El Hype Cycle para la IA de 2025 va más allá de la IA generativa

A pesar de las preocupaciones éticas y sociales, el Hype Cycle para la IA del año pasado destacó la IA generativa como una tecnología con potencial transformador y un impacto empresarial significativo. Este año, la IA generativa entra en el abismo de desilusión a medida que las organizaciones comprenden su potencial y sus limitaciones. 

Los líderes de IA siguen enfrentándose a desafíos cuando se trata de demostrar el valor de la IA generativa para el negocio. A pesar de un gasto medio de 1,9 millones de dólares en iniciativas de IA generativa en 2024, menos del 30 % de los líderes de IA afirman que sus CEO están satisfechos con el retorno de la inversión en IA. Las organizaciones con un bajo nivel de madurez tienen dificultades para identificar casos de uso adecuados y suelen tener expectativas poco realistas respecto a las iniciativas. Mientras tanto, las organizaciones más maduras tienen dificultades por encontrar profesionales cualificados e impulsar la capacitación en IA generativa. 

En términos más generales, las organizaciones se enfrentan a retos de gobernanza (por ejemplo, alucinaciones, sesgos y equidad) y a regulaciones gubernamentales que pueden dificultar el uso de la IA generativa para mejorar la productividad, la automatización y la evolución de los puestos de trabajo.

A medida que las organizaciones dejen de considerar la IA generativa como el pilar central de sus programas, podrán enfocar su atención en tecnologías habilitadoras que permitan una implementación sostenible de la IA. Estas tecnologías facilitan la integración y gestión de los sistemas de IA, haciéndolos más eficaces y escalables.

Por ejemplo, la ingeniería de IA, que permite a las organizaciones establecer y ampliar de forma coherente y segura una cartera de soluciones de IA de alto valor, es la disciplina fundamental para la implementación empresarial de soluciones de IA y de IA generativa a gran escala.

Otra tecnología fundamental, que se espera que finalmente alcance la meseta de productividad, es la operacionalización de modelos (ModelOps). Esta disciplina se centra en la gobernanza y la gestión integral del ciclo de vida de los análisis avanzados, la inteligencia artificial y los modelos de decisión. Gracias a este enfoque, ayuda a estandarizar, escalar y potenciar las iniciativas de análisis, IA e IA generativa, y llevarlas a la fase de producción.

Los dos protagonistas principales del Hype Cycle de este año son los datos preparados para IA y los agentes de IA, lo que respalda el cambio de enfoque hacia tecnologías fundamentales de IA. Ambos se encuentran en el pico de expectativas sobredimensionadas.

Para escalar la IA, los líderes deben desarrollar prácticas y capacidades de gestión de datos que garanticen que los datos preparados para IA, determinados por su capacidad para demostrar su idoneidad para casos de uso específicos, puedan satisfacer las necesidades empresariales presentes y futuras. Sin embargo, el 57 % de las organizaciones estima que sus datos no están preparados para la IA. Las organizaciones que no dispongan de datos preparados para la IA no podrán cumplir sus objetivos empresariales y se expondrán a riesgos innecesarios.

Se trata de programas autónomos o semiautónomos que usan técnicas de IA para observar, tomar decisiones, actuar y alcanzar objetivos en sus entornos digitales o físicos. Los avances en las tecnologías de IA, como la evolución de la IA generativa, la comprensión multimodal y la IA compuesta, han permitido a las organizaciones emplear agentes de IA para abordar tareas complejas.

La complejidad de los agentes de IA los hace vulnerables a los problemas de seguridad de acceso, seguridad de datos y gobernanza. Las organizaciones tampoco confían plenamente en que los agentes de IA puedan operar sin supervisión humana, y les preocupa que posibles errores puedan tener un impacto considerable.

La ingeniería de software nativa de IA, un conjunto de prácticas y principios optimizados para el uso de herramientas basadas en IA en el desarrollo y la entrega de aplicaciones de software, hace su debut en el Hype Cycle este año.

En la actualidad, los ingenieros de software pueden utilizar la IA para realizar de forma autónoma o semiautónoma una serie de tareas a lo largo del ciclo de vida del desarrollo de software, aunque, por ahora, su uso se centra principalmente en asistentes de IA y herramientas de prueba aplicadas a las actividades de programación y testeo. En realidad, se parece más a una IA que asiste a los desarrolladores que a una IA que funciona de forma independiente.

En el futuro, la IA estará completamente integrada en la mayoría de las tareas de ingeniería de software. Esto marcará una evolución significativa en el ámbito del desarrollo de software, ya que permitirá a los ingenieros dedicarse a tareas más relevantes que requieren pensamiento crítico, ingenio y empatía.

No obstante, los resultados de la IA pueden verse influenciados por sesgos, alucinaciones o falta de consistencia, lo que implica que los ingenieros de software no pueden confiar plenamente en los resultados generados por la IA. Además, los flujos de trabajo con múltiples agentes aumentan el riesgo de alucinaciones. Las herramientas de IA también amplían la superficie de amenaza, creando nuevas vulnerabilidades de seguridad para las organizaciones.