El análisis es el resultado del estudio Hype Cycle for Artificial Intelligence 2021, que indica IA responsable, enfoques con datos pequeños y grandes, puesta en funcionamiento de plataformas de IA y uso eficiente de los recursos de datos.
Según un análisis reciente de Gartner, cuatro tendencias están impulsando la innovación en inteligencia artificial (IA) a corto plazo. Según el estudio “Hype Cycle for Artificial Intelligence 2021”, las organizaciones necesitan tener en su radar estrategias para una Inteligencia Artificial responsable; enfoques con datos pequeños y grandes (Small and Wide Data); operacionalización de plataformas de Inteligencia Artificial y el uso eficiente de recursos de datos, modelos y cálculos.
Según Shubhangi Vashisth, analista senior de investigación de Gartner, la innovación en torno a la inteligencia artificial está ocurriendo a un ritmo acelerado, con números por encima del promedio en relación con otras tecnologías, y debería alcanzar la adopción generalizada dentro de dos a cinco años. Agrega que las innovaciones que incluyen inteligencia artificial de vanguardia, visión por computadora, inteligencia de decisiones y aprendizaje automático están preparadas para tener un impacto transformador en el mercado en los próximos años.
Vea las tendencias que están impulsando la innovación en inteligencia artificial:
Inteligencia Artificial Responsable
Una mayor confianza, transparencia, equidad y auditabilidad en relación con las tecnologías de Inteligencia Artificial son de gran importancia para este mercado. La intención es que la IA se encargue de ayudar a que se haga justicia, aunque los datos estén sesgados; ganar confianza, aunque los métodos de transparencia y explicación están evolucionando; y garantizar el cumplimiento normativo. Gartner espera que para 2023, todo el personal contratado para trabajos de desarrollo y capacitación en IA deberá demostrar excelencia en “Inteligencia Artificial Responsable”.
Datos pequeños y anchos (Datos pequeños y anchos)
Los datos constituyen la base del éxito de las iniciativas de IA. Los enfoques con datos pequeños y grandes permiten análisis e inteligencia artificial más sólidos, reducen las dependencias de las organizaciones de big data y brindan una conciencia situacional más rica y completa.
Según Gartner, para 2025, las organizaciones 70% se verán obligadas a cambiar su enfoque de big data a pequeños y grandes datos, brindando un mayor contexto para el análisis y haciendo que la IA consuma menos datos.
Operacionalización de AI Platforms
La urgencia y la criticidad de aprovechar la IA para la transformación empresarial está impulsando la necesidad de poner en funcionamiento las plataformas. Esto significa pasar los proyectos de IA del concepto a la producción para que las soluciones puedan usarse para resolver problemas de toda la empresa.
Uso eficiente de los recursos
Dada la complejidad y escala de los datos, modelos y recursos de cálculo involucrados en las implementaciones de IA, la innovación de IA requiere que estos recursos se utilicen con su máxima eficiencia. Multiexperiencia, IA componible, IA generativa y transformadores están ganando visibilidad en este mercado por su capacidad para resolver la amplia gama de problemas comerciales de manera más eficiente.
Fuente: CIO
Spanish 
Portuguese 
English