Los puntos calientes del desarrollo en IA

La inteligencia artificial se ha convertido en uno de los elementos que está cambiando el presente y que está llamado a cambiar el futuro. El potencial de la IA es muy elevado y sus usos variados. Para las empresas, puede ser la herramienta que les asegure la eficiencia, la productividad y la solvencia futura.

Pero la inteligencia artificial requiere un esfuerzo, tanto a la hora de establecer una estrategia como a la hora de aplicarla. «A pesar del enorme valor potencial de negocio de la IA, no se materializará de forma espontánea», resume Haritha Khandabattu, directora senior analista en Gartner. Como explica la experta, para alcanzar el éxito las empresas deberán ajustar sus pilotos a lo que importa en su negocio, marcarse buenos objetivos y lograr una buena «coordinación entre los equipos de IA y de negocio», para así conseguir generar valor.

Se necesita comprender qué está ocurriendo con la IA y en qué están invirtiendo las empresas. Puede que la IA generativa protagonice muchos titulares en prensa, pero, como señala la experta, a nivel corporativo se está pivotando hacia otros puntos destacados con un potencial claro para los negocios.

Los cuatro puntos calientes del desarrollo de la IA

El análisis de Gartner ha identificado esos puntos destacados en desarrollo en inteligencia artificial con un elevado potencial para los mercados corporativos.

Agentes de IA

El potencial de estas herramientas para las empresas parece bastante obvio a primera vista: como recuerda Gartner, «los agentes de IA son entidades de software autónomas o semiautónomas que usan técnicas de IA para percibir, tomas decisiones, realizar acciones o alcanzar objetivos». Ayudan a que todo fluya y a que lo haga de forma más rápida y eficiente, por eso las empresas los están integrando en su día a día. Pero, como recuerda la firma de análisis, para que funcionen hay que comprender que «no hay dos agentes iguales» y que se necesita analizar bien qué se necesita.

Datos listos para la IA

Lo que en inglés se llama AI Ready Data. La IA necesita grandes cantidades de información para lograr buenos resultados, pero el tipo de información con la que se alimenta y el cómo importan. Por tanto, las compañías deben hacer un esfuerzo extra para conseguir tener sus datos optimizados y listos. Esto implica trabajar la gestión de datos y sus capacidades, asegurarse bien en términos de compliance y gestión de riesgos y, sobre todo, preparar la información y sus contextos para que la inteligencia artificial la entienda bien.

IA multimodal

La propia naturaleza de la IA multimodal explica el interés que despierta y su elevado potencial corporativo. A la IA multimodal se la entrena «con múltiples tipos de datos de forma simultánea». Se alimenta de textos, imágenes, audios o vídeos, como recuerda la firma de análisis, lo que hace que se le dé mucho mejor entender las situaciones más complejas. Ante los matices del mundo real, esta inteligencia artificial tiene más herramientas para comprenderlo. Gartner estima que de aquí a cinco años se convertirá en una pieza cada vez más integral de las aplicaciones corporativas de la IA.

AI TRiSM

Si ya no se discute el potencial corporativo de la IA, también empieza a ser cada vez más habitual hallar consenso ante la idea de que la inteligencia artificial tiene también zonas grises. Empiezan a aparecer códigos de buenas prácticas y análisis que señalan puntos débiles que deben ser corregidos. Las cuestiones éticas y filosóficas se han convertido en una pieza integral del debate sobre la IA. Es ahí donde entra el AI TRiSM (de las siglas en inglés de Trust, Risk, and Security Management, gestión de confianza, riesgo y seguridad), el crear un marco que asegure que la inteligencia artificial cumple con los estándares en esos terrenos.