Gamers ahora disponen en Latam de SSD más fría
En este artículo exploramos la visión de IDC sobre la ruta más efectiva hacia la adopción de la Inteligencia Artificial Generativa (Gen AI) de manera reflexiva y metódica en las empresas.
La tecnología de Inteligencia Artificial Generativa (Gen AI) está transformando el panorama empresarial de una manera que se asemeja a las revoluciones informáticas de los años 80 y la era de los smartphone en la década de los 2000. En un artículo reciente, Daniel Saroff, Vicepresidente del Grupo de Consultoría e Investigación de IDC, abordó cómo las organizaciones pueden planificar con éxito su adopción de Gen AI y sacar provecho de esta poderosa tecnología.
En su disertación, Saroff deja claro que el camino hacia la adopción de Gen AI no es un proceso que deba llevarse a cabo apresuradamente, sino más bien de manera reflexiva y metódica. Esto implica una colaboración estrecha entre la tecnología y los líderes empresariales, así como la consideración de políticas responsables, prácticas sólidas de gestión de datos y una comprensión profunda de la tecnología. Aquí, desglosamos los aspectos clave presentados por el analista de IDC y ofrecemos una perspectiva sobre las tendencias en Gen AI.
LEE TAMBIÉN: IA Generativa y personalización: un nuevo momento
Estableciendo una base sólida
De acuerdo con el trabajo presentado por los analistas de IDC, antes de sumergirse en el mundo de Gen AI, las organizaciones deben construir una base sólida entorno a la gestión de la inteligencia artificial (IA) que incluye los siguientes elementos:
1. Política de IA Responsable. Es fundamental tener una política de inteligencia artificial bien definida que establezca principios de equidad, transparencia, responsabilidad y protección de datos. Garantizar la comprensión de los resultados de los modelos de IA y cumplir con regulaciones legales como el GDPR son requisitos esenciales.
2. Estrategia y Hoja de Ruta de IA. Crear una estrategia de IA integral con casos de uso priorizados es esencial para alinear los esfuerzos de la organización con el impacto empresarial a corto y largo plazo. La estrategia debe incluir pautas para las pruebas de concepto de Gen AI y debe incorporar los resultados de estas pruebas para mejorar continuamente la estrategia.
3. Arquitectura de Inteligencia. Aunque las pruebas de concepto de Gen AI no necesitan construir una plataforma para respaldar iniciativas empresariales de Gen AI a gran escala, deben considerar cómo desarrollar la comprensión necesaria para que exista tal plataforma. La arquitectura debe contemplar la implementación y gobernanza de la plataforma, modelos de datos requeridos y la integración en sistemas existentes.
4. Formación y capacitación. La mayoría de las organizaciones no cuentan con habilidades maduras necesarias para aprovechar al máximo Gen AI. Desarrollar una fuerza laboral capacitada para construir y utilizar modelos Gen AI es esencial y puede requerir contrataciones o capacitación. La capacitación debe ser amplia en toda la organización para crear una base de conocimiento sobre los beneficios y riesgos de la tecnología.
Daniel Saroff, Vicepresidente del Grupo de Consultoría e Investigación de IDC.
“El panorama empresarial podría estar experimentando un cambio sísmico con el surgimiento de la Gen AI. Este cambio no se debe únicamente al impacto directo de Gen AI en sí mismo, sino también a cómo Gen AI está reafirmando la importancia de la IA en general y elevando su perfil dentro de las empresas”, afirma Saroff.
El rol de los datos
Los datos son el cimiento de Gen AI, pero muchas organizaciones enfrentan desafíos con sus datos empresariales. La mala calidad de los datos, la dificultad para acceder a ellos y la integración son problemas comunes. Al seleccionar pruebas de concepto, es crucial evaluar la calidad de los datos, la facilidad de acceso y la integración como criterios de selección. Utilizar conjuntos de datos comunes de alta calidad puede ser más eficaz que gestionar conjuntos de datos diversos y de baja calidad.
LEE TAMBIÉN: CIOs optimistas ante la IA generativa y sus usos
Compromiso por la seguridad
Garantizar la calidad y seguridad de los datos es imperativo. La integridad y privacidad de los datos utilizados para entrenar modelos de AI impactan directamente en su rendimiento. La contaminación de datos puede conducir a modelos incorrectos que no cumplen con los resultados deseados. Abordar los desafíos de calidad, precisión y seguridad de los datos es una prioridad.
Impacto en infraestructura y plataformas de software
La adopción de Gen AI afecta tanto a la infraestructura como a las plataformas de software. Las organizaciones deben tomar decisiones sobre la inversión en infraestructura, como si financiarla a través de modelos como servicio o compras de capital tradicionales. Las pruebas de concepto pueden ayudar a definir estas decisiones.
Los ciclos de desarrollo de software se acelerarán, y los esfuerzos de programación con bajo código o sin código diversificarán el código en arquitecturas optimizadas para AI. Esto exige entornos API habilitados que equilibren la portabilidad, la seguridad, el rendimiento, el control de costos y la resistencia.
Definir y priorizar casos de uso
Los casos de uso son fundamentales para impulsar el impacto de Gen AI en los negocios. Estos casos obedecer a distintos objetivos y categorías, por ejemplo:
1. Especialización de la Industria. Soluciones personalizadas, como el descubrimiento de medicamentos generativos o el diseño de materiales, requieren una personalización y segmentación de datos especializados. Pueden crear un valor comercial sustancial pero demandan modelos y una integración únicos.
2. Función empresarial. Integrar modelos con datos corporativos para departamentos específicos (por ejemplo, marketing, ventas, compras) requiere una gobernanza cuidadosa de los datos. La integración con aplicaciones empresariales establecidas es crucial.
3. Productividad. Los casos de uso básicos para la productividad, como la síntesis de informes o la generación de código, a menudo se integran en aplicaciones existentes como soluciones SaaS independientes o APIs basadas en la nube.
LEE TAMBIÉN: Microapps generativas pueden potenciar la fuerza laboral humana
Selección cuidadosa de socios proveedores
En el mundo en constante evolución de Gen AI, hay incertidumbre en torno a la tecnología y su aplicabilidad práctica. Según una encuesta reciente de IDC, los proveedores de plataformas en la nube se perciben como los socios tecnológicos más estratégicos para las iniciativas de Gen AI. También se destacan los consultores de TI y los integradores de sistemas como socios valiosos para guiar a las organizaciones en la implementación de Gen AI.
Para Daniel Saroff, Vicepresidente del Grupo de Consultoría e Investigación de IDC, el camino hacia la adopción exitosa de Gen AI implica una combinación de políticas responsables, prácticas sólidas de gestión de datos, comprensión de la tecnología y una visión integral de los casos de uso.
“Navegar en el mundo de la Inteligencia Artificial Generativa (Gen AI) requiere un enfoque que abarque políticas responsables, prácticas sólidas de gestión de datos, comprensión de la tecnología, una visión integral de casos de uso y colaboración entre el liderazgo de TI y el empresarial. Desarrollar pruebas de concepto (POCs) teniendo en cuenta cómo pueden ayudar a crear un bastión Gen AI coherente y defendible para la organización, y así pueda crecer y evolucionar conforme lo exijan la estrategia y las presiones competitivas”.
