Llegamos a ustedes gracias a:



Noticias

Gartner identifica 4 tendencias que impulsan la innovación en IA

A corto plazo

[09/09/2021] Cuatro tendencias del Gartner, Inc. Hype Cycle for Artificial Intelligence, 2021 están impulsando la innovación en inteligencia artificial (IA) a corto plazo. Estas tendencias incluyen la IA responsable; los enfoques de datos pequeños y amplios; la operacionalización de las plataformas de IA; y el uso eficiente de los datos, los modelos y los recursos informáticos.

"La innovación en IA se está produciendo a un ritmo rápido, con un número superior a la media de tecnologías en el Hype Cycle que alcanzan la adopción generalizada en un plazo de dos a cinco años", señaló Shubhangi Vashisth, analista principal de investigación de Gartner. "Innovaciones como la IA de borde, 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".

El mercado de la IA sigue en estado de evolución, con un alto porcentaje de innovaciones de IA que aparecen en el trigger de Innovación con pendiente ascendente (ver Figura 1). Esto indica una tendencia del mercado a que los usuarios finales busquen capacidades tecnológicas específicas que a menudo van más allá de las capacidades de las herramientas de IA actuales.

Figura 1: Ciclo Hype para la Inteligencia Artificial, 2021

Estas son las cuatro tendencias que impulsan la innovación en IA, según Gartner:

IA responsable: "El aumento de la confianza, la transparencia, la equidad y la auditabilidad de las tecnologías de IA sigue siendo cada vez más importante para una amplia gama de partes interesadas", anotó Svetlana Sicular, vicepresidente de investigación de Gartner. "La IA responsable ayuda a lograr la equidad, aunque los sesgos se incorporen a los datos; a ganar confianza, aunque los métodos de transparencia y explicabilidad estén evolucionando; y a garantizar el cumplimiento de la normativa, mientras se lidia con la naturaleza probabilística de la IA".

De hecho, Gartner espera que para el 2023, todo el personal contratado para el desarrollo de la IA y el trabajo de formación tendrá que demostrar su experiencia en IA responsable.

Datos pequeños y amplios: Los datos constituyen la base del éxito de las iniciativas de IA. Los enfoques de datos pequeños y amplios permiten una analítica y una IA más sólidas, reducen la dependencia de las organizaciones de los grandes datos, y ofrecen un conocimiento de la situación más rico y completo.

Según Gartner, para el 2025, el 70% de las organizaciones se verán obligadas a cambiar su enfoque de big data a small and wide data, proporcionando más contexto para la analítica y haciendo que la IA tenga menos hambre de datos.

"Los datos pequeños tienen que ver con la aplicación de técnicas analíticas que requieren menos datos pero que siguen ofreciendo perspectivas útiles, mientras que los datos amplios permiten el análisis y la sinergia de una variedad de fuentes de datos", sostuvo Sicular. "Juntos, estos enfoques permiten una analítica más sólida y ayudan a alcanzar una visión más de 360 grados de los problemas empresariales".

Operacionalización de las plataformas de IA: La urgencia y la importancia de aprovechar la IA para la transformación de la empresa está impulsando la necesidad de hacer operativas las plataformas de IA. Esto significa pasar los proyectos de IA del concepto a la producción, de modo que se pueda confiar en las soluciones de IA para resolver los problemas de toda la empresa.

"La investigación de Gartner ha descubierto que solo la mitad de los proyectos de IA pasan del piloto a la producción, y los que lo hacen tardan una media de nueve meses en hacerlo", anotó Sicular. "Innovaciones como las plataformas de orquestación y automatización de IA (AIOAPs) y la operacionalización de modelos (ModelOps) están permitiendo la reutilización, escalabilidad y gobernanza, acelerando la adopción y el crecimiento de la IA".

Uso eficiente de los recursos: Dada la complejidad y la escala de los datos, los modelos y los recursos informáticos implicados en los despliegues de IA, la innovación en IA requiere que dichos recursos se utilicen con la máxima eficiencia. La multiexperiencia, la IA compuesta, la IA generativa y los transformadores están ganando visibilidad en el mercado de la IA por su capacidad para resolver una amplia gama de problemas empresariales de manera más eficiente.

CIO, Perú