La inteligencia artificial generativa (IA generativa) está evolucionando rápidamente y ofrece oportunidades para aportar valor a los clientes. Quienes desarrollen productos y servicios basados en la IA generativa deben dominar las tecnologías a corto plazo, antes de invertir a largo plazo en IA generativa.
Así lo señala la firma de consultoría Gartner y recomienda que, al desarrollar productos y servicios basados en la IA generativa, se deben seguir los siguientes pasos:
- Crear un plan para implementarlos y probarlos.
- Céntrarse primero en los casos de uso predominantes, es decir, aquellos que ya están aportando un valor real a los usuarios.
- Elaborar una hoja de ruta de inversiones que priorice las oportunidades.
- Esforzarse por conseguir una ventaja competitiva.
- Esperar antes de invertir a largo plazo en tecnologías de IA generativa.
Para ello, propone utiliza el radar de impacto de la IA generativa diseñado por la propia firma, para planificar inversiones y estrategias.
Cada una de las 25 tecnologías y tendencias de este radar de impacto corresponde a uno de estos cuatro temas:
Tema 1: Innovaciones relacionadas con los modelos
- Los LLM ligeros pueden servir para casos de uso en los que no resultan factibles los LLM masivos (o pesados).
- Los LLM de código abierto son modelos básicos de aprendizaje profundo que se distinguen por las condiciones de uso, por conceder su distribución a los desarrolladores y por el acceso de estos al código fuente y a la arquitectura del modelo.
- Las cadenas de LLM multietapa son bibliotecas que conectan diferentes LLM para completar múltiples tareas.
- Los centros de modelos son repositorios que alojan modelos de machine learning (ML) entrenados previamente y listos para usar, incluidos los modelos generativos.
- Los modelos de IA de difusión son generativos y utilizan la variación probabilística para añadir ruido a los datos y, a continuación, invertir el proceso para generar nuevas muestras de datos.
- Los modelos de IA como servicio (AIMaaS, por sus siglas en inglés) proporcionan al modelo de IA capacidad de inferencia y de ajuste, y se ofrecen a través de proveedores de la nube como un servicio consumible.
Tema 2: Rendimiento de los modelos y seguridad de la IA
- La IA con el usuario en el bucle (UITL, por sus siglas en inglés) es un flujo de trabajo en el que los usuarios participan en cada fase de desarrollo del sistema de IA.
- La gestión de las alucinaciones de la IA se refiere a la forma de resolver los errores cuando el contenido generado utilizando los LLM carece de lógica o es objetivamente incorrecto.
- La generación mejorada por recuperación (RAG, por sus siglas en inglés) es un patrón de arquitectura que combina la función de búsqueda con la capacidad generativa para fundamentar el resultado de las finalizaciones generativas.
- Las extensiones de IA generativa son herramientas que amplían las capacidades de los modelos con la posibilidad de recuperar información en tiempo real, incorporar datos empresariales, realizar nuevos tipos de cálculos y actuar de forma segura en nombre del usuario.
- Las herramientas de ingeniería de instrucciones proporcionan entradas, en forma de texto o imágenes, a los modelos de IA generativa para especificar y delimitar el conjunto de respuestas que el modelo puede producir.
- Los detectores de procedencia identifican si el contenido de texto, audio o vídeo se creó con IA generativa.
Tema 3: Construcción de los modelos y de los datos
- Los grafos de conocimiento (KG, por sus siglas en inglés) son estructuras de datos legibles por máquina que representan el conocimiento del mundo físico y del digital, incluidas las entidades y sus relaciones, según un modelado de datos basado en grafos.
- Los modelos de IA generativa multimodales permiten la entrada y salida de varios tipos de datos, como imágenes, vídeos, audio, texto y datos numéricos, dentro de un único modelo generativo.
- Los datos sintéticos generados por IA son una clase de datos a menudo derivados y extrapolados a partir de conjuntos de datos reales, pero que se generan artificialmente en lugar de recopilarse de eventos del mundo real.
- Las bases de datos vectoriales escalables proporcionan capacidad de búsqueda vectorial (semántica) y se utilizan junto con los LLM para aplicar la capacidad del modelo a responder al lenguaje natural con información personalizada o específica de una empresa o dominio.
- Las herramientas de ingeniería de IA generativa capacitan a las empresas para instrumentalizar los modelos más rápidamente y equilibrar, así, tanto la gobernanza como el tiempo de comercialización.
Tema 4: Aplicaciones basadas en IA
- Los gemelos de simulación combinan las ventajas de los gemelos digitales con los escenarios hipotéticos de las tecnologías de IA.
- Las aplicaciones nativas de IA generativa constan de software diseñado a partir de tecnología y capacidades de IA generativa.
- Las herramientas y los agentes de flujo de trabajo son funciones que pueden utilizar los agentes (programas/algoritmos de IA) para interactuar con el entorno.
- Las aplicaciones de IA generativa integrada constan de software existente que se ha actualizado incorporándole capacidades de IA generativa para mejorar los casos de uso o crear otros nuevos.
- El modelado molecular basado en IA utiliza técnicas de simulación para probar rápidamente posibles tratamientos modelando las uniones e interacciones de los diferentes compuestos con las moléculas diana.
- Los sistemas generativos multiagente (MAG, por sus siglas en inglés) combinan agentes de software computacional con LLM para simular un entorno de comportamientos e interacciones de sistemas multiagente complejos.
- La generación de código con IA utiliza los LLM para generar código basado en las instrucciones que envía el usuario.
- Los asistentes virtuales (AV) basados en IA generativa representan una nueva generación de asistentes que aprovechan los LLM para mejorar su funcionalidad.
_____________________
Por Annette Zimmermann, vicepresidenta analista en el equipo de tecnologías emergentes y tendencias de Gartner.
