Horizonte 2027: el 40% de las soluciones de IA generativa serán multimodales

Con el punto de mira fijo en el próximo trienio, la firma de análisis e investigación Gartner estima que el 40% de las soluciones de inteligencia artificial (IA) generativa serán multimodales, frente al 1% de 2023. Este cambio de modelos individuales a multimodales con vistas al 2027 proporciona, según la casa, “una interacción humano-IA mejorada y una oportunidad para que las ofertas habilitadas para la IA generativa se diferencien”. Sobre ello ha versado la intervención del analista Erick Brethenoux en el Gartner IT Symposium Xpo.

“A medida que el mercado de la IA generativa evoluciona hacia modelos entrenados de forma nativa en más de una modalidad, ayuda a capturar relaciones entre diferentes flujos de datos y tiene el potencial de ampliar los beneficios de la tecnología en todos los tipos de datos y aplicaciones. También permite que la IA ayude a los humanos a realizar más tareas, independientemente del entorno”.

Grandes expectativas

La IA generativa multimodal es una de las dos tecnologías identificadas en el Ciclo de expectativas infladas para 2024 de Gartner, cuya adopción temprana tiene el potencial de generar una ventaja competitiva notable y beneficios en el tiempo de comercialización. Junto con los grandes modelos del lenguaje (LLM) de código abierto, ambas tecnologías tienen un alto potencial de impacto en las organizaciones en los próximos cinco años. Entre las innovaciones de IA generativa que la consultora espera que alcancen una adopción generalizada dentro de 10 años, se han identificado dos tecnologías que ofrecen el mayor potencial: los modelos de IA generativa específicos del dominio y los agentes autónomos.

“Navegar por el ecosistema de la IA generativa seguirá siendo abrumador para las empresas debido a un panorama caótico y de rápido movimiento de tecnologías y proveedores”, sostuvo Arun Chandrasekaran, distinguido analista de Gartner. “La IA generativa está en el punto más bajo de la desilusión con el comienzo de la consolidación de la industria. Los beneficios reales surgirán una vez que se disipe el entusiasmo, con avances en las capacidades que probablemente llegarán a un ritmo rápido en los próximos años”.

IA generativa multimodal

La IA generativa multimodal tendrá un impacto transformador en las aplicaciones empresariales al permitir la adición de nuevas características y funcionalidades que de otro modo serían inalcanzables. El impacto no se limita a sectores o casos de uso específicos, y puede aplicarse en cualquier punto de contacto entre la IA y los humanos. En la actualidad, muchos modelos multimodales se limitan a dos o tres modalidades, aunque en los próximos años aumentarán para incluir más.

“En el mundo real, las personas encuentran y comprenden la información a través de una combinación de diferentes modalidades, como la auditiva, la visual y la sensorial”, explica Brethenoux. “La IA generativa multimodal es importante porque los datos suelen ser multimodales. Cuando se combinan o ensamblan modelos de una sola modalidad para soportar aplicaciones de IA generativa multimodales, a menudo se produce latencia y resultados menos precisos, lo que se traduce en una experiencia de menor calidad”.

LLM de código abierto

Los LLM de código abierto son modelos base de aprendizaje profundo que aceleran el valor empresarial de la implementación de la IA generativa, democratizando el acceso comercial y permitiendo a los desarrolladores optimizar los modelos para tareas y casos de uso específicos. Además, proporcionan acceso a comunidades de desarrolladores en empresas, instituciones académicas y otras funciones de investigación que trabajan con objetivos comunes para mejorar y hacer más valiosos los modelos.

“Los LLM de código abierto aumentan el potencial de innovación a través de la personalización, un mejor control de la privacidad y la seguridad, la transparencia de los modelos, la capacidad de aprovechar el desarrollo colaborativo y la posibilidad de reducir la dependencia del proveedor”, afirma Chandrasekaran. 2En última instancia, ofrecen a las empresas modelos más pequeños que son más fáciles y menos costosos de entrenar, y habilitan aplicaciones empresariales y procesos empresariales centrales”,

Modelos IA generativa específicos de dominio

Los modelos de IA generativa específicos de dominio están optimizados para las necesidades de industrias, funciones empresariales o tareas específicas. Pueden mejorar la alineación de los casos de uso dentro de la empresa, al tiempo que ofrecen una mayor precisión, seguridad y privacidad, así como respuestas mejor contextualizadas. De este modo, se reduce la necesidad de una ingeniería de prontitud avanzada en comparación con los modelos de uso general y se pueden reducir los riesgos de alucinación mediante una formación específica.

“Los modelos específicos de dominio pueden lograr un tiempo de creación de valor más rápido, un rendimiento mejorado y una mayor seguridad para los proyectos de IA al proporcionar un punto de partida más avanzado para las tareas específicas de la industria”, dijo Chandrasekaran. “Esto fomentará una adopción más amplia de la IA generativa porque las organizaciones podrán aplicarlos a casos de uso en los que los modelos de propósito general no son lo suficientemente eficaces”.

Agentes autónomos

Los agentes autónomos son sistemas combinados que alcanzan objetivos definidos sin intervención humana. Utilizan diversas técnicas de IA para identificar patrones en su entorno, tomar decisiones, invocar una secuencia de acciones y generar resultados. Estos agentes tienen el potencial de aprender de su entorno y mejorar con el tiempo, lo que les permite realizar tareas complejas.

“Los agentes autónomos representan un cambio significativo en las capacidades de la IA”, afirma Brethenoux. “Su funcionamiento independiente y su capacidad de decisión les permiten mejorar las operaciones empresariales, mejorar la experiencia de los clientes y posibilitar nuevos productos y servicios. Es probable que esto suponga un ahorro de costes y una ventaja competitiva. También plantea un cambio organizativo de la mano de obra, de la entrega a la supervisión”.