Por Redacción - 15 Septiembre 2021
De ser algo casi de ciencia ficción, la inteligencia artificial ha pasado a convertirse en una de esas piezas claves de innovación corporativa y transformación digital. Las compañías deben ponerse al día, aplicar la IA de la manera más eficiente posible y tener muy claro cómo pueden sacarle provecho. Es casi, por así decirlo, la clave para el futuro.
Pero la inteligencia artificial es también algo vivo, como lo es la tecnología, por lo que está siempre protagonizando ajustes y cambios. Los responsables de las empresas deben tenerlo muy en cuenta.
¿Hacia dónde va la IA? El último análisis de la cuestión de Gartner deja claro que la innovación en inteligencia artificial está sucediendo a un "ritmo rápido" y que hay que seguir ese paso acelerado. También indica las cuatro grandes tendencias que marcarán la agenda y la ejecución que hacen de las cosas las empresas.
Aunque en un primer momento la IA se vio como una suerte de promesa de cómo hacer todo mejor y más rápido, pronto empezaron las voces críticas. La inteligencia artificial había caído en sesgos y no era más ecuánime que las propias personas: dado que tenía que alimentarse de información, había adoptado los mismos sesgos que la información usada.
Por ello, no sorprende que una de las tendencias que detecta Gartner para el futuro sea la de la inteligencia artificial responsable. En 2023, esperan que se exija a todos los trabajadores de desarrollo y entrenamiento de IA que tengan conocimientos en IA responsable. La inteligencia artificial responsable es aquella mejora en confianza, transparencia y justicia para ser más justa.
El futuro de los datos pasa por un salto al small y wide data, nuevas maneras de afrontar los datos y que, según Gartner, permite crear análisis más robustos. Las compañías dependen así menos del big data y logran reconocer de forma más compleja y rica el entorno. En 2025, el 75% de las empresas estarán haciendo la transición de big data a small y wide data.
"El small data es la aplicación de técnicas analíticas que requieren menos datos pero que aun así ofrecen insights útiles, mientras que el wide data permite un análisis y la sinergia de una variedad de fuentes de datos", explica Svetlana Sicular, vicepresidenta de investigación en Gartner.
Dado que la inteligencia artificial se ha convertido en un elemento crítico para la transformación de los negocios, también ha aumentado, explican desde la firma de análisis, la necesidad de la operacionalización de las plataformas IA.
La inteligencia artificial no puede estar en fase de concepto: tiene que entrar en producción y debe solucionar ya problemas corporativos. O lo que es lo mismo: ha llegado la hora de abandonar los proyectos piloto y trabajar en serio.
Las exigencias de la IA son muchas y el entorno que generan muy complejo. Por ello, para seguir innovando, las empresas deben ser eficientes en cómo emplean los recursos que tienen.
