La inteligencia artificial (IA) ha evolucionado drásticamente en los últimos años, pasando de automatizar procesos y apoyar la toma de decisiones, a tener capacidades de generación de contenido y lenguaje natural. Esta IA de nueva generación, conocida como IA generativa o GenAI, representa una disrupción mayúscula, que impactará prácticamente cualquier industria y área de negocio.

Para adoptar estas tecnologías y maximizar su beneficio, las organizaciones requieren no solo talento humano especializado en campos como ciencia de datos y desarrollo de software, sino también acceso a infraestructura informática de vanguardia, tanto en equipos locales como en la nube.

Inteligencia artificial (IA)

La inteligencia artificial es la capacidad de los sistemas digitales para realizar tareas que generalmente requieren inteligencia humana. Esto incluye resolver problemas complejos, automatizar procesos, mejorar la toma de decisiones y aumentar la eficiencia y productividad. Representa una relación evolutiva entre humanos y máquinas.

Tradicionalmente, las máquinas realizaban tareas mecánicas mientras los humanos pensaban y tomaban decisiones. Pero en años recientes, los algoritmos y datos han provisto herramientas para delegar algunas tareas de decisión a las máquinas. Este cambio profundo afectará casi todos los aspectos de la industria y gobierno globalmente.

Se estima que para 2025, el 88% de los servidores para cargas de trabajo de IA implementadas en el borde se utilizarán para inferencia. La IA es clave para liberar el valor de los datos y se ha convertido en una de las herramientas más importantes para empresas de todo tamaño.

Inteligencia Artificial Generativa (GenIA)

La GenIA representa una evolución de la IA tradicional, pasando de su uso táctico para la toma de decisiones, a la generación de contenido. Permite la interacción en lenguaje natural entre humanos y máquinas, democratizando el acceso a la IA.

Se proyecta que para 2025, la GenIA contribuirá con $150 mil millones de dólares al mercado global de software empresarial y $76 mil millones en infraestructura y servicios de centros de datos de GenIA. Representa otra transformación profunda que impactará prácticamente todos los aspectos de industria y gobierno global.

La inteligencia artificial (IA) es un campo de la informática que se enfoca en crear sistemas que puedan realizar tareas que normalmente requieren inteligencia humana. Inició a partir de la década de 1940, con trabajos publicados que no tuvieron gran repercusión, pero el término “inteligencia artificial” se acuñó en 1956 durante una conferencia en Dartmouth. A continuación, se presenta una breve línea de tiempo de la inteligencia artificial:

Panorama de México y la IA

México muestra un gran potencial para el desarrollo de la inteligencia artificial (IA) en América Latina. Según el Índice Latinoamericano de Inteligencia Artificial (ILIA) de la CEPAL, el país tiene puntajes equiparables al promedio regional en infraestructura, además de haber implementado redes 5G, lo que coloca una base técnica sólida para futuras innovaciones.

Otro pilar de fortaleza es el talento humano. México es una de las regiones con educación temprana en habilidades digitales integradas en la currícula formal, de acuerdo con ILIA. Incluso en capital humano avanzado, aunque está por debajo del promedio regional en investigadores y doctores en IA normalizados por habitantes, resalta en cantidad de maestrías en TIC. Esto denota un sistema de formación maduro y con alto potencial.

De acuerdo con datos de IDC, más del 90% de las empresas mexicanas han adoptado IA en algún proceso, especialmente en áreas como atención al cliente, finanzas y supply chain. Para los próximos 12 meses, tecnologías como la IA generativa y el aprendizaje automático se perfilan con un rápido crecimiento. Si bien el conocimiento sobre los beneficios de la IA generativa es aún limitado, existe una tendencia a entrenar talento interno para su implementación.

México muestra avances significativos en talento y adopción empresarial de IA, con oportunidades puntuales de mejora:

• Aumentar la conectividad y acceso a internet en la población
• Impulsar la formación de capital humano avanzado
• Promover una cultura de innovación en IA en las empresas
• Generar mayor conciencia sobre beneficios de IA generativa
• Actualizar la estrategia nacional de IA involucrando al ecosistema

Atendiendo estos puntos, México puede aspirar al liderazgo regional en desarrollo responsable de inteligencia artificial, apalancando sus recursos humanos y técnicos actuales. La clave está en integrar los distintos esfuerzos del ecosistema para maximizar el beneficio social de esta tecnología.

La importancia de los datos en la IA

Los datos son fundamentales para la inteligencia artificial (IA) ya que alimentan los algoritmos de machine learning e IA, permitiendo tomar decisiones, analizar comportamientos históricos y desarrollar sistemas más eficaces y precisos.

La importancia de los datos radica en su capacidad para generar valor a través del tratamiento y análisis científico, convirtiéndolos en conocimiento útil, original y rentable.

La IA y el big data ayudan a las organizaciones a tomar decisiones más informadas, identificar oportunidades y minimizar riesgos, lo que revoluciona la forma en que se utilizan los datos.

Los datos de alta calidad alimentan modelos de IA, convirtiéndolos en herramientas de toma de decisiones infalibles y reduciendo el riesgo de resultados erróneos.

La IA centrada en datos requiere ir más allá de la cantidad y enfocarse en la calidad de los datos, ya que el 99% de la investigación en IA está centrada en mejorar los modelos, pero es crucial que los datos funcionen también.

La importancia de los datos para la IA radica en su capacidad para alimentar los algoritmos, permitir la toma de decisiones informadas, identificar oportunidades, minimizar riesgos y generar valor a través del conocimiento que proporcionan.

La importancia de los datos para la inteligencia artificial (IA) radica en su capacidad para alimentar los algoritmos de machine learning e IA, permitiendo tomar decisiones, analizar comportamientos históricos y desarrollar sistemas más eficaces y precisos.

La importancia de los datos para la IA se puede resumir en los siguientes aspectos:

• Alimentación de algoritmos: Los datos son fundamentales para alimentar los algoritmos de machine learning e IA, permitiendo tomar decisiones y analizar comportamientos históricos
• Generación de valor: Los datos de alta calidad alimentan modelos de IA, convirtiéndolos en herramientas de toma de decisiones infalibles y reduciendo el riesgo de resultados erróneos.
• Identificación de oportunidades: Los datos de alta calidad otorgan a las empresas una comprensión más profunda de sus clientes, permitiéndoles entender sus necesidades y preferencias. Minimización de riesgos: La baja calidad de los datos actúa como una niebla densa que dificulta la visión empresarial, haciendo que la detección de oportunidades sea un desafío titánico.
• Calidad vs. cantidad: La IA centrada en datos requiere ir más allá de la cantidad y enfocarse en la calidad de los datos, ya que el 99% de la investigación en IA está centrada en mejorar los modelos, pero es crucial que los datos funcionen también.

Para garantizar la calidad de los datos en la IA, es fundamental seguir prácticas como la recopilación de datos de diversas fuentes, la exploración de datos para identificar problemas como valores faltantes o inconsistencias, y la limpieza y preparación de datos para facilitar la comparación y el análisis. Además, es importante establecer funciones y responsabilidades de los datos en toda la organización, formar y educar a los equipos sobre los datos y su importancia, y supervisar continuamente el estado de los datos mediante la elaboración de perfiles de datos.

La implementación de inteligencia artificial generativa se está extendiendo por diversas ubicaciones, ya sea en la nube pública o en entornos locales. En el caso de las empresas, varios factores impulsan la preferencia por enfoques de infraestructura local o privado. La privacidad de los datos y la seguridad de la propiedad intelectual empresarial emergen como elementos críticos, lo que impulsa la necesidad de desarrollar modelos GenAI utilizando datos internos en lugar de depender de conjuntos de datos compartidos públicamente. La gravedad de los datos, es decir, su proximidad a la aplicación y la infraestructura necesaria para su procesamiento, también juega un papel crucial. Otros aspectos clave incluyen el rendimiento durante la fase de entrenamiento, el tiempo necesario para obtener resultados, la disponibilidad de modelos alineados con los objetivos empresariales y la capacidad de tomar decisiones confiables. Además, el diseño inteligente y el control efectivo del ciclo de vida son esenciales para agilizar y aumentar la productividad en este contexto, permitiendo a las empresas aprovechar al máximo las capacidades de la IA generativa.

Infraestructura para la IA

El auge de la inteligencia artificial generativa, equiparable a la revolución de los años noventa con la llegada de internet, marcó el año 2023. La democratización del acceso a estas herramientas, capaces de producir textos, voces, imágenes, videos, códigos y música, ha proporcionado una mayor libertad tanto a ciudadanos como a empresas, potenciando su productividad. La GenAI se ha revelado como una valiosa herramienta para la automatización de procesos empresariales, aumentando la eficiencia y ofreciendo posibilidades para abordar problemáticas globales, siempre y cuando se gestione de manera ética.

En este contexto, México se destaca por sus fortalezas en el desarrollo de talento especializado en Inteligencia Artificial (IA), según datos de la CEPAL. El país muestra un desempeño notable en alfabetización en IA, gracias a la integración temprana de habilidades digitales y Tecnologías de la Información y Comunicación (TIC) en la educación formal, así como en cursos abiertos sobre esta tecnología. Además, México lidera la región en el número de licenciados en computación, respaldado por tres programas de pregrado en universidades de prestigio que impulsan este campo en constante evolución.

Sin embargo, para aprovechar todo este talento, México requiere continuar invirtiendo en infraestructura técnica sólida. Según el Índice Latinoamericano de Inteligencia Artificial (ILIA) de la CEPAL, el país tiene un puntaje equiparable al promedio regional en términos de infraestructura. Si bien se han logrado avances en conectividad 5G, es clave mejorar el acceso a internet de alta velocidad para más segmentos de la población. Además, hacen falta más centros de datos especializados y computación en la nube de alto rendimiento para entrenar algoritmos complejos de IA.

De igual forma, México lidera en penetración de habilidades disruptivas en la fuerza laboral asociadas a la IA, aunque presenta un rezago en cuanto a habilidades tecnológicas duras. En suma, el talento joven capacitado en IA es un activo diferenciador para que México lidere el desarrollo de esta tecnología con responsabilidad social en América Latina. Pero debe complementarse con acceso equitativo a infraestructura digital de vanguardia en todo el territorio.