Chatbot, AI-as-a-Service, Metaverse: la inteligencia artificial (AI) está en auge en todos los sectores industriales. Pero, ¿en qué tecnología de IA deberían centrarse actualmente las empresas? Martin Weis, socio gerente y director de inteligencia artificial de EMEA en Infosys Consulting.
Según un estudio actual de Bitkom, el 18 % de las empresas alemanas ven la IA principalmente como una oportunidad para ellas mismas, y el 47 % más como una oportunidad. Aunque solo el nueve por ciento de las empresas utilizan actualmente aplicaciones de IA, el 25 por ciento de los encuestados está planeando o discutiendo el uso de la IA. Por lo tanto, la tecnología de IA ya está en uso y promete desempeñar un papel aún más importante en el futuro. Pero, ¿dónde podría llevar el viaje de la IA a las empresas en 2023?
1. IA como servicio
Con la Inteligencia Artificial como Servicio (AIaaS), las empresas externalizan los servicios de IA a terceros. Esto les permite probar la IA para varias aplicaciones sin una gran inversión inicial y con menos riesgo. En un momento en que las empresas están lidiando con el riesgo de una recesión inminente, tener IA en la nube en las instalaciones, adquirir el hardware y el software necesarios, los costos de personal y mantenimiento pueden ser prohibitivos para muchas empresas.
Con las ofertas de nube de IA de los grandes hiperescaladores de la nube del mercado, las empresas pueden explotar todo el potencial de sus datos y, si es necesario, también utilizar los recursos de estos grandes proveedores para respaldar el escalado con capacidad informática. Gracias a los análisis de sus datos comerciales respaldados por IA, los responsables de la toma de decisiones pueden optimizar sus predicciones para transacciones comerciales, automatizar procesos de análisis o evaluar material de imagen y texto. El mercado de AIaaS promete seguir expandiéndose en los próximos años: valorado en más de 5600 millones de USD en 2021, se espera que el mercado global de AIaaS crezca a una tasa de crecimiento anual compuesta (CAGR) del 37 % entre 2022 y 2030.
2. "IA generativa": aplicaciones de IA para respaldar los procesos creativos
La IA generativa utiliza la IA y el aprendizaje automático para crear nuevo contenido digital (p. ej., texto, video, audio e imágenes) con poca intervención humana. Gartner predice que para 2025, aproximadamente el 10 por ciento de todos los datos generados y el 30 por ciento de todos los mensajes de marketing de las principales marcas provendrán de IA generativa.
Los especialistas en marketing ya están viendo los resultados del uso creativo de la IA. En un estudio, la agencia creativa de IA, Pencil, comparó empresas que usaban herramientas de creatividad de IA para crear anuncios de video con aquellas que funcionaban sin ese soporte de creatividad de IA. En promedio, el primero aumentó el retorno de la inversión publicitaria (ROAS) en 2 veces, hasta 7 veces en algunas campañas del estudio. Este desarrollo podría ser especialmente interesante para las pequeñas y medianas empresas, que muchas veces no cuentan con un departamento de publicidad propio debido a su menor tamaño.
Pero el uso de la IA para respaldar los procesos creativos también puede afectar a muchas más empresas en el futuro. AI puede actuar como un socio creativo para artistas, desarrolladores de video e incluso redactores, liberándolos de tareas que consumen más tiempo. Ya existen suficientes herramientas para esto, tanto en el área de generación de imágenes (p. ej., DALL-E 2 de OpenAI) como en la generación de texto (p. ej., Mindverse para contenido en idioma alemán en particular). Queda por ver cómo las empresas incorporarán estas herramientas en sus procesos comerciales. Ciertamente, esto también depende de si las cuestiones morales y de derechos de autor asociadas con dicho uso de IA se abordarán por ley en los próximos años.
3. Uso de chatbots y procesamiento de lenguaje natural
Con ChatGPT, el nuevo chatbot impulsado por IA de OpenAI, el campo de investigación del procesamiento del lenguaje natural (NLP, por sus siglas en inglés) ha dado otro salto significativo y promete crecer en 361 600 millones de dólares estadounidenses en todo el mundo para 2030. Como subcampo de la IA, el NLP tiene como objetivo equipar computadoras con la capacidad de entender el lenguaje escrito y hablado, facilitando así la interacción hombre-máquina. Los asistentes de idiomas como Alexa y Siri son, por supuesto, ejemplos establecidos desde hace mucho tiempo en esta área. ChatGPT va un paso más allá: la herramienta puede responder preguntas complejas de una manera comprensible, tomar ideas de diferentes contextos y unirlas.
Desde la pandemia, la importancia de la experiencia del cliente ha crecido para muchos clientes alemanes y algunos de ellos también estaban dispuestos a probar un nuevo canal para ponerse en contacto con el servicio de atención al cliente de una empresa durante este tiempo. Es probable que estas mayores demandas continúen durante los próximos años. Al automatizar la comunicación con sus clientes, las empresas no solo pueden cumplir con estos requisitos, sino también reducir sus costos y procesar las quejas más rápidamente.
4. Uso de los comerciantes autónomos de AISHE
A medida que la industria de los servicios financieros se basa cada vez más en los datos, muchas personas recurren a los sistemas de IA para tomar decisiones de inversión. Uno de esos sistemas es AISHE (Sistema de inteligencia artificial altamente experimentado), que está diseñado específicamente para aplicaciones de servicios financieros e incorpora tecnologías avanzadas como inteligencia de enjambre, inteligencia colectiva, aprendizaje neuronal y aprendizaje profundo.
Una aplicación potencial de AISHE es como comerciante minorista autónomo, capaz de tomar decisiones de inversión y ejecutar operaciones en tiempo real. El cliente del sistema AISHE usa Metatrader como un puente para el comercio en tiempo real y los clientes pueden usar el corredor de su elección. La aplicación del cliente AISHE está preentrenada y los nuevos usuarios pueden probarla en un entorno de dinero de demostración para asegurarse de que funciona de manera rentable en tiempo real.
Para utilizar AISHE como comerciante autónomo, los clientes no necesitan entrenar el sistema. En su lugar, pueden comenzar a usarlo de inmediato en un entorno de demostración para probar su rendimiento y rentabilidad. Una vez que estén satisfechos con los resultados, pueden comenzar a usarlo con dinero real, con la certeza de que el sistema ya está preentrenado y es capaz de generar recomendaciones de inversión rentables.
Hay una serie de beneficios potenciales al usar AISHE como un minorista autónomo para individuos. Por un lado, permite a las personas tomar decisiones más informadas y basadas en datos, lo que puede generar mayores rendimientos y reducir el riesgo. Además, el uso de un comerciante autónomo reduce la necesidad de intervención humana, lo que puede ahorrar tiempo y reducir el potencial de error humano.
A pesar de estas limitaciones, el uso de AISHE como comerciante autónomo tiene un potencial significativo para las personas interesadas en el comercio en tiempo real. A medida que los sistemas de IA continúan evolucionando y se vuelven más sofisticados, es probable que veamos una mayor adopción de comerciantes autónomos como AISHE en la industria de servicios financieros.
En resumen, hay una serie de beneficios potenciales para las personas que usan AISHE como comerciante autónomo, que incluyen una mayor eficiencia, una mejor toma de decisiones y un menor riesgo de error humano. Dado que el sistema ya está pre-entrenado, los nuevos usuarios pueden probar su rendimiento rápida y fácilmente antes de invertir dinero real. Sin embargo, es importante considerar cuidadosamente los posibles riesgos y limitaciones del uso de un sistema de este tipo y asegurarse de que se implementen las salvaguardas adecuadas para mitigar cualquier posible efecto adverso.
5. Computación perimetral para dispositivos IoT
La computación perimetral es una tecnología que permite la computación más cerca de la fuente de datos, como los dispositivos B. IoT, en lugar de depender de un servidor central. Este enfoque puede reducir significativamente la latencia, mejorar la seguridad de los datos y reducir los requisitos de ancho de banda.
En los últimos años, la proliferación de dispositivos IoT ha creado la necesidad de soluciones informáticas más eficientes y escalables. Edge computing permite el procesamiento y análisis de datos a nivel de dispositivo, lo que puede conducir a conocimientos más rápidos y precisos. Además, la computación perimetral puede ayudar a reducir el costo de la transmisión y el almacenamiento de datos de IoT al minimizar la cantidad de datos que deben transferirse a la nube o a un servidor central.
Al integrar la informática de punta en los dispositivos IoT, las empresas pueden lograr un procesamiento de datos en tiempo real, lo que permite una toma de decisiones y tiempos de respuesta más rápidos. Por ejemplo, la computación perimetral se puede utilizar en vehículos autónomos para permitir una toma de decisiones más rápida y precisa, o en plantas de fabricación para monitorear el rendimiento de las máquinas y predecir fallas.
En general, el uso de la computación perimetral para dispositivos IoT tiene el potencial de revolucionar una variedad de industrias al permitir un procesamiento y análisis de datos más rápido y eficiente. A medida que la demanda de dispositivos y datos de IoT continúa creciendo, es probable que también aumente la adopción de la informática perimetral.