Cuatro tendencias que impulsarán la innovación en inteligencia artificial

Recomendados:  Entendiendo la Era del dato: tecnologías y propuestas para gestionar la "datificación" Webinar  IT Trends 2021. Asimilando la aceleración digital Leer

Desde hace muchos años la inteligencia artificial se ha considerado como una de las tecnologías con más potencial disruptivo y poco a poco ha ido evolucionando hasta ofrecer diferentes clases de automatización, por ejemplo, para el tratamiento de los datos. Su desarrollo continúa, animado por los nuevos casos de uso, y los expertos de Gartner han elaborado una lista con las cuatro tendencias más importantes que impulsarán la innovación en IA durante los próximos tres a cinco años.

Como explica Shubhangi Vashisth, analista de investigación principal senior de Gartner, “la innovación en IA está ocurriendo a un ritmo rápido, con un número superior a la media de tecnologías en el Hype Cycle que alcanzarán la adopción generalizada en un plazo de dos a cinco años. Las innovaciones que incluyen la inteligencia artificial de vanguardia, la visión por computadora, la inteligencia de decisiones y el aprendizaje automático están preparadas para tener un impacto transformador en el mercado en los próximos años”. Las cuatro tendencias que destaca en su informe son las siguientes:

Inteligencia artificial responsable

Muchas organizaciones interesadas en la inteligencia artificial están preocupadas por cuestiones como la confianza, la transparencia, la equidad y la capacidad de auditar la IA, temas fundamentales para poder implementar esta tecnología en sus procesos. Y los reguladores también están abordando estos temas para establecer una línea de desarrollo de inteligencia artificial responsable, que proporcione las ventajas esperadas sin incurrir en problemas como el sesgo en el tratamiento de los datos.

En este sentido, Svetlana Sicular, vicepresidenta de investigación de Gartner, comenta que “la IA responsable ayuda a lograr la equidad, a pesar de que se incorporan sesgos a los datos”. Opina que se puede aumentar la confianza, aunque los métodos de transparencia y explicabilidad de esta tecnología todavía tienen que evolucionar más. Pero e definitiva el desarrollo de una IA responsable permitirá garantizar el cumplimiento normativo, “mientras se lidia con la naturaleza probabilística de la IA”. Y las previsiones de Gartner son que para el año 2023 todo el personal contratado para el desarrollo y el trabajo de capacitación en IA deberá tener una experiencia demostrable en el campo de la inteligencia artificial responsable.

Small & Wide Data

Esta es otra de las tendencias que está cobrando relevancia en las organizaciones, ya que el tratamiento de conjuntos de datos pequeños y amplios permite realizar procesos de análisis e IA más sólidos. Al mismo tiempo se reduce la dependencia de las organizaciones de los macrodatos, y se obtiene un conocimiento más rico y completo de las situaciones que refleja la información digital. Las previsiones de Gartner son que, para el año 2025, el 70% de las organizaciones habrá cambiado su actual enfoque de Big Data hacia el Small & Wide Data, en busca de un mejor contexto para el análisis, lo que reducirá el consumo de datos de la inteligencia artificial.

Sicular explica que “los datos pequeños se tratan de la aplicación de técnicas analíticas que requieren menos datos, pero aún ofrecen información útil, mientras que los datos amplios permiten el análisis y la sinergia de una variedad de fuentes de datos. Juntos, estos enfoques permiten un análisis más sólido y ayudan a lograr una visión de 360 grados de los problemas comerciales”.

Operacionalización de plataformas de IA

Las organizaciones tienen prisa por poner en marcha plataformas de IA que apoyen la transformación digital del negocio, lo que implica mover los proyectos de IA lo antes posible de la fase de concepto a la producción, pero de modo que se pueda confiar en la IA para aportar soluciones a los problemas de toda la empresa. Las investigaciones de Gartner revelan que solo la mitad de los proyectos de IA logran pasar finalmente desde el piloto a la producción, y los que lo hacen tardan una media de 9 meses en lograrlo.

Por ello, Sicular afirma que las innovaciones como las plataformas de automatización y orquestación de IA (AIOAP) y la operacionalización de modelos (ModelOps)tendrán mucha relevancia en los próximos años, ya que permiten la reutilización, la escalabilidad y la gobernanza, y aceleran la adopción y el crecimiento de la IA en las organizaciones.

Uso eficiente de los recursos

La inteligencia artificial es compleja y trabaja con gran cantidad de datos y modelos, lo que implica un gran consumo de recursos informáticos. Para optimizar el coste es vital maximizar la eficiencia, y los expertos de Gartner destacan varios enfoques que permitirán mejorar este aspecto en los próximos años. Se trata de la multiexperiencia, la IA compuesta, la IA generativa y los transformadores, que están comenzado a tener más repercusión en el mercado de la inteligencia artificial, gracias a que permiten resolver una amplia variedad de problemas comerciales con más eficiencia que los enfoques de IA tradicionales.