Aprovechando su Cumbre dedicada a datos y análisis en Sydney (que tuvo lugar del 31 de julio al 1 de agosto), Gartner hizo un balance de las principales tendencias que impactan el futuro de la ciencia de datos y el aprendizaje automático -que la firma denomina DSML (ciencia de datos y aprendizaje automático)- en un contexto en el que este sector está creciendo y evolucionando muy rápidamente. De hecho, se trata de responder a la creciente importancia de los datos en la inteligencia artificial, particularmente cuando la atención se centra en las inversiones en IA generativa.
Peter Krensky, analista director de Gartner, dijo: "A medida que la adopción del aprendizaje automático continúa creciendo rápidamente en todas las industrias, DSML está evolucionando desde un enfoque únicamente en modelos predictivos hasta convertirse en una disciplina más democratizada, dinámica y centrada en datos. Este desarrollo también es impulsado por el fervor en torno a la IA generativa. Si bien surgen riesgos potenciales, también surgen muchas nuevas capacidades y casos de uso para los científicos de datos y sus empresas”. Según Gartner, cinco tendencias principales están dando forma al futuro de DSML.
Centrarse en los ecosistemas de datos en la nube y Edge AI
El primero se refiere a los ecosistemas de datos en la nube. Están pasando de software independiente o implementaciones mixtas a soluciones nativas de la nube. Para el próximo año, Gartner predice que el 50% de las futuras implementaciones de sistemas en la nube se basarán en un ecosistema cohesivo de datos en lugar de soluciones puntuales integradas manualmente. La firma de investigación recomienda que las empresas evalúen los entornos de datos en función de su capacidad para resolver desafíos de datos distribuidos, así como acceder y aprovechar fuentes de datos fuera de su entorno inmediato. integrarse en él.
La segunda tendencia se refiere a Edge AI. Está creciendo la demanda para hacer posible el procesamiento de datos en el borde de la red para ayudar a las empresas a obtener información en tiempo real, detectar nuevos patrones y cumplir con estrictos requisitos de privacidad de datos. Edge AI también ayuda a las empresas a mejorar el desarrollo, la orquestación, la integración y la implementación de la IA. Gartner predice que más del 55% de todo el análisis de datos mediante redes neuronales profundas se producirá en el punto de captura en un sistema de borde para 2025, frente a menos del 10% en 2021. Las empresas deben identificar las aplicaciones, entrenar la IA y el SEO necesarios para avanzar. a entornos periféricos cerca de puntos finales de IoT.
Una IA más responsable y centrada en los datos
Otras tres tendencias reorientadas en torno a la IA evocan una tecnología más responsable y centrada en los datos, que merece toda la atención y, sobre todo, las inversiones asociadas. La IA responsable la convierte en una “fuerza positiva”, en lugar de una amenaza para la sociedad y para sí misma. Cubre muchos aspectos de las decisiones comerciales y éticas al adoptar la IA, que las empresas a menudo abordan de forma independiente, como el valor empresarial y social, el riesgo, la confianza, la transparencia y la responsabilidad. Gartner predice que la concentración de modelos de IA previamente entrenados en el 1% de los proveedores de IA para 2025 hará que la IA responsable sea una preocupación social. Gartner recomienda que las empresas adopten un enfoque proporcional al riesgo para generar valor a partir de la IA y tengan cuidado al aplicar soluciones y modelos. "Solicitar garantías a los proveedores para garantizar que gestionen sus riesgos y obligaciones de cumplimiento, protegiendo así a las empresas contra posibles pérdidas financieras, acciones legales y daños a la reputación", dijo la firma.
Otra tendencia que cobrará impulso para 2024 es la IA centrada en datos, que representa un cambio de un enfoque centrado en modelos y códigos a un enfoque más basado en datos para construir mejores sistemas de IA. Soluciones como la gestión de datos específica de IA, los datos sintéticos y las tecnologías de etiquetado de datos tienen como objetivo resolver muchos problemas relacionados con los datos, incluida la accesibilidad, el volumen, la privacidad, la seguridad, la complejidad y el alcance. El uso de IA generativa para crear datos sintéticos es un área en rápido crecimiento, lo que alivia la carga de obtener datos del mundo real para que los modelos de aprendizaje automático puedan entrenarse de manera eficiente. Para el próximo año, Gartner predice que el 60% de los datos de la IA serán sintéticos para simular la realidad, escenarios futuros y una IA insignificante, frente al 1% en 2021.
Se esperan inversiones masivas en IA
Finalmente, las inversiones en IA se multiplicarán: tanto de las empresas que implementan soluciones, como de las industrias que buscan crecer apoyándose en tecnologías de IA y de empresas que operan en este campo. Para finales de 2026, Gartner predice que se habrán invertido más de 10 mil millones de dólares en nuevas empresas de IA que se basan en modelos básicos: grandes modelos de inteligencia artificial entrenados con enormes cantidades de datos. En eluno de sus estudios, realizado con más de 2.500 directivosGartner revela que el 45% de ellos dijo que el revuelo mediático en torno a ChatGPT los animó a aumentar sus inversiones en IA. El 70% dijo que su empresa está “en modo de investigación y exploración con IA generativa”, mientras que el 19% está “en modo piloto o de producción”.
Otras noticias que te pueden interesar