- Información más reciente sobre inteligencia artificial
- Iniciativas relacionadas con la inteligencia artificial
- Recursos para líderes de IA
- Conferencias para líderes de IA
La inteligencia artificial (IA) es la aplicación de análisis avanzados y técnicas basadas en la lógica, incluido el machine learning, para interpretar eventos, respaldar y automatizar decisiones y llevar a cabo acciones.
En Gartner definimos la inteligencia artificial (IA) como la aplicación de análisis avanzados y técnicas basadas en la lógica, incluido el machine learning (ML), para interpretar eventos, respaldar y automatizar decisiones y llevar a cabo acciones. Esta definición está en consonancia con el estado actual y emergente de las tecnologías y las capacidades de la IA, y reconoce que la IA implica por lo general un análisis probabilístico (en el que la probabilidad se combina con la lógica para asignar un valor a la incertidumbre).
Otras organizaciones y personas pueden utilizar definiciones diferentes. No existe una descripción única de la inteligencia artificial que tenga una aceptación universal, debido a las muchas formas en que la IA puede respaldar, potenciar y automatizar las actividades humanas e incluso aprender y actuar con autonomía (consulta “¿Qué es el machine learning?”).
Para aprovechar como organización la oportunidad que representa la IA, sin embargo, necesitas articular y aceptar una definición que tenga cierto consenso, centrada en tus expectativas sobre la IA. (Consulta “¿Qué significa una estrategia empresarial de IA?”).
Permite las diferentes opiniones, pero intenta que los responsables de análisis de datos, de empresa y de TI no discrepen en su idea fundamental sobre lo que significa la IA para la organización, si realmente quieres diseñar una estrategia que aproveche sus beneficios.
Ten en cuenta que los proveedores de tecnología de IA probablemente tengan también sus propias definiciones. Pídeles que expliquen cómo te ayudará su oferta a cumplir tus expectativas sobre el valor que aportará la IA.
El machine learning es una técnica fundamental que permite que la IA resuelva problemas. A pesar de algunas ideas erróneas generalizadas (y algunas denominaciones populares inapropiadas), las máquinas no aprenden. Lo que hacen es almacenar y computar; eso sí, de una manera cada vez más compleja.
El machine learning es una disciplina meramente analítica. Se basa en aplicar modelos matemáticos a los datos para extraer conocimiento y hallar patrones que los humanos difícilmente podrían encontrar. El ML también recomienda acciones, pero no dirige los sistemas a llevarlas a cabo sin intervención humana.
Más concretamente, el machine learning crea un algoritmo o una fórmula estadística (lo que se conoce como “modelo”) capaz de convertir una serie de datos en un resultado único. Los algoritmos del ML “aprenden” mediante “entrenamiento”, es decir, identifican patrones y correlaciones en los datos y los utilizan para aportar nueva información y predicciones sin haber sido programados explícitamente para ello.
El “deep learning” (o aprendizaje profundo) es una variante del machine learning que, mediante el uso de múltiples capas de algoritmos, resuelve problemas al extraer conocimiento de los datos sin procesar y transformarlo en cada uno de los niveles. El deep learning puede mejorar los resultados del ML tradicional (o técnicas de aprendizaje superficial) al trabajar con datos complejos y a menudo multidimensionales, como imágenes, voz y texto. De todas formas, tanto los sistemas basados en reglas como el ML tradicional pueden resolver con eficacia muchos problemas de IA.
En la mayoría de las organizaciones, las soluciones de deep learning no ocupan todavía un lugar destacado en la hoja de ruta de productos (los sistemas basados en reglas o el ML tradicional pueden servir para muchos de los usos actuales de la IA), pero su aplicación está creciendo rápidamente, en paralelo a los progresos del procesamiento de datos y los avances de las técnicas computacionales.
El uso del ML, incluido el deep learning, con fines predictivos permite a los procesos basados en la IA automatizar la selección del resultado más favorable, lo que elimina la necesidad de un decisor humano.
Consulta también “¿Cuál es el futuro de la inteligencia artificial y de las tecnologías de IA?”
Los responsables de Tecnología de la Información y de análisis de datos pueden utilizar técnicas de IA para solucionar una gran variedad de problemas empresariales y lograr rendimientos significativos; ahora bien, la cuestión en la mayoría de las organizaciones es cómo utilizar la inteligencia artificial para crear o acelerar el crecimiento del negocio digital.
Las oportunidades principales de la inteligencia artificial radican en su capacidad para conseguir lo siguiente:
Según revelan sistemáticamente las investigaciones de Gartner, los directores de sistemas de información (Chief Information Officers, CIO) ven como una gran oportunidad las ventajas de la IA, pero tienen dificultades para aprovechar esas ventajas en la práctica. De todas formas, la inteligencia artificial terminará remodelando los procesos de trabajo, a medida que la tecnología sustituya algunas tareas desempeñadas tradicionalmente por los empleados y cambie la manera de tomar las decisiones cotidianas. Los casos prácticos se dividen principalmente en tres categorías: automatización y optimización, generación de conocimientos y creación de interacciones que emulan las humanas (como en los chatbots y los asistentes virtuales). (Consulta “¿Qué ejemplos existen de aplicaciones de la inteligencia artificial en las empresas?”).
Por el momento, sin embargo, la expectación en torno a la IA puede ser contraproducente y dificultar que algunas organizaciones establezcan unas expectativas acertadas en cuanto a sus resultados comerciales. La expectación desmesurada da lugar a proyectos que no tienen ninguna posibilidad de tener éxito. Cuando esto sucede, los directores de empresa cuyas expectativas no eran realistas tienden a culpar a la tecnología y la ciencia de no haber sido capaces de crear las transformaciones que esperaban.
Asegúrate de establecer una estrategia empresarial para la IA que te permita identificar casos prácticos e indicadores de éxito desde el principio. Algunos parámetros habituales para medir los beneficios son la reducción del riesgo, la velocidad de los procesos, la mejora de las ventas, el incremento de la satisfacción del cliente y la disminución de las necesidades o los costes de mano de obra. Muchos casos empresariales se basan en una combinación de beneficios materiales e inmateriales. (Consulta “¿Qué significa una estrategia empresarial de IA?”).
Como tecnología emergente, la inteligencia artificial no ha demostrado aún todo su impacto y sus beneficios. La innovación de la IA es una de las muchas fuerzas que provocan cambios disruptivos en los mercados actuales y propician nuevas iniciativas; por ejemplo, de negocio digital. Pero la IA se está aplicando también en diferentes sectores, organizaciones y departamentos, de maneras muy diversas. A continuación se ofrecen algunos ejemplos en el ámbito de las operaciones comerciales:
Para que una empresa aproveche los beneficios de la inteligencia artificial es necesario que sus directores ejecutivos definan una estrategia global de IA que identifique posibles usos, cuantifique los beneficios y los riesgos, sitúe a los equipos de negocio y de tecnología en la misma dirección y modifique las competencias organizativas para respaldar la adopción de la IA.
Si quieres generar valor a partir de la inteligencia artificial, elige estratégicamente las iniciativas centrándote en aquello que tu organización aspira a conseguir y en los problemas comerciales que estás intentando resolver. Para que la IA despliegue todo su potencial deberás utilizarla como un miembro más de tu familia de aplicaciones, y esto incluye disponer de datos de todas las áreas de la empresa para alimentar las funciones que ofrece.
Para las organizaciones que se encuentren en fases tempranas de madurez de la IA será más viable introducir su uso en áreas como el control de costes, antes de avanzar hacia aspectos clave de la propuesta de valor, como la experiencia del cliente. Según la investigación de Gartner, a medida que se gana madurez en el uso de la inteligencia artificial, se amplían sus aplicaciones y se potencia su impacto.
Algunos elementos clave de la estrategia empresarial de IA son los siguientes:
La disciplina de la IA evoluciona rápidamente, fruto de nuevas técnicas y de infraestructuras y hardware especializados. Según la previsión de Gartner, en los próximos cinco años las organizaciones adoptarán técnicas de última generación para unas aplicaciones de inteligencia artificial más fiables, responsables y sostenibles ambientalmente.
La trayectoria de la IA, actualmente, sigue más de cerca la de las tecnologías que la han precedido. Para las empresas y los gobiernos, la inteligencia artificial actualmente resulta más:
En el futuro, las organizaciones seguirán buscando en la inteligencia artificial una forma de mejorar sus procesos de toma de decisiones. Aquellas que tengan la perspicacia de adoptar estos métodos rápidamente lograrán diferenciarse más de la competencia y ganarán agilidad y capacidad de respuesta ante los cambios del ecosistema.
Ejecutar las estrategias de IA sigue siendo un desafío para los equipos de infraestructura y operaciones. Comenzar localmente supone invertir en una infraestructura y una arquitectura que pueden ser difíciles de predecir, dotar de personal y financiar. Ello hace atractivas las opciones en la nube, pero a medida que crece la necesidad de IA y aumentan los requisitos de inversión, la nube puede volverse más costosa (y el compromiso con los proveedores de la nube más preocupante). Por este motivo están surgiendo interesantes estrategias que equilibran la inversión para funcionamiento en la nube con inversiones en infraestructuras (las conocidas como estrategias híbridas de nube/locales).
Algunas previsiones de Gartner sobre la planificación estratégica de la IA apuntan que, para 2025:
La mayor parte de las organizaciones empresariales desconocen o no comprenden el funcionamiento intrínseco de la inteligencia artificial, lo que deriva en potenciales preocupaciones en torno a su legitimidad, seguridad y privacidad. Pero la inteligencia artificial no puede prosperar si la empresa no confía en las técnicas que la hacen posible, de modo que las organizaciones necesitan controles adicionales y adoptar las medidas que les permitan evaluar las amenazas y los daños, así como responder ante ellos, para garantizar que la IA incorpore criterios de integridad.
En Gartner nos referimos a nuestra estructura de gestión del riesgo de la IA como “MOST” porque se basa en los tres pilares siguientes:
La generalización de la IA en una empresa conllevará inevitablemente amenazas que pueden traducirse en riesgos organizativos graves. Las organizaciones deben ser proactivas en la evaluación de las amenazas. Si lo hacen, pueden mejorar la confianza de las partes interesadas en la IA.
Efectivamente, según la previsión de Gartner, en 2025 las regulaciones deberán centrarse en la ética, la transparencia y la privacidad de la IA, lo que avivará (en lugar de mitigar) la confianza, el crecimiento y un funcionamiento mejorado de la IA en todo el mundo.
Súmate a otros profesionales del sector en la presentación de las últimas novedades en las conferencias de Gartner.