Gartner: la IA se mueve rápido y estará lista para el horario de máxima audiencia antes de lo que cree

Los usuarios quieren más de lo que la inteligencia artificial puede proporcionar en este momento, pero esas capacidades están cambiando rápidamente, según el informe Hype Cycle for Artificial Intelligence 2021 de Gartner. Los analistas de Gartner describieron 34 tipos de tecnologías de inteligencia artificial en el informe y también señalaron que el ciclo de exageración de la inteligencia artificial es más acelerado, con un número superior al promedio de innovaciones que alcanzan la adopción generalizada en un plazo de dos a cinco años.

Los analistas de Gartner encontraron más innovaciones de lo habitual en la fase de activación de la innovación del ciclo de la publicidad. Eso significa que los usuarios finales buscan capacidades tecnológicas específicas que las herramientas de IA actuales aún no pueden ofrecer. Los datos sintéticos, las plataformas de orquestación, la IA compuesta, la gobernanza, la IA centrada en el ser humano y la IA generativa se encuentran en esta fase inicial.

Las tecnologías más familiares, como la inteligencia artificial de borde, la inteligencia de decisiones y los gráficos de conocimiento, se encuentran en la cima de la fase de expectativas infladas del ciclo de exageraciones, mientras que los chatbots, los vehículos autónomos y la visión por computadora están en el punto más bajo de la desilusión.

VER: Salesforce implementa flujos de trabajo impulsados ​​por inteligencia artificial, actualizaciones del centro de contacto en Service Cloud

Los analistas de Gartner, Shubhangi Vashisth y Svetlana Sicular, escribieron el informe e identificaron estas cuatro megatendencias de IA:

1. Las empresas buscan poner en funcionamiento las plataformas de IA para permitir la reutilización, la escalabilidad y la gobernanza y acelerar la adopción y el crecimiento de la IA. Las plataformas de automatización y orquestación de IA (AIOAP) y la operacionalización del modelo (ModelOps) reflejan esta tendencia.
2. La innovación en IA significa el uso eficiente de todos los recursos, incluidos los datos, los modelos y la computación. La IA de múltiples experiencias, la IA compuesta, la IA generativa y los transformadores son ejemplos de esta tendencia.
3. La IA responsable incluye IA explicable, gestión de riesgos y ética de IA para una mayor confianza, transparencia, equidad y auditabilidad de las iniciativas de IA.
4. Los enfoques de datos pequeños y amplios permiten análisis e IA más sólidos, reducen la dependencia de las organizaciones de los macrodatos y brindan un conocimiento de la situación más completo.

Vashisth y Sicular también ven un mayor enfoque en productos mínimos viables y ciclos de desarrollo de IA acelerados, que ven como una mejor práctica importante.

Estas seis tecnologías están todas en la fase de “disparador de innovación” del ciclo de publicidad y se espera que alcancen la meseta de productividad (el final del ciclo de publicidad) dentro de dos a cinco años:

1. IA compuesta
2. Plataforma de automatización y orquestación de IA
3. Gobernanza de la IA
4. IA generativa
5. IA centrada en el ser humano
6. Datos sintéticos

Aquí hay una breve descripción de cada tipo de IA, basada en el informe del ciclo de publicidad de Gartner.

IA compuesta

Este enfoque de la IA combina varias técnicas para expandir el nivel de representaciones del conocimiento y resolver más problemas comerciales de manera más eficiente. El objetivo es crear soluciones de inteligencia artificial que necesiten menos datos y energía para aprender. La idea es que este enfoque pondrá la tecnología a disposición de las empresas que no tienen grandes cantidades de datos pero que tienen una experiencia humana significativa. Esta tecnología está emergiendo, según Gartner, y ha penetrado entre el 5 y el 20% del mercado objetivo.

Esta técnica es mejor cuando no hay suficientes datos para el análisis tradicional o cuando “el tipo de inteligencia requerido es muy difícil de representar en las redes neuronales artificiales actuales”.

Plataforma de automatización y orquestación de IA

Las empresas utilizan AIOAP para estandarizar DataOps, ModelOps, MLOps y canalizaciones de implementación y poner en práctica prácticas de gobernanza. Esta tecnología también unifica el desarrollo, la entrega y los contextos operativos, particularmente en torno a la reutilización de componentes como las tiendas de características y modelos, la supervisión, la gestión de experimentos, el rendimiento del modelo y el seguimiento del linaje. Esta tendencia está siendo impulsada por problemas creados por los enfoques tradicionales en silos de gestión y análisis de datos. AIOAP está surgiendo y ha alcanzado entre el 1% y el 5% de la audiencia objetivo.

VER: El código abierto impulsa la inteligencia artificial, pero los legisladores no parecen darse cuenta

Para implementar AIOAP, Gartner recomienda que las empresas auditen las prácticas actuales de análisis y datos, simplifiquen los procesos analíticos y de datos y utilicen entornos de proveedores de servicios en la nube.

Gobernanza de la IA

La gobernanza de la IA es la práctica de establecer la responsabilidad por los riesgos que conlleva el uso de la IA. Los líderes gubernamentales de Japón, EE. UU. Y Canadá están poniendo barreras para la IA con algunas orientaciones voluntarias y algunas vinculantes. Los analistas señalan que la inteligencia artificial sin gobernanza es peligrosa, pero establecer reglas puede ayudar a establecer la responsabilidad.

Los esfuerzos de gobernanza no deben ser iniciativas independientes y deben abordar:

• Ética, equidad y seguridad para proteger una empresa y su reputación.
• Confianza y transparencia
• Diversidad

La gobernanza está surgiendo y ha alcanzado entre el 1% y el 5% de la audiencia objetivo.

Las empresas deben establecer pautas de riesgo basadas en las regulaciones y el apetito por el riesgo empresarial, y asegurarse de que los humanos estén al tanto para mitigar las deficiencias de IA.

IA generativa

Este tipo de IA aplica lo que ha aprendido para crear contenido nuevo, como archivos de texto, imágenes, video y audio. La IA generativa es más relevante para las industrias de las ciencias de la vida, la salud, la fabricación, la ciencia de los materiales, los medios de comunicación, el entretenimiento, la automoción, la aeroespacial, la defensa y la energía, según el informe. Los analistas predicen que la IA generativa interrumpirá la codificación del software y podría automatizar hasta el 70% del trabajo realizado por los programadores cuando se combina con técnicas de automatización. Esta tecnología también se puede utilizar para el fraude, el malware, la desinformación y la motivación para el malestar social.

VER: 3 formas en que los delincuentes utilizan la inteligencia artificial en ataques de ciberseguridad

Esta tecnología está surgiendo y ha llegado a menos del 1% del público objetivo. Los analistas recomiendan prestar mucha atención a la IA generativa porque esperan una rápida adopción. Las empresas deben prepararse para lidiar con deepfakes, determinar los casos de uso iniciales y pensar en cómo los datos generados sintéticamente podrían acelerar el ciclo de desarrollo de análisis y reducir el costo de adquisición de datos.

IA centrada en el ser humano

Este enfoque de la IA también se llama inteligencia aumentada o humano en el circuito y asume que las personas y la tecnología están trabajando juntas. Esto significa que ciertas tareas son completadas por un algoritmo y otras por humanos. Además, las personas pueden hacerse cargo de un proceso cuando la IA ha alcanzado el límite de sus capacidades. HCAI puede ayudar a las empresas a gestionar los riesgos de la IA y a ser más éticas y eficientes con la automatización. Según el informe, “muchos proveedores de inteligencia artificial también han cambiado sus posiciones al enfoque de HCAI más impactante y responsable”.

HCAI está surgiendo y ha alcanzado entre el 5% y el 20% de la audiencia objetivo. Gartner recomienda establecer la HCAI como un principio clave y crear una junta de supervisión de IA para revisar todos los planes de IA. Las empresas también deben utilizar la inteligencia artificial para centrar la atención humana donde más se necesita para respaldar la transformación digital.

Datos sintéticos

Los datos generados artificialmente son una solución al desafío de obtener datos del mundo real y etiquetarlos para entrenar modelos de IA. Los datos sintéticos también resuelven el problema de eliminar la información de identificación personal de los datos en vivo. Estos datos son más baratos y rápidos de obtener y reducen el costo y el tiempo en el desarrollo del aprendizaje automático. Los inconvenientes de estos datos son que pueden tener problemas de sesgo, pasar por alto anomalías naturales o no aportar nueva información a los datos existentes.

Esta tecnología está surgiendo y ha alcanzado entre el 1% y el 5% de la audiencia objetivo. Las empresas deben trabajar con proveedores especializados mientras esta tecnología madura y con científicos de datos para asegurarse de que un conjunto de datos sintéticos sea estadísticamente válido.

Ver también