Los factores que impulsan el Hype Cycle para la IA generativa de 2024

Mira más allá del revuelo en torno a la IA generativa y pon el foco en las valiosas tecnologías de apoyo.

El Hype Cycle para la IA generativa incluye innovaciones que merece la pena considerar

Si bien es cierto que hay mucha expectación en torno a la IA generativa, también hay que tener en cuenta la rápida evolución de las tecnologías y técnicas que la respaldan. Se estima que para 2026, más del 80 % de las empresas habrán utilizado API o modelos de IA generativa, o habrán implementado aplicaciones basadas en IA generativa en entornos de producción, frente a menos del 5 % en 2023.

El entusiasmo y el número de tecnologías y técnicas disponibles pueden dificultar a los responsables de IA la identificación de lo que tendrá el mayor impacto empresarial a corto y largo plazo. Usa el Hype Cycle para la IA generativa e identifica innovaciones que puedas aprovechar según el riesgo que tu organización esté dispuesta a asumir.

Define tus ambiciones de IA con el radar de oportunidades de IA

Evalúa tu preparación para la IA con el objetivo de sentar las bases para la adopción de innovaciones de IA generativa.

Al hacer clic en el botón "Continuar", aceptas los Términos de uso y la Política de privacidad de Gartner.

Información de contacto

Todos los campos son obligatorios.

Información sobre la empresa/organización

Todos los campos son obligatorios.

Optional

Cuatro áreas clave de inversión determinan el Hype Cycle para la IA generativa

Las tecnologías fundamentales en el panorama de la IA generativa se dividen en cuatro categorías principales: modelos de IA generativa, herramientas de ingeniería de IA, aplicaciones y casos de uso, y técnicas e infraestructura de habilitación.

Área n.º 1 del Hype Cycle para la IA generativa: modelos de IA generativa

Los modelos de IA preentrenados están evolucionando hacia la multimodalidad y se están entrenando con instrucciones para desarrollar capacidades conversacionales. Las innovaciones en esta categoría incluyen: 

  • Modelos fundacionales: modelos grandes con un amplío número de parámetros que se entrenan con una variedad de conjuntos de datos de forma autosupervisada. 

  • Modelos de incrustación: modelos de machine learning utilizados para representar datos de alta dimensión (como texto o imágenes) en incrustaciones vectoriales.

  • Modelos de IA generativa específicos del dominio: modelos optimizados para satisfacer las necesidades de sectores específicos, funciones empresariales o conjuntos de tareas relacionadas.

  • IA generativa en el perímetro: se refiere al despliegue de modelos de IA generativa en dispositivos cercanos al usuario, como teléfonos inteligentes, ordenadores, dispositivos IoT y servidores perimetrales.

  • Inteligencia artificial general: la inteligencia (actualmente hipotética) de una máquina capaz de realizar cualquier tarea intelectual que pueda llevar a cabo una persona.

Área n.º 2 del Hype Cycle para la IA generativa: herramientas de ingeniería de IA

Un ecosistema de herramientas y técnicas de IA generativa cada vez mayor permite a las organizaciones crear, gestionar y personalizar aplicaciones de IA generativa. Las innovaciones en esta categoría incluyen: 

  • AI TRiSM: la gestión de la confianza, el riesgo y la seguridad de la IA (AI TRiSM) garantiza la gobernanza de la IA, así como la confianza, la equidad, la fiabilidad, la robustez, la eficacia y la protección de datos de la IA.

  • Seguridad contra la desinformación: un conjunto de tecnologías que ayudan a las empresas a filtrar la desinformación, proteger su marca y salvaguardar su presencia en Internet. 

  • Marcos de orquestación de aplicaciones de IA generativa: estos marcos proporcionan una capa de abstracción para facilitar el encadenamiento de instrucciones, el encadenamiento de modelos, la interacción con API externas, la recuperación de datos contextuales de fuentes de datos y el mantenimiento de la persistencia (o memoria) a través de múltiples solicitudes a los modelos.

  • GraphRAG: esta técnica mejora la precisión, fiabilidad y explicabilidad de los sistemas de generación mejorada por recuperación (RAG). El enfoque utiliza grafos de conocimiento para mejorar la exactitud de la recuperación, ya sea extrayendo directamente hechos de un grafo de conocimiento u optimizando otros métodos de recuperación.

Área n.º 3 del Hype Cycle para la IA generativa: aplicaciones y casos de uso

La gran variedad de aplicaciones y casos de uso de la IA generativa tiene un enorme potencial para una adopción rápida y para generar valor empresarial. Los casos de uso en atención al cliente, TI y marketing son los más destacados. Las innovaciones en esta categoría incluyen: 

  • Asistentes virtuales de IA generativa: esta nueva generación de asistentes virtuales (AV) utiliza grandes modelos de lenguaje (LLM) para ofrecer funcionalidades que no se consiguen con la tecnología tradicional de IA conversacional.

  • Aplicaciones de IA generativa: esta tecnología emplea la IA generativa para mejorar la experiencia del usuario (UX) y potenciar las tareas, acelerando y facilitando la consecución de los resultados deseados por el usuario. 

  • Ingeniería de software asistida por IA: la aplicación de tecnologías de inteligencia artificial para ayudar a los ingenieros de software a lo largo del ciclo de vida del desarrollo de software. Esto incluye la creación, validación, seguridad, implementación y mantenimiento de aplicaciones.

  • Agentes autónomos: sistemas mixtos que consiguen objetivos predefinidos sin necesidad de intervención humana. Utilizan diversas técnicas de IA para identificar patrones en su entorno, tomar decisiones, ejecutar una secuencia de acciones y generar resultados. 

  • Datos sintéticos: una clase de datos que se generan artificialmente en lugar de obtenerse a partir de observaciones directas del mundo real. Los datos sintéticos se utilizan como sustitutos de los datos reales en una amplia variedad de casos de uso, incluida la anonimización de datos.

Área n.º 4 del Hype Cycle para la IA generativa: técnicas e infraestructura de habilitación

La IA generativa existe y continuará avanzando gracias a técnicas innovadoras y a diversas prácticas de IA ya establecidas. Mientras tanto, las infraestructuras especializadas, como los potentes superordenadores, acelerarán el proceso de entrenamiento e inferencia de los modelos. Las innovaciones en esta categoría incluyen: 

  • Aceleradores de cargas de trabajo de IA generativa: chips que funcionan junto a un procesador central (CPU) y admiten operaciones altamente paralelas para desarrollar (entrenar) y ejecutar (inferir) aplicaciones basadas en grandes modelos de IA generativa.

  • Simulación con IA: la aplicación combinada de tecnologías de IA y de simulación para desarrollar conjuntamente agentes de IA y los entornos simulados donde pueden ser entrenados, probados e, incluso, implementados.

  • Supercomputación con IA: un área en rápida evolución en la que los sistemas de supercomputación combinan innovaciones de vanguardia en aceleradores computacionales, software especializado, redes de alta velocidad y almacenamiento optimizado para el rendimiento, creando una plataforma integrada que acelera el entrenamiento y la implementación de modelos complejos y computacionalmente intensivos.

  • Aprendizaje autosupervisado: un enfoque del machine learning en el que las etiquetas o señales de supervisión se crean a partir de los propios datos, sin depender de datos de resultados históricos ni de supervisores externos (humanos) que proporcionen etiquetas o comentarios. 

  • Aprendizaje por transferencia: una técnica de IA que reutiliza modelos de machine learning previamente entrenados como base avanzada para nuevas tareas, reduciendo así el tiempo de aprendizaje y los datos necesarios para lograr un rendimiento aceptable.

Preguntas frecuentes sobre el Hype Cycle para la IA generativa

¿Qué es el Hype Cycle para la IA generativa?

El Hype Cycle para la IA generativa es una representación gráfica elaborada por Gartner que muestra la madurez, los indicadores de adopción y el impacto empresarial de las tecnologías de IA generativa. Ayuda a los CIO y a los responsables de TI a identificar las innovaciones en IA generativa que pueden aprovechar en función de su apetito de riesgo en busca de posibles recompensas.

Mejora el rendimiento en tus principales prioridades estratégicas.