El futuro de GenAI: Próximos pasos en la evolución de la tecnología

La futurología no es aplicable al desarrollo de las tecnologías emergentes. Siempre aparecen elementos disruptivos o sorprendentes que modifican el panorama o aceleran la curva de desarrollo. Sin embargo, es posible entender cómo evolucionan algunas tendencias para predecir, al menos, los siguientes pasos. Nos adentramos, entonces, en el futuro de la GenAI.

Datos de Bloomberg recogidos por el World Economic Forum dan cuenta de que el fenómeno está lejos de estancarse: la inversión en IA generativa se multiplicará por diez de aquí a 2032.

Nuevos casos de uso de la GenAI en el futuro

Democratización en la extracción de valor de modelos machine learning

Cada vez más, la GenAI en el futuro servirá como soporte para permitir a nuevos tipos de usuarios interactuar mejor con la información que pueda entregar un modelo de machine learning. Por ejemplo, ya estamos trabajando en soluciones de fraude en las cuales el modelo detecta el fraude potencial. Luego, con herramientas basadas en GenAI, se ofrece al usuario un resumen en lenguaje natural para que tome la decisión más rápido y sin complicaciones. Esto es apenas un ejemplo de un tipo de caso de uso que será cada vez más frecuente. La posibilidad de disponibilizar modelos para un número mayor de usuarios. Y, en simultáneo, de simplificar el acceso y el uso a los datos para que puedan obtener el máximo valor posible.

Creación de datos sintéticos de clientes

En 2026, el 75 % de las empresas utilizará la IA generativa para crear datos sintéticos de clientes. La estimación de la consultora Gartner se compara con el valor de 2023: apenas 5%. Los datos sintéticos (generados artificialmente) se utilizan cuando los datos reales son costosos o no están disponibles. También, cuando presentan desequilibrios o resultan inviables debido a las normas de privacidad.

Aplicaciones para la resolución de desafíos sociales

La GenAI, en el futuro, se utilizará más para resolver desafíos de escala social, entre ellos aspectos vinculados a nuevos modelos educativos, la producción de comidas o incluso el cambio climático. Por ejemplo, nos podría ayudar a diseñar redes de distribución de energía más eficientes o a optimizar la cadena de valor de la industria alimenticia de punta a punta. También, a establecer modelos de enseñanza personalizados para cada alumno.

Tendencias de la GenAI en el futuro

Auge de los modelos específicos en lugar de los genéricos

El dato lo comparte la consultora de mercado Gartner. Dice que en 2027 más del 50% de los modelos de IA generativa utilizados por las empresas serán específicos de su sector o de un departamento. Este número, en 2023, fue del 1%. Recordemos que los modelos de dominio son de menor tamaño, requieren menos capacidad computacional y reducen los riesgos de alucinación.

Agentes, agentes y más agentes

Además de modelos específicos, habrá una tendencia hacia el desarrollo de agentes especializados en pocas tareas, que harán un uso eficiente de los modelos. Esto implica que veremos soluciones con arquitecturas multiagente, esto es, capaces de resolver varias tareas a través de la utilización de varios agentes y modelos específicos y de algún modelo LLM como orquestador.

Aceleración de la innovación gracias a los ecosistemas

La experiencia acumulada, la abundancia de datos, el conjunto de feedback de los usuarios, el aumento de los casos de uso… Como consecuencia de todo lo anterior, se espera que emerjan ecosistemas y comunidades que aceleren la innovación. Estos abarcarán tanto el mundo académico y de la investigación como el sector privado y hasta organismos gubernamentales.

Desafíos para el futuro de GenAI

Evitar la perpetuación de ciclos de sesgos

Lo advierte Cathy O’Neil en su libro Armas de destrucción matemática. La recolección, el procesamiento y la generalización de datos para modelos basados en machine learning (y esto aplica a GenAI) debe hacerse con mucho cuidado. ¿El riesgo de no efectuarlo correctamente? Perpetuar sesgos, elementos de discriminación, discursos violentos o de odio. En la medida en que se masifique aún más el uso de estas tecnologías, más importante se vuelve este punto. Es importante que las empresas que desarrollen soluciones basadas en GenAI pongan especial cuidado en monitorear el comportamiento, recoger feedback de los usuarios y ajustar los modelos, siempre con una mirada ética y de impacto de las respuestas que los modelos generan.

Garantizar que la tecnología continúe aumentando las capacidades humanas

El foco para las aplicaciones basadas en GenAI del futuro no debería ponerse en buscar la mímica del ser humano y comportarse como él. Por el contrario, el objetivo es continuar aumentando las capacidades humanas. Un usuario final siempre querrá saber que está interactuando con un bot. En todo caso, querrá tener la alternativa de convocar un operador humano si la situación lo requiere. La idea no es que la GenAI imite al humano, sino que resuelva problemas de la mejor manera posible con los datos que dispone.

Conclusiones

GenAI tiende a potenciar cada vez más nuestras capacidades, a permitirnos utilizar los datos de manera más sencilla aún ante las decisiones más complejas y a ayudarnos a resolver problemas que antes no podíamos abordar.

En Nubiral disponemos de un CoE (centro de excelencia) especializado en GenAI. Cuenta con los recursos, los conocimientos, la experiencia y la capacidad de investigación para ayudarte a que tu organización esté siempre un paso adelante.

Es difícil predecir el futuro. Pero, con el acompañamiento adecuado, es posible aprovechar el poder de tecnologías como GenAI para anticiparse y generar ventajas competitivas antes que nadie.

¿Te interesa llevar a tu organización hacia el futuro? Nuestros expertos esperan tu contacto: ¡Agenda tu reunión!   

Te puede interesar:

Blog • El impacto de los asistentes de código en el desarrollo de software

Blog • Asistentes creados con OpenAI: copilotos para hacer crecer el negocio

Blog • Operaciones financieras con GenAI: gestión óptima para el sector bancario