las siguientes: 

• La inteligencia artificial general (IAG) es la inteligencia (actualmente hipotética) de una máquina capaz de realizar cualquier tarea intelectual que pueda llevar a cabo una persona.

• La ingeniería de IA es fundamental para la entrega de soluciones de IA a gran escala por parte de la empresa. Esta disciplina crea unos sistemas empresariales operativos, de desarrollo y de entrega coherentes basados en la inteligencia artificial.

• Los sistemas autónomos son sistemas físicos o de software autogestionados que desempeñan tareas delimitadas por dominios con tres características fundamentales: autonomía, aprendizaje y agencia. 

• Los servicios de IA en la nube proporcionan herramientas de creación de modelos de IA, API para servicios precompilados y middleware asociado que capacitan para crear/entrenar, implementar y consumir modelos de machine learning (ML) que se ejecutan en infraestructuras predefinidas como servicios en la nube.

• La IA compuesta se refiere a la aplicación combinada (o la fusión) de diferentes técnicas de IA para mejorar la eficiencia del aprendizaje y ampliar el nivel de las representaciones del conocimiento. Resuelve una variedad más amplia de problemas empresariales con una mayor eficacia.

• La visión artificial es un conjunto de tecnologías que permiten capturar, procesar y analizar imágenes y vídeos de la vida real para extraer información significativa y contextual del mundo físico.

• La IA centrada en datos es un enfoque basado en mejorar y enriquecer los datos de entrenamiento para impulsar mejores resultados de la IA. La IA centrada en datos también aborda la calidad, la privacidad y la escalabilidad de los datos.

• La IA en el perímetro se refiere al uso de técnicas de IA integradas en productos que no son de tecnología de la información, puntos de conexión de Internet de las cosas (IoT), puertas de enlace y servidores perimetrales. Incluye casos de uso de aplicaciones de consumo, comerciales e industriales como los vehículos autónomos, las capacidades mejoradas de diagnóstico médico y los análisis de vídeo en streaming.

• Las aplicaciones inteligentes utilizan la adaptación aprendida para responder de forma autónoma a las personas y las máquinas.

• La operacionalización de modelos (ModelOps, por sus siglas en inglés) se centra principalmente en la gobernanza de extremo a extremo y la gestión del ciclo de vida de análisis avanzados, IA y modelos de decisión. 

• Los sistemas operativos de IA (OAISys, por sus siglas en inglés) permiten la orquestación, la automatización y el escalado de IA de producción y de categoría empresarial, que comprende el machine learning, la red neuronal profunda (DNN, por sus siglas en inglés) y la IA generativa.

• La ingeniería de instrucciones (prompt engineering en inglés) es una disciplina basada en alimentar con datos (en forma de texto o imágenes) los modelos de IA generativa para especificar y delimitar el conjunto de respuestas que el modelo puede producir. 

• Los robots inteligentes son máquinas basadas en IA, a menudo móviles, diseñadas para ejecutar de forma autónoma una o varias tareas físicas.

• Los datos sintéticos son una clase de datos que se generan artificialmente en lugar de obtenerse a partir de observaciones directas del mundo real.

Escuchar ahora: El Hype Cycle para la IA de 2023: Nuevas tecnologías en la plataforma de lanzamiento

“La exploración de la inteligencia artificial generativa se está acelerando gracias a la popularidad de sistemas como Stable Diffusion, Midjourney, ChatGPT y los grandes modelos de lenguaje. Las organizaciones de usuarios finales de la mayoría de sectores experimentan activamente con la IA generativa”, afirma la analista vicepresidenta de Gartner, Svetlana Sicular. 

“Los proveedores de tecnología forman grupos de IA generativa para priorizar la entrega de aplicaciones y herramientas asistidas mediante IA generativa. A lo largo del 2023, han surgido numerosas empresas emergentes que innovan con la IA generativa, y la previsión es que sigan aumentando. Algunos gobiernos están evaluando el impacto de la IA generativa y preparándose para regularla”.

Algunas tecnologías fundamentales que se incluyen en esta categoría son las siguientes: 

• La simulación con IA es la aplicación combinada de tecnologías de inteligencia artificial y de simulación para desarrollar conjuntamente agentes de IA y los entornos simulados en los que estos se pueden entrenar, probar y, en ocasiones, implementar.

• La gestión de la confianza, el riesgo y la seguridad de la IA (AI TRiSM, por sus siglas en inglés) garantiza la gobernanza, la confianza, la equidad, la fiabilidad, la robustez, la eficacia y la protección de datos del modelo de IA.

• La inteligencia artificial causal identifica y utiliza las relaciones de causa y efecto para superar los modelos predictivos basados en correlaciones y avanzar hacia unos sistemas de IA capaces de prescribir acciones con mayor eficacia y actuar con más autonomía.

• El etiquetado y la anotación de datos (DL&A, por sus siglas en inglés) es un proceso en el que los activos de datos se clasifican, segmentan, anotan y potencian para enriquecer los datos y mejorar los proyectos de análisis y de IA.

• La IA de principios básicos (FPAI, por sus siglas en inglés) (también conocida como IA basada en la física) incorpora los principios físicos y analógicos, las leyes que los rigen y los conocimientos del dominio en los modelos de IA. La FPAI amplía la ingeniería de IA a la ingeniería de sistemas complejos y basados en modelos.

• Los modelos fundacionales son grandes modelos de parámetros entrenados a partir de una amplia gama de conjuntos de datos de forma autónoma.

• Los gráficos de conocimiento son representaciones legibles por máquina de los mundos físico y digital. Incluyen entidades (personas, empresas, activos digitales) y sus relaciones, que siguen un modelado de datos gráfico.

• Los sistemas multiagente (MAS, por sus siglas en inglés) son un tipo de sistema de IA integrado por múltiples agentes independientes (pero interactivos), cada uno capaz de percibir su entorno y llevar a cabo acciones. Los agentes pueden ser modelos de IA, programas de software, robots y otras entidades informáticas.

• La IA neurosimbólica es una forma de IA compuesta que combina métodos de machine learning y sistemas simbólicos para crear modelos de IA más robustos y fiables. Proporciona una infraestructura de razonamiento para resolver una gama más amplia de problemas empresariales de manera más eficaz.

• La IA responsable es un término general para referirse a cuestiones relacionadas con la toma de decisiones empresariales y éticas apropiadas al adoptar la IA. Abarca las responsabilidades y las prácticas de la organización que garantizan un desarrollo y un funcionamiento positivos, responsables y éticos de la IA.

Afraz Jaffri es director analista de Gartner e investiga en las áreas de analítica, ciencia de datos e IA. Asesora a los responsables de análisis de datos para aprovechar al máximo sus inversiones en las plataformas modernas de ciencia de datos, machine learning y análisis.

Svetlana Sicular es analista vicepresidenta de Gartner e investiga la intersección de datos y la IA. Está convencida de que la suma de la inteligencia humana y la artificial es superior a cualquiera de las dos por separado. Su principal interés es ayudar a las organizaciones a lograr la transformación digital mediante el uso de la IA para implementar ideas empresariales innovadoras.