Novedades del Hype Cycle de Gartner para la inteligencia artificial de 2022

15 de septiembre de 2022

Autora: Jackie Wiles

Las innovaciones en inteligencia artificial (IA) siguen aportando beneficios a las empresas y sus tasas de adopción se acelerarán en los próximos años. Conoce el panorama y la repercusión.

El Hype Cycle™ de Gartner para la inteligencia artificial (IA) de 2022 identifica innovaciones que son imprescindibles de conocer en el área de tecnología y técnicas de IA, más allá de la inteligencia artificial que ya usamos cotidianamente para perfeccionar aplicaciones comerciales, dispositivos y herramientas de productividad que antes eran estáticos.

“Cabe destacar que el Hype Cycle para la IA está repleto de innovaciones que, previsiblemente, van a impulsar beneficios elevados o, incluso, transformadores”, afirma Afraz Jaffri, director analista de Gartner. “Debemos prestar especial atención a las innovaciones cuya adopción prevemos que va a generalizarse en un plazo de dos a cinco años, como la IA compuesta, la inteligencia de decisiones y la IA en el perímetro. La adopción temprana de estas innovaciones puede ofrecer una ventaja competitiva considerable, así como valor comercial, y aliviar los problemas asociados con la fragilidad de los modelos de IA”.

Descargar ahora: Una estructura para capturar el valor comercial de la inteligencia artificial

Las innovaciones en inteligencia artificial (IA) se clasifican en cuatro categorías

Se prevé que la gran mayoría de las innovaciones de inteligencia artificial repercutan en las personas y los procesos, tanto en el contexto empresarial como fuera de él, por lo que es importante que las conozcan las distintas partes interesadas, desde los responsables de empresa hasta los equipos de ingeniería empresarial encargados de implementar y hacer funcionar los sistemas de IA. 

De todas formas, los responsables de análisis de datos (D&A) pueden ser los grandes beneficiados de utilizar la perspectiva del Hype Cycle para diseñar sus estrategias de IA para el futuro y utilizar tecnologías de gran impacto en el presente.

Las innovaciones en IA del Hype Cycle reflejan prioridades complementarias, y en ocasiones contradictorias, en cuatro categorías principales:

  1. IA centrada en datos

  2. IA centrada en el modelo

  3. IA centrada en aplicaciones

  4. IA centrada en las personas

IA centrada en datos

La comunidad de la inteligencia artificial se ha centrado tradicionalmente en mejorar los resultados de las soluciones de IA aplicando pequeños retoques a los propios modelos de inteligencia artificial, pero en la IA centrada en datos el enfoque cambia y el objetivo es mejorar y enriquecer los datos que se utilizan para entrenar a los algoritmos. 

Al abordar consideraciones sobre los datos que son específicas de la inteligencia artificial, la IA centrada en datos supone un cambio disruptivo en la gestión de datos tradicional. Sin embargo, las organizaciones que invierten en IA a gran escala evolucionarán para preservar las ideas de gestión de datos tradicionales que sigan siendo válidas y hacerlas extensivas a la inteligencia artificial de dos formas:

  • Añadiendo las capacidades necesarias para que un público enfocado en la IA que no está familiarizado con la gestión de datos desarrolle convenientemente la IA.

  • Utilizando la IA para mejorar y potenciar valores clásicos perdurables como la gobernanza de datos, la persistencia, la integración y la calidad de los datos.

Las innovaciones en inteligencia artificial basada en datos incluyen los datos sintéticos, los gráficos de conocimiento y el etiquetado y la anotación de datos.

Los datos sintéticos, por ejemplo, son una clase de datos que se generan artificialmente en lugar de obtenerse a partir de observaciones directas del mundo real. Los datos pueden generarse utilizando diferentes métodos, como muestreo estadísticamente riguroso, enfoques semánticos y redes generativas antagónicas, o creando escenarios hipotéticos simulados en los que modelos y procesos interaccionan para crear conjuntos de datos de acontecimientos totalmente nuevos. 

Su adopción está aumentando en varios sectores, además de usarse en la visión por ordenador y las aplicaciones de lenguaje natural, pero Gartner predice un incremento masivo de su adopción, puesto que los datos sintéticos:

  • Evitan usar información personalmente identificable al entrenar modelos de machine learning (ML), mediante variaciones sintéticas de los datos originales o sustitución sintética de partes de los datos.

  • Reducen el coste y ahorran tiempo en el desarrollo del machine learning, ya que obtenerlos resulta más económico y rápido.

  • Mejoran el rendimiento del machine learning, puesto que al disponer de más datos para su entrenamiento, este obtiene mejores resultados.

IA centrada en el modelo

A pesar del cambio a un enfoque centrado en datos, los modelos de IA necesitan igualmente atención para asegurar que los resultados sigan ayudándonos a adoptar mejores acciones. En este caso, las innovaciones incluyen IA basada en la física, IA causal, IA generativa, modelos de base y aprendizaje profundo (deep learning).

La IA compuesta se refiere a la fusión de diferentes técnicas de IA para mejorar la eficiencia del aprendizaje y ampliar el nivel de las representaciones del conocimiento. Puesto que ninguna técnica de IA por sí sola es una solución mágica, la IA compuesta ofrece, en última instancia, una plataforma para solucionar una gama más amplia de problemas empresariales de una forma más eficaz. 

La previsión es que la IA compuesta se adopte ampliamente en los próximos dos a cinco años; además, probablemente sus beneficios tendrán un efecto transformador para las empresas y permitirán nuevas formas de actividad empresarial en todos los sectores que conllevarán cambios significativos en la dinámica industrial. A modo de ejemplo, la IA compuesta:

  • Podrá trasladar la potencia de la IA a un grupo más amplio de organizaciones que no tienen acceso a grandes volúmenes de datos históricos o etiquetados, pero que disponen de una considerable capacidad humana experta.

  • Podrá ayudar a ampliar el alcance y la calidad de las aplicaciones de inteligencia artificial (es decir, podrán integrarse más tipos de desafíos de razonamiento).

La inteligencia artificial causal incluye diferentes técnicas, como los gráficos y la simulación causales, que ayudan a desvelar relaciones causales para mejorar la toma de decisiones. Aunque faltan entre 5 y 10 años para que la IA causal se adopte de forma generalizada, se espera que sus beneficios para las empresas sean enormes al permitir integrar nuevas formas de llevar a cabo procesos horizontales o verticales que redunden en un incremento considerable de los ingresos o del ahorro de costos para la empresa. Algunos beneficios de la IA causal son:

  • Eficiencias derivadas de añadir conocimiento de dominios para poner en marcha los modelos de inteligencia artificial causal con conjuntos de datos más pequeños.

  • Mejora de las decisiones potenciada y más autonomía en los sistemas de IA.

  • Mejora de la explicabilidad al capturar relaciones de causa y efecto fáciles de interpretar.

  • Aumento de la robustez y la adaptabilidad al aprovechar las relaciones causales que sigan siendo válidas en entornos cambiantes.

  • Reducción del sesgo en los sistemas de inteligencia artificial al hacer más explícitos los vínculos causales.

IA centrada en aplicaciones

Algunas de las innovaciones en este ámbito son la ingeniería de inteligencia artificial, la inteligencia de decisiones, los sistemas de IA operativos, los ModelOps, los servicios de IA en la nube, los robots inteligentes, el procesamiento del lenguaje natural (NLP), los vehículos autónomos, las aplicaciones inteligentes y la visión por ordenador.

Se prevé la adopción generalizada de la inteligencia de decisiones y la inteligencia artificial en el perímetro en los próximos dos a cinco años, con efectos transformadores para las empresas.

La inteligencia de decisiones es una disciplina práctica que se utiliza para mejorar la toma de decisiones mediante el conocimiento y el diseño explícitos de cómo se toman las decisiones y cómo se evalúan, gestionan y potencian los resultados a través del feedback.​ 

Qué aporta la inteligencia de decisiones:

  • Reduce la deuda técnica e incrementa la visibilidad, además de mejorar el efecto de los procesos empresariales al aumentar materialmente la sostenibilidad de los modelos de decisión de las organizaciones basándose en la potencia de su significancia y en la calidad de su transparencia. De esta forma, las decisiones resultan más transparentes y auditables.

  • Reduce la imprevisibilidad de los resultados de las decisiones al capturar y tener en cuenta adecuadamente los factores de incertidumbre del contexto empresarial y elaborar modelos de decisión más resilientes.

Descargar ahora: Cómo definir la estrategia de tu proceso de toma de decisiones

La inteligencia artificial en el perímetro consiste en el uso de técnicas de IA integradas en los terminales, portales y servidores perimetrales del Internet de las cosas (Internet of Things [IoT]), para aplicaciones que van desde los vehículos autónomos hasta las analíticas de streaming. Algunos de sus beneficios comerciales son:

  • Mejora de la eficiencia operativa, como fabricación de sistemas de inspección visual.

  • Mejora de la experiencia del cliente.

  • Reducción de la latencia en la toma de decisiones, con el uso de análisis locales.

  • Reducción del coste de conectividad, con menos tráfico de datos entre el perímetro y la nube.

  • Disponibilidad permanente de soluciones, independiente de la conectividad de red.

IA centrada en las personas

Este grupo de innovaciones incluye la gestión de la confianza, el riesgo y la seguridad de la inteligencia artificial (TRiSM, por sus siglas en inglés), la IA responsable, la ética digital y los kits de creación y enseñanza de IA.

Cuando la inteligencia artificial sustituye las decisiones humanas, amplifica los buenos y los malos resultados por igual. La inteligencia artificial responsable capacita para unos buenos resultados al resolver los dilemas intrínsecos entre la aportación de valor y la tolerancia al riesgo. La inteligencia artificial responsable es un término genérico referido a aspectos como la actividad empresarial adecuada y las elecciones éticas al adoptar la IA, incluidos valor empresarial y social, riesgo, confianza, transparencia, justicia, reducción de los sesgos, explicabilidad, responsabilidad, seguridad, privacidad y cumplimiento reglamentario. La adopción generalizada de la IA responsable se alcanzará dentro de entre 5 y 10 años, pero tendrá un efecto transformador para las empresas. 

La ética digital es una tendencia prevista a corto plazo (entre 2 y 5 años) y probablemente tendrá un gran impacto empresarial. La ética digital comprende los sistemas de valores y los principios morales de conducta en las interacciones electrónicas entre las personas, las organizaciones y las cosas. Estas cuestiones siguen generando gran preocupación, especialmente por su relación con la privacidad y el sesgo. Cada vez más personas son conscientes del valor que tiene su información y se sienten molestas por la falta de transparencia, el uso indebido y las infracciones. Las organizaciones están actuando para reducir los riesgos derivados de la gestión y la protección de datos personales, mientras los gobiernos imponen leyes más estrictas.

Muchas empresas siguen sin tener en cuenta la ética digital porque creen que no es aplicable a su sector o su ámbito, pero la previsión de Gartner es que, en 2024, el 30 % de las principales organizaciones incluirán la “voz de la sociedad” como un nuevo indicador para actuar conforme a las preocupaciones sociales y evaluar el impacto de su rendimiento comercial. Las organizaciones necesitarán integrar la ética digital en sus estrategias de IA para reforzar su influencia y su reputación entre clientes, empleados, socios y la sociedad en general.

En resumen: 

  • El Hype Cycle™ de Gartner para la inteligencia artificial de 2022 presenta las innovaciones que debes conocer y que está previsto que impulsen grandes beneficios para cualquier organización.

  • Estas innovaciones van más allá de las técnicas de inteligencia artificial que ya usamos cotidianamente para mejorar las aplicaciones comerciales, los dispositivos y las herramientas de productividad que solían ser estáticos.

  • Es importante prestar atención ahora a las innovaciones cuya adopción generalizada se prevé que ocurra en un plazo de dos a cinco años, como la IA compuesta, la inteligencia de decisiones y la IA en el perímetro.

Afraz Jaffri es director de investigación en Gartner, y se enfoca en análisis, ciencia de datos e inteligencia artificial. Asesora a los responsables de análisis de datos sobre cómo aprovechar al máximo sus inversiones en plataformas modernas de ciencia de datos, aprendizaje automático y análisis.

Mejora el rendimiento en tus principales prioridades estratégicas.